# AI人效比怎麼算，才能算明白

> 企業使用人工智能（AI）以後，最容易説的是“效率提高了”，最難回答的卻是幾個具體問題：一共花了多少錢？AI承擔了多少工作？產出發生了什麼變化？這筆投入什麼時候能夠收回？

來源：https://www.starbox.work/zh-hant/insights/ai-adoption/fde088/（星盒AI 知識中心，更新於 2026-09-24）

企業使用人工智能（AI）以後，最容易説的是“效率提高了”，最難回答的卻是幾個具體問題：一共花了多少錢？AI承擔了多少工作？產出發生了什麼變化？這筆投入什麼時候能夠收回？

如果只能説“能省幾個人”，卻沒有計算範圍、數據來源和計算過程，財務部門無法複查，業務部門也無法據此決定下一步是繼續投入、調整方案，還是及時停止。

2025年的多份報告，都提到了企業使用AI與獲得實際回報之間的差距。一份中國企業人工智能應用調研顯示，在受訪企業中，89.84%已經使用AI，設立AI專職團隊的企業只有16.41%；《2025麥肯錫AI應用現狀調研》給出的“高績效贏家”比例為6%。“高績效贏家”是該報告使用的分類名稱，只看這一比例，無法判斷具體企業是否屬於這一類。

麻省理工學院一個名為Project NANDA的研究項目在2025年報告中指出，95%的企業投入生成式AI後，沒有獲得可以衡量的業務回報，只有5%的定製試點真正進入生產環節。生成式AI，是能夠按照指令生成文字、圖片等內容的人工智能；定製試點，是圍繞企業具體需求搭建並先行驗證的項目。

這些報告的樣本、統計方法和分類標準不同，數字不能直接比較，更不能把其中任何一個比例當成所有企業的判斷標準。它們共同説明的是：開始使用AI，不等於已經算清投入產出。

6sense發佈的2025年數據還顯示，在其調查範圍內，95%的企業對企業採購者已經把AI能力納入採購考量。企業對企業交易也常被簡稱為B2B。對許多企業來説，問題已經從“要不要用AI”，變成了“用了以後怎樣算賬”。

## AI人效比，算的不是裁掉多少人

本文所説的AI人效比，是在一個明確的工作場景中，比較使用AI前後的人力投入、AI成本和產出變化。

它計算的是工作量和成本如何變化，不直接等於企業可以減少多少員工。AI通常承擔的也不是一個完整崗位，而是分散在多名員工工作中的部分任務，例如生成內容初稿、回答標準問題或者整理數據。AI完成這些任務以後，員工往往還要審核結果、作出判斷、維護流程並處理例外情況。

因此，核算不能從“一個AI工具多少錢、一名員工工資多少”開始，而要先確定部門和場景。內容生產、客服應答和數據整理的人員結構、工具成本與質量要求不同，不能混成一個比例。

每個場景至少要記錄四類基礎數據：

- 哪些人蔘與了這項工作；
- 每個人在這項工作上投入了多少時間；
- 原來的任務數量和完成時間；
- 原來的錯誤率與返工率。

原有工作量對應的人力成本，可以這樣計算：

**原始總人力成本 = 各類參與者的“人數 × 單位人力成本 × 該項工作的時間佔比”之和**

單位人力成本，是企業按照統一範圍計算的單人用工成本。究竟只計算工資，還是同時計算其他用工支出，要在彙報中寫清楚。時間佔比，則是員工在統計期間用於這項工作的時間，佔其總工作時間的比例。

這個公式計算的是指定工作實際佔用了多少人力，不是所有參與者的全部崗位成本。

有些服務商會用“一個熟練使用AI工具的人，配合一套自動化流程，可以覆蓋原來5至10人的工作量”作為前期測算口徑。這個數字不能直接寫成企業自己的結果。實際能覆蓋多少工作量，要看本企業的任務數量、人員投入時間和穩定產出記錄。

![AI人效比怎麼算，才能算明白](/static/img/insights/ai-adoption/fde088-2.jpg)

