仅凭工具使用次数无法确定业务回报。
“80% 的员工尝试过 ChatGPT。”这很有意思，但不是投资回报率。
“我们举办了三场 AI 研讨会。”这或许有用，但不是业务影响。
“大家说自己节省了时间。”这是一项信号，却不足以指导投资。
经得起检验的人工智能投资回报率（ROI）分析应明确受影响的工作流程或其他已约定的单位。哪个任务发生了变化？该任务多久发生一次？耗时发生了怎样的变化？质量是提高还是下降？引入了哪些风险？新行为在初始发布周期后是否持续？
本文为中小企业和团队提供一套实用的衡量模型。
通过基线、质量与风险控制、持续使用以及完整的服务交付成本来衡量变化的工作流程。不要虚构节省的时间或采用周期。
从价值单位开始
价值单位不是“使用 AI”，而是一项工作流：
- 起草客户方案。
- 对客服工单进行分流。
- 总结会议并分配行动项。
- 提取发票字段。
- 准备销售调研。
- 审查合同条款。
- 生成产品说明。
- 回答内部政策问题。
对每项工作流，都要衡量实施前后的情况。
分别定义净收益和投资回报率（ROI）
一种常见的财务结构是：
净收益 = 量化收益 - 总相关成本
ROI（%）= 净收益 / 总相关成本 × 100
组织的财务审核人员必须明确以下内容：评估周期、现金与非现金收益、劳动力价值评估、归因分析、税务/会计处理方式、贴现计算，以及哪些实施或共享成本应计入分母。如果无法可信地将收益货币化，请将其作为运营指标进行报告，而非强行纳入投资回报率（ROI）中。
潜在的价值衡量指标包括：
- 节省时间。
- 提高吞吐量。
- 缩短响应时间。
- 提高质量。
- 减少错误。
- 提高记录完整度。
- 提高转化率。
- 降低客服负载。
成本包括：
- 工具许可证。
- API/推理成本。
- 实施时间。
- 审核时间。
- 维护。
- 培训。
- 监控。
- 事件处理。
风险/控制成本包括：
- 人工审核。
- 法律/安全审查。
- 数据处理控制。
- 日志记录与审计。
- 回退处理。
- 质量检查。
如果工作流需要大量审核，就应计入成本。AI输出节省20分钟，却又增加20分钟的检查时间，就没有节省时间。它仍有可能提高质量，但指标必须如实反映这一点。
基线
在更改工作流程之前，请先记录一组真实的基准数据。以下条目是字段示例，而非实际报告结果：
| 指标 | 示例 |
|---|---|
| 工作量 | 每周120张客服工单 |
| 当前耗时 | 每张工单分流6分钟 |
| 当前质量 | 8%分流错误 |
| 当前延迟 | 首次完成分流的中位时间为2小时 |
| 当前成本 | 员工时间和工具 |
| 当前风险 | 敏感客户数据、升级错误 |
然后在试点中运行AI工作流并进行比较。
没有基线，任何数字都只是一种说法。
不只衡量速度，还要衡量质量
AI可以让糟糕的工作完成得更快，因此必须同时衡量质量：
| 工作流 | 质量指标 |
|---|---|
| 客服分流 | 类别正确、优先级正确、正确升级 |
| 会议摘要 | 行动项准确、负责人和日期正确 |
| 销售调研 | 来源质量、相关性、没有无依据的主张 |
| 合同审查 | 正确识别条款、风险漏检率 |
| 发票提取 | 字段准确率、异常率 |
| 知识RAG | 引用正确性、拒绝行为正确性 |
对于面向客户的工作，还应增加信任指标：投诉率、纠正率、退出率和人工升级满意度。
衡量使用次数之外的应用情况
仅看使用量还不够。应跟踪：
- 在规定的评估周期结束后是否仍会重复使用；四周是一个示例，并非普遍的采纳阈值。
- 工作流程完成率。
- 人工接管率。
- AI输出后用户的编辑次数。
- 由AI输出引发的返工情况。
