AI陪跑值不值？老闆和董事會要看四項數據

業務團隊評價一個AI項目，通常先看它好不好用、能不能省事。老闆和董事會關心的則是：一共投入了多少錢，產生了多少可量化收益，多長時間能夠達到目標，還有哪些問題可能影響後續結果。

因此，彙報AI陪跑項目，不能只講團隊反饋，也不能只展示用了多少工具、完成了多少內容。真正需要説清楚的是四項數據：總投入、可量化收益、達標週期和風險敞口。

只有把四項數據放在同一套計算範圍內，項目價值才能成為決策依據。

“大家都在用”，不等於項目已經產生價值

業務部門認可一個AI項目，與項目能否通過董事會評估，是兩套不同的判斷標準。

業務部門關注使用體驗：操作是否順手，工作是否省事，原來耗時的任務是不是變快了。董事會評估的則是投入產出：錢花在了哪裏，產生了什麼結果，與其他投入相比是否值得繼續。

MIT Project NANDA 2025年的一項研究，覆蓋150場高管訪談、350份員工問卷和300個公開部署案例。研究發現，95%的組織沒有從生成式AI投入中獲得可衡量的業務回報。生成式AI，就是能夠生成文字、圖片等內容的AI。

這並不代表企業沒有使用AI。超過80%的公司嘗試過ChatGPT、Copilot等工具，但在針對企業需要開展的定製試點中，只有5%真正進入正式業務流程，併產生了可以觀察到的價值。

這組數據説明，工具有人使用、員工反饋不錯，只能證明AI已經進入工作過程，不能直接證明項目取得了經營成果。

從使用體驗到經營成果，中間還要完成一次轉換：把變化變成能夠核算和持續追蹤的業務指標，再確認其中哪些確實由AI帶來。後面這一步就是歸因。

計算ROI，難點不在公式

ROI，即投資回報率，用來衡量一項投入產生了多少回報。AI項目的計算公式並不複雜：

ROI＝（AI帶來的可量化收益－總投入）÷總投入

真正容易出錯的，是投入沒有算全，收益也沒有清楚歸因。

總投入不能只算軟件費用

評估AI陪跑項目的總投入，至少要包含以下幾項：

• 平台和工具費用；
• AI陪跑或其他外部服務費用；
• 內部參與人員投入的工時成本；
• 團隊學習和適應新工作方式的培養成本；
• 從項目啓動到進入穩定使用階段產生的時間成本。

如果彙報中只列軟件採購費，總投入就會被低估，由此算出的ROI也無法反映項目的實際情況。

可量化收益必須落實到業務指標

“效率提升了”“團隊輕鬆了”“產能增加了”，這些説法可以描述使用感受，卻不能直接進入收益核算。

能夠核算的收益，需要回答更具體的問題：

• 一項工作原來需要多少人，引入AI後需要多少人完成；
• 單件產出的成本發生了什麼變化；
• 在人力投入不變的情況下，產出數量增加了多少；
• 哪部分變化能夠追蹤到營收或獲得新客戶的環節。

不同類型的收益還要分別核算，不能全部合併成一個總數。

例如，一個季度的業績上漲，可能同時受到淡旺季、促銷活動和人員調整等因素影響。如果把全部增長都計入AI項目收益，董事會很容易追問：“怎麼證明這是AI帶來的？”

因此，只有能夠明確歸因於AI落地的部分，才能計入項目ROI。暫時無法排除其他影響因素的變化，應當單獨標註，不宜直接算作AI成果。

不要先承諾回本日期，先設階段性達標線

按照行業經驗，AI項目從投入到回本通常需要2到4年。部分使用頻率較高的實際業務場景可能較早見效。例如製造業的預測性維護，也就是在設備發生故障前判斷是否需要維護，有些項目可能在3個月左右見效；也有少數項目能夠在12個月內看到投資回報。

