# AI陪跑值不值？老板和董事会要看四项数据

> 业务团队评价一个AI项目，通常先看它好不好用、能不能省事。老板和董事会关心的则是：一共投入了多少钱，产生了多少可量化收益，多长时间能够达到目标，还有哪些问题可能影响后续结果。

来源：https://www.starbox.work/insights/ai-adoption/fde092/（星盒AI 知识中心，更新于 2026-09-26）

业务团队评价一个AI项目，通常先看它好不好用、能不能省事。老板和董事会关心的则是：一共投入了多少钱，产生了多少可量化收益，多长时间能够达到目标，还有哪些问题可能影响后续结果。

因此，汇报AI陪跑项目，不能只讲团队反馈，也不能只展示用了多少工具、完成了多少内容。真正需要说清楚的是四项数据：**总投入、可量化收益、达标周期和风险敞口。**

只有把四项数据放在同一套计算范围内，项目价值才能成为决策依据。

## “大家都在用”，不等于项目已经产生价值

业务部门认可一个AI项目，与项目能否通过董事会评估，是两套不同的判断标准。

业务部门关注使用体验：操作是否顺手，工作是否省事，原来耗时的任务是不是变快了。董事会评估的则是投入产出：钱花在了哪里，产生了什么结果，与其他投入相比是否值得继续。

MIT Project NANDA 2025年的一项研究，覆盖150场高管访谈、350份员工问卷和300个公开部署案例。研究发现，95%的组织没有从生成式AI投入中获得可衡量的业务回报。生成式AI，就是能够生成文字、图片等内容的AI。

这并不代表企业没有使用AI。超过80%的公司尝试过ChatGPT、Copilot等工具，但在针对企业需要开展的定制试点中，只有5%真正进入正式业务流程，并产生了可以观察到的价值。

这组数据说明，工具有人使用、员工反馈不错，只能证明AI已经进入工作过程，不能直接证明项目取得了经营成果。

从使用体验到经营成果，中间还要完成一次转换：把变化变成能够核算和持续追踪的业务指标，再确认其中哪些确实由AI带来。后面这一步就是归因。

![AI陪跑值不值？老板和董事会要看四项数据](/static/img/insights/ai-adoption/fde092-2.jpg)

## 计算ROI，难点不在公式

ROI，即投资回报率，用来衡量一项投入产生了多少回报。AI项目的计算公式并不复杂：

**ROI＝（AI带来的可量化收益－总投入）÷总投入**

真正容易出错的，是投入没有算全，收益也没有清楚归因。

### 总投入不能只算软件费用

评估AI陪跑项目的总投入，至少要包含以下几项：

- 平台和工具费用；
- AI陪跑或其他外部服务费用；
- 内部参与人员投入的工时成本；
- 团队学习和适应新工作方式的培养成本；
- 从项目启动到进入稳定使用阶段产生的时间成本。

如果汇报中只列软件采购费，总投入就会被低估，由此算出的ROI也无法反映项目的实际情况。

### 可量化收益必须落实到业务指标

“效率提升了”“团队轻松了”“产能增加了”，这些说法可以描述使用感受，却不能直接进入收益核算。

能够核算的收益，需要回答更具体的问题：

- 一项工作原来需要多少人，引入AI后需要多少人完成；
- 单件产出的成本发生了什么变化；
- 在人力投入不变的情况下，产出数量增加了多少；
- 哪部分变化能够追踪到营收或获得新客户的环节。

不同类型的收益还要分别核算，不能全部合并成一个总数。

例如，一个季度的业绩上涨，可能同时受到淡旺季、促销活动和人员调整等因素影响。如果把全部增长都计入AI项目收益，董事会很容易追问：“怎么证明这是AI带来的？”

因此，只有能够明确归因于AI落地的部分，才能计入项目ROI。暂时无法排除其他影响因素的变化，应当单独标注，不宜直接算作AI成果。

![AI陪跑值不值？老板和董事会要看四项数据](/static/img/insights/ai-adoption/fde092-3.jpg)

## 不要先承诺回本日期，先设阶段性达标线

按照行业经验，AI项目从投入到回本通常需要2到4年。部分使用频率较高的实际业务场景可能较早见效。例如制造业的预测性维护，也就是在设备发生故障前判断是否需要维护，有些项目可能在3个月左右见效；也有少数项目能够在12个月内看到投资回报。

