# AI的ROI為何算不清？先把“提效”變成數據

> AI工具上線幾個月後，團隊通常會給出一些積極評價：寫內容更快了，整理資料更方便了，重複工作也少了。

來源：https://www.starbox.work/zh-hant/insights/ai-adoption/fde091/（星盒AI 知識中心，更新於 2026-09-25）

AI工具上線幾個月後，團隊通常會給出一些積極評價：寫內容更快了，整理資料更方便了，重複工作也少了。

這些感受可能都是真的。可到了財務復盤，企業仍然要回答幾個更具體的問題：

- 這項AI應用一共投入了多少錢？
- 工作時間究竟減少了多少？
- 單位產出成本有沒有下降？
- 相同人員能夠完成的工作量增加了多少？
- 這些變化有多少與AI有關，又有多少來自業務波動或人員調整？

如果項目沒有留下連續、統一的記錄，“提效”就只能説明團隊覺得好用，不能説明企業獲得了多少回報。

## 好用、變快和產生回報，不是一回事

MIT Project NANDA發佈的2025年研究《The GenAI Divide》顯示，95%的企業組織沒有從生成式AI投入中獲得可衡量的業務回報。研究同時提到，採購外部專業方案並建立合作的企業，落地成功率約為67%；純靠內部自建，成功率只有前者的三分之一左右。

《2025麥肯錫AI應用現狀調研》的大中華區結果則顯示，調研中被歸為“高績效贏家”的企業約佔6%。

這兩項研究採用的樣本和衡量口徑不同，不能把數字合併起來，也不能據此判斷某一家企業的AI項目是否成功。但它們指向了同一個問題：購買AI工具，不等於已經產生業務回報；員工開始使用，也不等於企業已經能夠證明這項投入的價值。

團隊覺得好用，説明使用體驗不錯；一項工作完成得更快，説明效率指標發生了變化；企業獲得了多少回報，則要繼續核算收益和投入。

這三件事彼此相關，卻不能直接畫等號。

![AI的ROI為何算不清？先把“提效”變成數據](/static/img/insights/ai-adoption/fde091-2.jpg)

## ROI公式不復雜，難的是把賬記完整

ROI是“投資回報率”的英文縮寫，用來衡量一項投入帶來了多少回報。基本計算方式是：

**ROI＝（AI帶來的可量化收益－總投入）÷總投入**

公式本身並不難。真正困難的是，收益和投入能否拆成持續記錄、可以複核的數據。

每個業務場景還要單獨計算。內容創作、客戶響應和資料整理的工作方式不同，投入和結果也不同。如果把多個場景混成一筆總賬，最後只能看見一個總數，卻很難判斷哪項應用有效、哪項應用需要調整。

在收益一側，至少要記錄三類變化。

### 1. 人員投入發生了什麼變化

同一項工作在使用AI之前需要多少人蔘與，使用AI之後實際採用了怎樣的人員配置。

這裏記錄的是項目實施前後的真實投入，不是對未來效果的估計。只有前後採用相同的任務範圍和完成標準，人員數據才有比較意義。

### 2. 單位產出成本發生了什麼變化

同一類內容或同一個業務動作，實施前後的單件成本分別是多少。

例如，一條內容從開始創作到完成，原來需要4小時，使用AI後降到1.5小時。這條記錄首先説明處理時長縮短了。要繼續判斷單件成本是否下降，還要把完成這項任務所需的實際人力和其他投入按照統一口徑記錄下來。

客戶響應、資料整理和內容審核也可以採用同樣的方法：先明確任務從哪裏開始、到哪裏結束，再記錄每次處理所用的時間和人力。

### 3. 單位時間內的產能發生了什麼變化

產能是團隊在一定時間內能夠完成的有效工作總量。

在人員配置相同的情況下，一個月原來能完成多少工作，使用AI後實際完成了多少，都要留下數據。沒有實施前的產能記錄，就無法計算後續增加了多少，也很難判斷增長是否與AI應用有關。

收益需要拆開，成本同樣要算全。

除了AI平台和工具的採購費用，企業還要記錄外部服務費、內部人員投入的時間，以及團隊學習和磨合產生的成本。如果只統計產出增加，卻忽略這些實際投入，算出的ROI就會偏高，也無法與財務賬目對應。

ROI的收益和成本還必須採用同一個統計週期。不能用一個月的成本去對應三個月的結果，也不能只選取表現最好的階段進行計算。

![AI的ROI為何算不清？先把“提效”變成數據](/static/img/insights/ai-adoption/fde091-3.jpg)

## 沒有基線，後面的增長就沒有比較起點

很多企業在項目結束時才開始整理ROI。問題往往不是不會計算，而是找不到AI實施前的數據。

如果企業沒有提前記錄原來的處理速度、人員配置、產出數量和單位成本，後續即使出現明顯變化，也很難説清這些變化來自AI，還是來自業務量波動、人員調整或其他因素。

所以，項目啓動前至少要記錄四項基線數據：

- 完成一項任務需要多長時間；
- 完成這類任務需要多少人力；
- 單位時間內能夠完成多少有效工作；
- 每項有效產出的實際成本是多少。

基線就是AI實施前的實際業務水平，是後續比較的起點。

記錄時還要先定義什麼叫“完成”。以內容生產為例，產能究竟按初稿、審核稿還是正式交付稿統計，必須提前寫清楚。如果本月統計初稿，下月統計正式交付稿，即使每個月都有數字，也無法進行有效比較。