- 用户规避工作流程的案例。
- 规避的原因。
如果使用仅在观察期间或强制试用期间出现，请勿推断出持续的自愿采纳。应调查政策、任务频率、测量效应以及使用或规避的原因。
成熟度等级
以下六个等级是 AI Expert OÜ 内部使用的评估标准，而非经过外部验证的成熟度标准。请根据实际情况进行调整，并记录每个等级的重要性：
| 等级 | 状态 | 证据 |
|---|---|---|
| 0 | 没有受管理的 AI 应用 | 临时使用个人工具 |
| 1 | 个人生产力 | 员工使用获批工具起草和分析 |
| 2 | 可重复工作流 | 已明确命名的工作流，并设有负责人、提示词和检查机制 |
| 3 | 受治理的自动化 | 日志、评估、审核门禁、回退机制和数据规则 |
| 4 | 集成系统 | AI 已连接到记录系统，并受到监控 |
| 5 | 优化后的工作流组合 | 跨工作流管理投资回报率、风险、成本和质量 |
目标不是最大化层级。只有在证据表明增加整合和治理是合理的情况下，才应推进。
工作流组合视图
在简单的投资组合中跟踪工作流程。以下行是示例，而非实际报告结果：
| 工作流 | 价值 | 风险 | 成熟度 | 决策 |
|---|---|---|---|---|
| 会议摘要 | 中 | 低 | 2 | 保留 |
| 客服分流 | 高 | 中 | 3 | 谨慎扩展 |
| 合同审查 | 高 | 高 | 1 | 在法律审核下试点 |
| 社交媒体帖子起草 | 低 | 低 | 2 | 保持轻量 |
| 客户退款智能体 | 中 | 高 | 0 | 暂不自动化 |
这使得比较证据更加容易，避免仅因吸引了关注就扩大演示规模。
领先指标和滞后指标
候选领先指标：
- 有负责人的工作流数量。
- 有基线指标的工作流数量。
- 具备数据规则的工作流占比。
- 具备降级路径的工作流占比。
- 评估通过率。
- 人工审核队列的工作量。
候选滞后指标：
- 节省的小时数。
- 降低的成本。
- 受影响的收入。
- 错误率变化。
- 周期时间变化。
- 客户满意度变化。
- 事件数量。
根据因果模型和测量窗口对指标进行分类。领先指标可能显示是否存在配套的控制措施和行为；滞后指标可能显示后续的运营或财务结果。没有归因设计，两者都无法证明因果关系。
分阶段的测量计划
阶段1：基线。
- 选择一组可管理的候选工作流程。
- 记录数量、时间、质量和风险。
- 基于价值、可行性和风险证据选择试点。
阶段2：试点。
- 在人工审核下运行AI辅助工作流。
- 衡量时间、质量、人工接管率和用户反馈。
- 停止或修订表现不佳的试点。
阶段3：扩展决策。
- 比较基线和试点结果。
- 作出决定：扩大、保持小规模、修订或取消。
- 为扩大规模的工作流增加治理控制。
不要因为员工喜欢就宣布试点成功。只有工作流指标证明值得继续，试点才算成功。
目前不要这样做
不要把发送的提示词数量当作投资回报率。
不要只统计节省的总时间，而不扣除审核与返工时间。
没有质量指标时，不要扩大工作流。
不要因为节省的时间看起来很多，就忽视风险。
不要强迫所有团队达到相同的成熟度等级。
测量、试点、比较、决策
AI 投资回报率并不神秘，关键是务实衡量。选择一项工作流，衡量基线工作量、时间、质量和风险；在控制措施下试点；比较实施后的结果；再决定扩大、修订或停止。
只有当可重复的工作流程证据和适当的归因设计支持时，组织才能声称已经实现了可衡量的价值；任何财务计算都必须由合格的财务人员审核确认。FinOps Foundation 的单位经济指南同样强调将技术成本与组织的价值指标相联系，但每个组织都必须自行定义该单位及其计算方式。