## 一筆完整的賬，要看三組數據

### 第一組：AI一共花了多少錢

AI投入不只有工具月費，至少包括：

- 工具或平台費用；
- 部署、開發以及與現有系統連接的一次性費用；
- 員工培訓、學習工具和調整流程佔用的時間；
- 上線後的維護、修改和持續更新成本；
- AI運行後仍需投入的審核、判斷、流程維護和例外處理時間。

培訓和適應成本最容易被漏掉。員工參加培訓、測試工具、熟悉操作和修改原有流程，都佔用了正常工作時間，應當計入項目投入。

一次性費用也不宜全部計入上線後的第一個月。更合理的處理方式，是按照預計使用週期分配到各個統計期間。這種處理方式叫作攤銷。它可以避免第一個月的成本被放大，後續月份的成本又被低估。

### 第二組：產出發生了什麼變化

效率變化回答的是：同樣一批人，現在能多完成多少工作；或者完成同樣的工作，少用了多少時間。

可以直接記錄的指標包括：

- 單項任務用時縮短了多少；
- 相同人力完成的任務數量增加了多少；
- 錯誤率和返工率發生了什麼變化；
- 內容、數據或服務的更新頻率是否提高。

數量和質量要放在一起看。如果任務數量增加了，錯誤和返工也明顯增多，新增的處理成本同樣需要記錄。

還有一些變化暫時不能直接換算成金額，但不能因此忽略：

- 團隊從重複工作中釋放出的時間用在了哪裏；
- 員工對AI工具和工作流程的熟悉度是否提高；
- 已經形成的流程能否用於其他項目。

這些記錄能幫助企業判斷，AI帶來的究竟是短期提速，還是能夠持續使用的工作能力。

### 第三組：項目能不能持續運行

有些成本不會立刻出現在當月賬目中，卻會影響後續投入：

- 更換工具或服務商後，原有資料、知識庫和流程能否遷移；
- 企業內部是否有人能夠獨立維護；
- 項目沒有達到預期時，停止使用需要承擔多少成本；
- 已經購買的工具、培訓和諮詢服務，是否留下了可以繼續使用的能力。

知識庫，是企業整理並持續提供給AI使用的業務資料、規則和數據。知識庫以及配套流程能否遷移和複用，會直接影響企業更換工具後的成本。

如果一次培訓結束三個月後，團隊又恢復原來的工作方式，説明此前投入沒有形成持續效果。已經發生且難以收回的費用，叫作沉沒成本。企業不應因為已經花過錢就繼續追加投入，但要在復盤中判斷，這些費用究竟留下了流程、數據和人員能力，還是下一次仍要重新開始。

![AI人效比怎麼算，才能算明白](/static/img/insights/ai-adoption/fde088-3.jpg)

## 公式可以簡化，計算範圍不能含糊

彙報AI人效時，最好把“效率變化”和“投入回報”分開。

效率變化看任務數量、完成時間、錯誤率和返工率。投入回報則比較原有工作量對應的人力成本與AI相關總投入。

企業可以採用下面的簡化公式：

**淨人力回報比 =（原始總人力成本 − AI相關總投入）÷ AI相關總投入**

這個公式要成立，原始總人力成本必須只對應AI實際參與的工作場景，不能把整個部門或完整崗位的成本都算進去。AI相關總投入也不能只填工具費，還要包括部署、培訓、維護，以及AI上線後仍然需要的人工投入。

公式得出的結果，是人力成本口徑下的比較值，不一定等於企業已經省下的現金。如果員工工資支出沒有減少，釋放出來的時間只是轉向其他工作，就要繼續説明這些時間去了哪裏、產生了什麼結果。

如果企業內部仍把效率變化和成本回報統稱為“AI人效比”，至少要同時寫出公式、統計期間、費用範圍和工作範圍，避免不同部門對同一個比例作出不同解釋。

還有一個原則不能省：每個項目、每個場景單獨核算。先分別計算內容生產、客服應答等場景，再進行橫向比較，才能看出哪個場景有效，哪個場景仍在消耗成本。

![AI人效比怎麼算，才能算明白](/static/img/insights/ai-adoption/fde088-4.jpg)

