95%:这是 2025 年 MIT 一个研究项目发布的报告里引用最多的数字,大意是绝大多数企业的生成式 AI 试点没有带来可衡量的损益影响。这个数字的统计口径有不少争议,但它点中了一个普遍现象:试点做完,团队只能说“大家觉得挺好用”,拿到预算评审会上却算不出值多少钱。
问题往往不在 AI 本身,而在试点开始前没有定好怎么算账。下面按顺序讲清楚:试点 ROI 应该怎么定义,基线怎么定,成本和收益各包括什么,再用一个计算器把试点期和规模化之后的数字同时算出来。
试点 ROI 和规模化 ROI 要分开算
先把几个词定下来,后面的计算都基于这些定义。
试点 ROI:试点期间的净收益除以试点期间的总投入。由于一次性投入集中在试点期,这个数字经常是负的。
规模化 ROI:假设试点方案推广到目标用户规模后,在一个固定周期(常用 12 个月)内的净收益除以总投入。它决定项目值不值得继续投钱。
基线:不用 AI 时,同一项工作的耗时、成本和质量水平。没有基线,任何“节省”都无从谈起。
采纳率:试点用户中真正在日常工作里使用 AI 工具的比例,以及他们使用的任务占全部任务的比例。工具上线不等于被使用。
把两种 ROI 分开,可以避免两个相反的错误:因为试点期 ROI 为负就过早叫停,或者因为规模化测算很好看就忽略试点里暴露的质量问题。
先定基线,没有基线就没有 ROI
基线要在试点开始之前测,而且要用和试点相同的口径。比如试点目标是缩短客服工单处理时间,就要在上线前两到四周,记录同一批客服处理同类工单的平均耗时、每天处理量和返工率。
测基线时常见的偏差有两个。一是用主观估计代替记录,问客服“你平时处理一个工单要多久”,得到的数字通常比实际偏短或偏长 30% 以上。二是基线期和试点期的工单构成不同,比如试点刚好赶上促销季,复杂工单比例上升,AI 的效果会被掩盖。
如果条件允许,最好留一个对照组:一部分人用 AI 工具,另一部分人照常工作,同期比较。这样季节、业务量这些外部因素会同时影响两组,差值才更接近 AI 的真实贡献。
样本量也要心里有数。基线期如果只记录了 30 个工单,个别特别复杂的工单就能把平均耗时拉高一大截。示意的经验是每组至少记录 200 个同类任务,或者覆盖两个完整的业务周期,比如两周的工作日加周末。数字不必精确到秒,但要能经得起评审会上“这个基线是怎么来的”这个问题。
把成本算全,模型调用费只是一小部分
很多试点预算只写了模型调用费,比如每月几百美元的 API 账单。真实成本至少还包括:
- 一次性投入:系统集成和开发、提示词和流程设计、评测集的搭建和人工标注、安全与合规审查。
- 持续投入:模型调用费、向量数据库或其他基础设施、人工复核 AI 输出的工时、监控和迭代的工程时间。
- 隐性投入:员工学习新流程的时间、试点期间效率的暂时下降、管理层和法务参与评审的时间。
人工复核经常是最大的一项持续成本。如果 AI 的输出需要有人逐条检查,复核时间就要从节省的时间里扣掉。一个只节省 5 分钟、复核却要 3 分钟的环节,真实收益只有 2 分钟。
用后文案例的示意数字,把 3 个月试点的成本摊开来看:
| 成本项 | 示意金额 | 说明 |
|---|---|---|
| 集成开发 | 11000 美元 | 对接工单系统,约 4 人周 |
| 评测集搭建与标注 | 5000 美元 | 300 条历史工单人工标注 |
| 安全与合规审查 | 2000 美元 | 数据脱敏和权限评估 |
| 模型调用及基础设施 | 每月 600 美元 | 按调用量计费 |
| 人工复核 | 每月 800 美元 | 20 小时 × 40 美元 |
这张表里,模型调用费 3 个月合计 1800 美元,只占试点总投入 22200 美元的约 8%。如果预算只写了这一项,评审时任何一个财务人员都会发现账算不平。
收益怎么折算成钱
最常见的收益是节省时间。折算方法是:节省的工时乘以人力的综合时薪。综合时薪要包含工资、社保、办公成本等,通常是基本时薪的 1.3 到 1.5 倍。举个示意:一名月薪 1.2 万元人民币的客服,按每月约 170 个工作小时算,基本时薪约 70 元,乘以 1.4 的系数,综合时薪约 100 元。不同城市和岗位差异很大,用你们公司财务给出的数字最稳妥。
时间节省要乘两个折扣。第一个是采纳率:试点 20 个人,可能只有 14 个人每天都用。第二个是返工率:AI 输出里有一部分质量不过关,需要重做,这部分任务的节省归零甚至为负。
另外两类收益也可以折算:一是错误减少带来的损失下降,比如合同审核漏项减少,按历史上每次漏项的平均损失估算;二是收入增长,比如销售线索响应更快带来的成交提升。后两类收益更难归因,建议在试点报告里单独列出,不要和时间节省直接相加,否则评审时很容易被整体质疑。
还要提防一种虚高:节省出来的时间如果没有被用在别的有价值的工作上,它在财务上并没有变成钱。客服每人每天省下 40 分钟,如果团队编制和工作量都不变,省下的时间可能只是变成了更长的休息。
分步计算并用计算器验证
