01
Кластер возможностей
- Качество результата
- Выдаёт ли ИИ результат, который можно использовать как есть?
- Потребность в надзоре
- Сколько минут человеческой проверки нужно на единицу результата.
- Задержка
- Достаточно ли быстро для реального темпа задачи?
Не читайте — смотрите. Начните с результата, а потом раскройте, откуда берётся каждая цифра. Любое число выходит вместе со своим методом и доверительным интервалом.
Что выдаёт методология ещё до всякой теории: настоящий Wagecard — число замещаемости с доверительным интервалом, операционная стоимость ИИ и состав задач по четырём классам.
С учётом надзора, повторов и цены ошибки.
Медианная зарплата × город × уровень опыта.
/m/v8 · рассчитано вживую · иллюстративная выборка
Число
Экономическая замещаемость по шкале 0–100 — всегда с доверительным интервалом ±, никогда как голая цифра.
Операционная стоимость ИИ
Во сколько на самом деле обходится тянуть роль на ИИ, когда учтены надзор, повторы и цена ошибки. Не стоимость лицензии.
Состав задач
Каждая задача попадает в один из четырёх классов замещения. Разбор — это именно их состав, а не один общий вердикт.
Это взвешенное произведение, а не сумма: возможности задают порог, надёжность умножает, цена ошибки делит, преимущество человека приглушает.
01
02
03
04
Классы, ось, от которой зависит годность для боевого использования, разбор для CFO и внешние подтверждения — по умолчанию свёрнуты, так что вы раскрываете только нужное.
ИИ тянет задачу от и до с минимальным надзором человека. Замещение здесь вполне состоятельно.
Бо́льшую часть работы делает ИИ; решения и контекст остаются за человеком.
Задачу ведёт человек; ИИ ускоряет рутину — черновики, поиск, краткие выжимки.
ИИ не даёт чистой пользы (а то и вредит) — из-за доверия, регулирования, ответственности или сложности человеческих отношений.
Большинство публичных рассуждений о замещении ИИ сводятся к возможностям: способна ли модель вообще справиться с задачей? Эту ось проще измерить, поэтому она и забирает всё внимание. Но годность для боевого использования определяет другая ось — надёжность: достаточно ли часто модель делает задачу правильно, чтобы человек мог перестать перепроверять каждый результат?
По всей матрице возможности ушли далеко вперёд надёжности: у 31 ячейки «задача–модель» возможности ≥ 75, а надёжность ≥ 80 — лишь у 5. Именно в этом разрыве и заваливается большинство сегодняшних внедрений ИИ без надзора.
Каждый Wagecard показывает три числа по надёжности: средневзвешенные по часам возможности по вашим задачам, такую же надёжность и разрыв между ними. Плюс мы показываем долю рабочих часов роли, попавших в зону «способно, но ненадёжно» — возможности ≥ 75 при надёжности < 80.
Разрыв возможностей
Klarna свернула внедрение ИИ на 700 ролях, когда на сложных тикетах просел CSAT. Возможностей хватало — надёжности нет.
Корпоративные решения о внедрении ИИ проходят через три стандартных финансовых барьера. Мы считаем все три для любого Wagecard, где указана зарплата, — относясь к замещению ИИ как к любому другому капитальному проекту.
5 лет
Сумма дисконтированной годовой экономии за вычетом затрат на переход в нулевом году. Положительный NPV значит, что при заданной ставке дисконтирования внедрение создаёт ценность.
Внутренняя норма доходности
Годовая доходность проекта на вложенный капитал — в сравнении с барьерной ставкой компании (WACC). IRR в 35% при дешёвом капитале означает «делать прямо сейчас».
Период
Сколько лет накопленная экономия будет покрывать затраты на переход. Проверка на здравый смысл рядом с NPV и IRR: даже положительный NPV с окупаемостью в шесть лет могут отклонить.
Полностью разобранный пример — где у каждой цифры виден метод — лежит в Инвестиционном виде на каждом Wagecard. Ставка дисконтирования по умолчанию — 10% (типичный WACC среднего рынка), на тарифе Pro её можно менять. Мы намеренно не закладываем опционную ценность, ценность стратегического перераспределения и стоимость после пятого года — модель сознательно консервативна для расчёта по человеку и по среднему рынку.
То, что возможности — это ещё не экономическая состоятельность, и что реальная стоимость замещения ИИ упирается в надзор, повторы, цену ошибки и интеграцию, — утверждаем не только мы. Те, кто внедряет ИИ, говорят то же самое.
Вице-президент Nvidia по прикладному глубокому обучению
Апрель 2026“Для моей команды вычисления стоят несопоставимо дороже, чем сами сотрудники.”
Fortune ↗MIT CSAIL
Исследование 2024 года“При нынешней структуре затрат автоматизация на ИИ экономически состоятельна лишь в 23% ролей, где основную роль играет зрение.”
Исследование ↗BCG
2025“Лишь 5% компаний извлекают из ИИ ценность в масштабе; около 60% не видят ощутимой отдачи, несмотря на вложения.”
BCG ↗Klarna + Uber
2025–2026“Klarna свернула внедрение ИИ на 700 ролях, когда просел CSAT. Uber сжёг весь свой годовой бюджет 2026 на ИИ-кодинг за четыре месяца.”
Вот этот разрыв Wagecore и оценивает. Возможности растут. Экономическая состоятельность — пока нет, и не везде одинаково. Наша таксономия из четырёх классов откалибрована по тому, где ИИ дешевле в работе сегодня, а не где он мог бы оказаться к 2030 году.
Матрицу v1 (уже в проде) оценивает один откалиброванный оценщик по прозрачной рубрике. Расширенная методология оценки выйдет с v1.5 в третьем квартале 2026. Сама методология открыта и обновляется по версиям ежемесячно; платные тарифы добавляют глубину и детализацию на уровне ролей.
Открытая методология
Рубрика и формула опубликованы, так что любое число можно сверить с методом, который его дал.
Версионируется ежемесячно
Матрица возможностей обновляется по публичному графику.
Доверительный интервал у каждого числа
Никаких голых цифр — у каждой есть свой интервал ±.
Один откалиброванный оценщик
v1 оценена по одной прозрачной рубрике; v1.5 её расширяет.
Выберите роль и посмотрите операционную стоимость ИИ, раскладку замещения и то, где включается слой человеческого преимущества. Две минуты, анонимный предпросмотр.