所謂“AI就緒度診斷”，可以理解為項目啓動前對企業當前狀態的一次檢查。對於ROI核算，它的一項實際作用，就是把企業現有的業務流程和基礎數據記錄清楚。只有知道實施前處於什麼水平，後續變化才有明確的比較對象。

這些數據不能等AI上線後再補。事後依靠回憶恢復的數據，準確性有限，也很難通過進一步複核。

![AI的ROI為何算不清？先把“提效”變成數據](/static/img/insights/ai-adoption/fde091-4.jpg)

## 有了前後數據，還要説明變化來自哪裏

基線可以回答“變化了多少”，但企業還要繼續回答“為什麼會變化”。

同一時期內，如果人員配置發生調整、業務量出現波動，相關指標也可能隨之改變。月度記錄不能只寫結果，還要註明同期發生的主要業務變化。

如果處理時間縮短了，就要同時查看任務範圍和統計口徑是否一致；如果產量增加了，也要檢查人員配置和業務量是否發生變化。存在其他影響因素時，應當在復盤中如實説明，而不是把全部變化都歸因於AI。

這不是為了把計算變得複雜，而是避免得到一個看起來清楚、實際上無法解釋的結果。

## 數據追蹤機制，可以分三步建立

### 第一步：確定場景、指標和統計口徑

先選定一個具體業務場景，再從產能、人員投入、成本和轉化等數據中，選擇少數與業務結果直接相關的指標。這裏的“轉化”，是指業務對象是否完成了預先設定的下一步動作。

指標不需要多，但必須滿足三個條件：能夠量化、能夠持續記錄、與業務結果有關。

確定指標後，還要把統計口徑寫清楚：

- 從哪個節點開始計時，到哪個節點結束；
- 單件成本包含哪些費用；
- 哪種狀態才算完成；
- 產能按初稿、審核稿還是正式交付稿統計。

口徑一旦確定，在同一個驗證週期內就不要隨意改變。否則，數字雖然一直在增加，卻無法進行前後比較。

### 第二步：按月記錄，並解釋變化原因

ROI不應等到項目結束後一次性彙總。企業可以在每個月的固定時間記錄核心指標，同時完成兩組比較：

- 與AI實施前的基線比較；
- 與上一個月的實際結果比較。

月度復盤至少要回答四個問題：

1. 本月哪些指標發生了變化？
2. 這些變化可能來自哪裏？
3. 本月新增了哪些成本？
4. 下個月需要調整什麼？

連續記錄的意義，不只是為了最後算出一個ROI，也是為了儘早發現問題。如果兩三個月後核心指標仍沒有明顯變化，就要檢查使用場景、工作流程和執行方式，而不是繼續投入後等待結果自行出現。

### 第三步：提前設置驗證週期和達標線

項目開始前就要約定觀察多久，以及達到什麼結果才算有效。

企業可以先設置1至3個月的小範圍驗證期，併為處理時間、單位成本、有效產出等核心指標設定明確的達標線。

達到標準，再決定是否擴大投入；沒有達到，就根據月度記錄調整方案，或者停止繼續增加成本。

這樣，擴大投入的決定就有數據支持，不必等預算花完後才討論項目是否有效。

## 三種做法，最容易讓ROI失真

### 把主觀反饋當成效果證據

“團隊都説好用”“大家覺得效率提高了”可以作為使用反饋，但不能替代ROI數據。

使用體驗和經營回報是兩類資訊。前者回答員工願不願意使用，後者要回答企業實際獲得了多少收益。

### 只計算收益，不計算完整成本

只統計產能增長，卻不計算工具費用、外部服務費、內部人力以及學習和磨合成本，會直接高估項目回報。

同樣，只記錄節省了多少時間，卻不繼續核算單位成本和實際收益，也無法得到完整的ROI結果。

### 項目結束後再補數據

沒有持續記錄，事後只能依靠記憶、零散文件和不同人員的估算恢復過程。即使最終整理出一組數字，也很難保證統計口徑始終一致。

真正可以複核的ROI，是在項目推進過程中逐月記錄形成的，不是項目結束後補出來的。

## 企業最終需要的，是業務和財務都能看懂的結果

判斷AI項目有沒有價值，不能只看採購了什麼模型、部署了多少工具、員工使用了多少次。

更需要確認的是：實施前有沒有留下基線，實施中有沒有持續追蹤，收益和成本有沒有拆成具體數字，同期的業務變化有沒有被記錄，最終結果能不能由業務和財務共同複核。

這些問題有了明確答案，AI的效果才能從“感覺不錯”變成可以驗證的經營結果。否則，即使團隊每天都在使用AI，企業仍然説不清這項投入究竟帶來了多少回報。