УДК 004.8:339.138
DOI: 10.36871/ek.up.p.r.2026.06.07.022

Авторы

Сандро Шотаевич Имнаишвили,
Фарид Лачинович Юсифов,
Санкт-Петербургский государственный университет, Санкт-Петербург, Россия

Аннотация

Статья посвящена практической управленческой задаче выбора модели внедрения инструментов искусственного интеллекта (ИИ) в маркетинговые процессы: использование готовой SaaS-платформы, разработка собственного решения или гибридная архитектура. На основе кейса российской B2B-компании «Технологии Доверия» предложен алгоритм инвестиционного сравнения альтернатив на горизонте пяти лет. Экономический эффект оценивался по показателям NPV, IRR, PI, ARR и сроку окупаемости; ставка дисконтирования рассчитана методом WACC на основе актуальной финансовой отчётности компании за 2025 год и составила 18,10%. Результаты показывают, что все три сценария имеют положительный NPV, однако различаются по капиталоёмкости, уровню контроля над данными и зависимости от поставщиков. Максимальный абсолютный NPV обеспечивает собственная разработка; гибридный подход превосходит остальных по индексу рентабельности инвестиций (PI = 6,96) и скорости окупаемости (1 год). Полученные выводы применимы для компаний, строящих datadriven маркетинг в условиях ограничений российского ИТ-рынка и повышенных требований к информационной безопасности.

Ключевые слова

искусственный интеллект, маркетинг, SaaS, CRM, инвестиционная оценка, NPV, IRR, WACC, цифровая трансформация, импортозамещение, B2B

Список литературы

  1. Битрикс24. Тарифы и возможности CRM-платформы. [Электронный ресурс]. – Режим доступа: https://www.bitrix24.ru/prices/ (дата обращения: 12.06.2026).
  2. Государственный информационный ресурс бухгалтерской (финансовой) отчётности (ГИР БО). АО «Технологии Доверия – Аудит» (ИНН 7705051102), отчётность за 2025 г. [Электронный ресурс]. – Режим доступа: https://bo.nalog.ru (дата обращения: 12.06.2026).
  3. Герасименко О.А., Цёхла С.Ю., Симченко Н.А. Цифровая трансформация маркетинга: реалии и перспективы российских компаний // Экономика: вчера, сегодня, завтра. – 2022. – Т. 12, № 4-1. – С. 287–299.
  4. Дамодаран А. Инвестиционная оценка. Инструменты и методы оценки любых активов. – 10-е изд. – М.: Альпина Паблишер, 2022. – 1316 с.
  5. Хачатурян К.С., Пономарева С.В., Корюшов Н.В. Искусственный интеллект в маркетинге как новая концепция и бизнес-возможность для повышения эффективности компаний // Вестник евразийской науки. – 2023. – Т. 15, № 3. – URL: https:// esj.today/PDF/55ECVN323.pdf.
  6. Ценжарик М.К., Крылова Ю.В., Стешенко В.И. Цифровая трансформация компаний: стратегический анализ, факторы влияния и модели // Вестник Санкт-Петербургского университета. Экономика. – 2020. – Т. 36, вып. 2. – С. 390–420. DOI: 10.21638/spbu05.2020.201.
  7. Huang M.-H., Rust R.T. A strategic framework for artificial intelligence in marketing // Journal of the Academy of Marketing Science. – 2021. – Vol. 49. – P. 30–50. DOI: 10.1007/s11747-020-00749-9.
  8. Huang M.-H., Rust R.T. A Framework for Collaborative Artificial Intelligence in Marketing // Journal of Retailing. – 2021. – Vol. 97, No. 2. – P. 209–223. DOI: 10.1016/j.jretai.2021.03.001.
  9. Kotler P., Kartajaya H., Setiawan I. Marketing 5.0: Technology for Humanity. – Hoboken: John Wiley & Sons, 2021. – 224 p.
  10. Kumar V., Rajan B., Gupta S., Pozza I.D. Customer engagement in service // Journal of the Academy of Marketing Science. – 2019. – Vol. 47. – P. 138–160. DOI: 10.1007/s11747-017-0565-2.
  11. Mariani M.M., Machado I., Nambisan S. Types of innovation and artificial intelligence: A systematic quantitative literature review and research agenda // Journal of Business Research. – 2023. – Vol. 155. – 113364. DOI: 10.1016/j.jbusres.2022.113364.
  12. Shaily S., Emma N. Integration of Artificial Intelligence Marketing to Get Brand Recognition for Social Business // International Review of Management and Marketing. – 2021. – Vol. 11, No. 3. – P. 29–37. DOI: 10.32479/irmm.11542.