这些数字只是经验区间。行业、应用场景和项目基础不同，实际周期也会不同，不能直接把经验区间写成项目承诺。

回报周期数据更适合用来安排评估节奏。项目不必等到最终回本时才提交成果，但应当持续拿出阶段性数据。如果上线6个月后仍然没有任何可量化结果，这已经是需要正视的项目风险，不能只用“再等等”解释。

更可行的试点方式是，先选择一个能够较快产生数据的小场景，记录AI上线前的原始数据，以此作为基线；再设定某个阶段必须达到的目标数据，也就是达标线。争取在3到6个月内，取得第一批可以核算的结果。

阶段性达标不等于项目已经回本。它要证明的是，项目是否正在按预期推进。与其承诺一个缺少依据的回本日期，不如明确每个阶段要验证什么、达到什么标准，以及未达标时如何调整。

![AI陪跑值不值？老板和董事会要看四项数据](/static/img/insights/ai-adoption/fde092-4.jpg)

## 董事会汇报，把三张表做实

AI项目汇报不需要堆叠愿景。三张表能够相互对应，决策层就能判断项目当前处于什么状态。

### 第一张：成本构成表

把工具费、服务费、内部人力、培养成本和时间成本逐项列出，同时说明每一项对应的工作内容。

这张表回答“钱花在了哪里”。它既能防止遗漏投入，也便于判断哪些成本只发生在试点阶段，哪些成本会在扩大应用后继续增加。

### 第二张：指标对照表

每项核心指标至少列出三栏：

- AI上线前的基线数据；
- 项目设定的达标线；
- 当前实际数据。

例如，考察单条内容制作时长，就分别列出上线前需要多少时间、目标压缩到多少时间、当前实际需要多少时间。

三个数字放在一起，项目是否取得进展可以直接判断，不再需要用“明显提升”“效果很好”等表述补充。

### 第三张：归因说明表

把结果分成两类：

- 能够确认由AI项目带来的变化；
- 同时受到其他因素影响，暂时不计入AI收益的变化。

主动说明哪些结果不能算作AI项目的成果，不会削弱汇报，反而能够提高数据的可信度。归因边界越清楚，能够计入的收益越容易被认可。

三张表还要相互对应：成本表中的投入要能对应具体行动，指标表中的变化要能找到数据来源，归因表中的收益要能够进入ROI计算。只要其中一张表与另外两张对不上，项目价值就还没有讲完整。

## 风险敞口也要进入汇报

风险敞口，就是项目目前尚未解决、可能影响下一阶段结果的问题。

除了成本、收益和周期，老板与董事会还会判断：项目继续推进后，是否存在失控风险。

这部分不能只写“模型效果有待提升”。企业AI项目没有达到预期，不一定是模型能力不足，也可能是数据准备、工作流程设计、目标设定、组织配合、人才和项目治理等环节没有跟上。项目治理，指企业对AI项目的管理。

汇报中至少要说明四件事：

- 哪些指标目前还没有达到目标；
- 哪些收益暂时无法完成归因；
- 哪些工作环节仍然依赖临时人工处理；
- 当前问题应当通过调整流程、补充数据，还是改善组织配合来解决。

如果项目数据不好看，先排查这些具体环节，比直接更换模型更有助于找到原因。

## 三种汇报方式，容易损害项目可信度

第一种，把“团队用得顺手”直接等同于项目成功。使用体验可以作为辅助信息，但不能替代成本、收益和归因数据。

第二种，为了争取预算，承诺一个缺少依据的回本周期。行业经验只能用作参考，不能写成“确保几个月见效”。更合理的做法，是承诺阶段性指标，并按时间节点提交结果。

第三种，把所有问题都归结为模型不够好。模型只是AI项目的一部分。如果数据、流程、目标、组织配合、人才和治理没有准备好，即使更换模型，也未必能够改善业务结果。

## 先证明有效，再讨论扩大投入

判断AI陪跑是否值得继续，顺序可以很清楚：先核算全部投入，再确认可量化收益；先排除其他影响因素，再计算真实ROI；先用小范围试点形成阶段性数据，再决定是否扩大投入。

决策层最终要判断的，是钱花了多少，哪些经营指标发生了变化，需要多长时间达到目标，还有哪些问题尚未解决。把这四件事讲清楚，才是一份能够进入决策环节的AI项目汇报。