## 上線一個月和運行三個月，看的不是同一件事

AI項目剛上線時，培訓、調整和試錯較多，短期數據容易波動。企業應當根據項目所處階段選擇測算方式：

| 測算方式 | 適用階段 | 可以解決的問題 | 主要侷限 |
|---|---|---|---|
| 行業口徑對標 | 項目尚未啓動 | 判斷項目是否值得試行 | 只能參考，不能作為企業自身承諾 |
| 階段抽樣測算 | 上線一個月以內 | 觀察任務用時、產量和返工率變化 | 不能代表完整的業務結果 |
| 單場景精算 | 單一場景穩定運行三個月以上 | 形成可以複查的投入產出結論 | 需要持續、準確地記錄數據 |

上線一個月左右，可以先看產量、單項任務用時和更新頻率。運行約三個月後，再逐步觀察流量、轉化率等業務結果。轉化率，是訪問、閲讀或諮詢的人中，最終完成企業目標動作的人所佔的比例。

一些內容項目還會使用“賬號權重”這個説法，用來概括賬號的整體表現。但這個概念不夠明確，彙報時應當拆成流量、更新頻率和轉化率等可以記錄的數據，不能只寫“權重提高”。

這三種測算方式不是三選一。項目啓動前可以參考行業數據，上線後進行階段抽樣，穩定運行三個月以上再做單場景精算。

## 結果為負，先排查三個問題

淨人力回報比為負，説明在當前統計期間，AI投入高於已經確認的人力收益。此時不宜立刻得出“AI沒用”的結論，應先檢查：

1. 是否選擇了原本工作量就很少、改善空間有限的場景；
2. 團隊是否仍處於學習和調整階段，尚未形成穩定產出；
3. 是否把一次性部署費用全部計入了單月，沒有按照預計使用週期攤銷。

排除這些因素以後，如果結果在完整觀察週期內仍然為負，才説明這個場景現階段可能不適合繼續投入。

行業材料中還會出現“單次訓練成本超過百萬元並不罕見”“AI項目典型回本週期為2至4年”“製造業預測性維護約3個月即可回本”等説法。預測性維護，是根據設備運行情況提前發現潛在故障並安排維護。

如果這些説法沒有同時提供報告名稱、項目範圍和計算方法，就不應進入企業的正式測算。它們最多隻能提醒管理者：不同場景的投入規模和回本速度可能相差很大，不能直接拿來做預算或項目承諾。

## 三種做法，最容易讓結果失真

### 把宣傳數字當成企業結果

“30天見效”“訂單增長300%”以及“一個人完成原來5至10人的工作”等説法，如果沒有第三方核驗或企業自己的數據，只能作為宣傳或前期參考。

企業最終應使用自己的任務量、工時、成本和產出記錄。行業數據可以幫助判斷是否值得試行，不能代替實際測算。

### 只計算某一個月

項目上線初期，部署、培訓和適應成本較高；運行穩定後，單位任務成本才可能下降。只看一個月，容易把暫時波動當成長期結果。

過去購買工具、培訓和諮詢服務的費用也不能從復盤中直接消失。企業需要判斷這些投入是否留下了可以複用的流程、數據和人員能力，而不是因為已經花過錢，就繼續投入。

### 把人效提高直接變成裁員依據

人效計算説明的是工作量如何分配，不直接回答企業是否應該減少人員。

更常見的分工是由AI處理標準化、重複性的任務，員工負責審核、判斷和處理例外情況。釋放出來的時間是否用於更重要的工作，也應繼續記錄。把人效比直接變成裁員依據，既不符合這套算法的用途，也容易引發內部對立。

## 一份能夠核驗的彙報，要説清六件事

向財務部門或管理層彙報時，不要只展示一個比例。至少要依次説明：

1. 本次計算對應哪個部門、哪個工作場景；
2. 原來有哪些人蔘與，各自投入多少時間；
3. AI投入包含哪些費用，哪些屬於一次性費用；
4. 當前統計的是效率變化，還是投入回報；
5. 一次性費用如何攤銷，剩餘人工、後續風險和停止項目的成本如何處理；
6. 最終結果與企業歷史數據、行業參考數據分別有什麼差異。

AI人效比的意義，不是算出一個儘可能高的數字，而是讓投入、產出和風險採用一套能夠複查的計算方法。

每項數據來自哪裏、如何計算、適用於哪個場景，都能夠説清楚，這個結果才能用於決定繼續投入、調整方案或及時停止項目。