计算按以下顺序进行:
- 确定试点用户数、每人每月处理的目标任务数,以及每个任务在基线下的耗时。
- 根据试点记录,算出每个任务平均节省的分钟数。
- 记录采纳率和返工率,作为收益的两个折扣系数。
- 用综合时薪把月度节省工时折算成金额,得到月度毛收益。
- 汇总一次性投入和每月持续成本,其中人工复核工时也按综合时薪折算。
- 计算试点期 ROI 和回本月数。
- 填入规模化后的用户数和新增一次性投入,计算 12 个月的规模化 ROI。
- 把关键假设写进试点报告,尤其是采纳率和返工率的来源。
公式如下:
月度毛收益 = 用户数 × 每人每月任务数 × 每任务节省分钟 ÷ 60 × 综合时薪 × 采纳率 × (1 - 返工率)
月度持续成本 = 运行费用 + 每月复核工时 × 综合时薪
试点 ROI = (月度毛收益 × 月数 - 一次性投入 - 月度持续成本 × 月数) ÷ (一次性投入 + 月度持续成本 × 月数)
回本月数 = 一次性投入 ÷ (月度毛收益 - 月度持续成本)
规模化测算假设运行费用和复核工时随用户数线性增长,这是偏保守的做法;实际中大批量调用通常能拿到更低的单价。
用默认数字试两组变化,就能看出哪个假设最敏感。返工率从 15% 升到 30%,月度净收益从约 4312 美元降到约 3304 美元,回本时间从 4.2 个月拉长到约 5.4 个月。采纳率从 70% 降到 50%,月度净收益约 2680 美元,回本要约 6.7 个月。在这组数字里,采纳率每下降 10 个百分点,回本时间就多出一个多月,所以试点报告里这两个数字的来源必须写清楚。
示意案例:客服工单摘要试点
以下是一个示意案例,公司和数字均为虚构,计算器的默认值就来自这个案例。
一家做 SaaS 的公司让 20 名客服试用 AI 生成工单摘要和回复草稿,试点 3 个月。基线测得每人每月处理约 120 个复杂工单,试点后每个工单平均节省 6 分钟。采纳率 70%,有 15% 的草稿需要重写。综合时薪按 40 美元计算,大约相当于每小时 280 元人民币的示意水平。
一次性投入 1.8 万美元,包括集成开发和评测集标注;每月运行费 600 美元,外加 20 小时的人工抽检。算下来月度毛收益约 5712 美元,月度持续成本 1400 美元,月度净收益约 4312 美元。试点 3 个月的 ROI 约为负 23%,回本需要约 4.2 个月。
单看试点期,这个项目“亏了”。但推广到 200 名客服、再投入 3 万美元做权限和工作流改造后,12 个月的规模化 ROI 约为 246%。
采纳率的变化也值得一提。第一周只有 8 个人每天在用,其余人觉得生成的草稿语气太生硬;团队在第二周加入了 50 条历史优质回复作为风格参考,第四周起采纳率稳定在 14 人左右,也就是 70%。如果试点在第二周结束时就算 ROI,结果会差得多。评审会最终批准扩大,附带一个条件:扩大后的第一个季度,返工率必须降到 10% 以下,否则暂停推广。
5 个信号:扩大、调整还是叫停
试点结束时,按下面的顺序判断:
- 采纳率是否超过 50%?否:先调查原因,是工具难用、流程没改,还是任务本身不适合,暂不扩大。是:进入第 2 步。
- 返工率是否低于 25%?否:输出质量是瓶颈,先改提示词、检索数据或换模型,再试一轮。是:进入第 3 步。
- 月度毛收益是否高于月度持续成本?否:哪怕规模化也无法回本,建议叫停。是:进入第 4 步。
- 回本月数是否短于 12 个月?否:重新审视一次性投入,能否复用现有平台降低成本。是:进入第 5 步。
- 节省的时间是否有明确的去处,比如减少外包、承接更多业务或缩短交付周期?否:收益停留在纸面上,扩大前先和业务负责人确认用途。是:可以申请扩大预算。
这 5 个信号里,第 5 个最常被跳过,也最常在财务审核时被追问。
也有人认为试点根本不该看 ROI,理由是试点的价值在于学习,团队从中积累的数据、流程和经验,会在后续项目里反复用到,这部分价值很难折算。这个观点在公司第一次做 AI 项目时有一定道理。但到了第三个、第五个试点,如果还拿“积累经验”来回答预算问题,管理层的耐心会很快耗尽。比较平衡的做法是:第一个试点允许把学习目标写进成功标准,之后的试点必须带上 ROI 测算。
什么时候不该用 ROI 来评估试点
ROI 适合评估以效率为主要目标的试点,但并不是所有 AI 试点都该这样算。如果试点的目的是验证技术可行性,比如测试模型能否读懂你们行业的专业文档,那么试点的产出是“能不能做”的结论,硬套 ROI 只会得到一个没有意义的负数。
如果任务量太小,比如每月只有几十次的内部审批,任何节省都撑不起开发和维护成本,算 ROI 之前就能判断不值得做。如果 AI 输出出错的代价很高,比如医疗、法律文书或金融风控,单次错误的损失可能远超全年的时间节省,这时候先要评估的是风险和合规,收益排在后面。还有一种情况:试点期太短,采纳率还在爬坡,过早算 ROI 会低估效果。至少等用户用满 4 到 6 周、使用习惯稳定之后,再拿数据去算。