這些數字只是經驗區間。行業、應用場景和項目基礎不同，實際週期也會不同，不能直接把經驗區間寫成項目承諾。

回報週期數據更適合用來安排評估節奏。項目不必等到最終回本時才提交成果，但應當持續拿出階段性數據。如果上線6個月後仍然沒有任何可量化結果，這已經是需要正視的項目風險，不能只用“再等等”解釋。

更可行的試點方式是，先選擇一個能夠較快產生數據的小場景，記錄AI上線前的原始數據，以此作為基線；再設定某個階段必須達到的目標數據，也就是達標線。爭取在3到6個月內，取得第一批可以核算的結果。

階段性達標不等於項目已經回本。它要證明的是，項目是否正在按預期推進。與其承諾一個缺少依據的回本日期，不如明確每個階段要驗證什麼、達到什麼標準，以及未達標時如何調整。

董事會彙報，把三張表做實

AI項目彙報不需要堆疊願景。三張表能夠相互對應，決策層就能判斷項目當前處於什麼狀態。

第一張：成本構成表

把工具費、服務費、內部人力、培養成本和時間成本逐項列出，同時説明每一項對應的工作內容。

這張表回答“錢花在了哪裏”。它既能防止遺漏投入，也便於判斷哪些成本只發生在試點階段，哪些成本會在擴大應用後繼續增加。

第二張：指標對照表

每項核心指標至少列出三欄：

• AI上線前的基線數據；
• 項目設定的達標線；
• 當前實際數據。

例如，考察單條內容製作時長，就分別列出上線前需要多少時間、目標壓縮到多少時間、當前實際需要多少時間。

三個數字放在一起，項目是否取得進展可以直接判斷，不再需要用“明顯提升”“效果很好”等表述補充。

第三張：歸因説明表

把結果分成兩類：

• 能夠確認由AI項目帶來的變化；
• 同時受到其他因素影響，暫時不計入AI收益的變化。

主動説明哪些結果不能算作AI項目的成果，不會削弱彙報，反而能夠提高數據的可信度。歸因邊界越清楚，能夠計入的收益越容易被認可。

三張表還要相互對應：成本表中的投入要能對應具體行動，指標表中的變化要能找到數據來源，歸因表中的收益要能夠進入ROI計算。只要其中一張表與另外兩張對不上，項目價值就還沒有講完整。

風險敞口也要進入彙報

風險敞口，就是項目目前尚未解決、可能影響下一階段結果的問題。

除了成本、收益和週期，老闆與董事會還會判斷：項目繼續推進後，是否存在失控風險。

這部分不能只寫“模型效果有待提升”。企業AI項目沒有達到預期，不一定是模型能力不足，也可能是數據準備、工作流程設計、目標設定、組織配合、人才和項目治理等環節沒有跟上。項目治理，指企業對AI項目的管理。

彙報中至少要説明四件事：

• 哪些指標目前還沒有達到目標；
• 哪些收益暫時無法完成歸因；
• 哪些工作環節仍然依賴臨時人工處理；
• 當前問題應當通過調整流程、補充數據，還是改善組織配合來解決。

如果項目數據不好看，先排查這些具體環節，比直接更換模型更有助於找到原因。

三種彙報方式，容易損害項目可信度

第一種，把“團隊用得順手”直接等同於項目成功。使用體驗可以作為輔助資訊，但不能替代成本、收益和歸因數據。

第二種，為了爭取預算，承諾一個缺少依據的回本週期。行業經驗只能用作參考，不能寫成“確保幾個月見效”。更合理的做法，是承諾階段性指標，並按時間節點提交結果。

第三種，把所有問題都歸結為模型不夠好。模型只是AI項目的一部分。如果數據、流程、目標、組織配合、人才和治理沒有準備好，即使更換模型，也未必能夠改善業務結果。

先證明有效，再討論擴大投入

判斷AI陪跑是否值得繼續，順序可以很清楚：先核算全部投入，再確認可量化收益；先排除其他影響因素，再計算真實ROI；先用小範圍試點形成階段性數據，再決定是否擴大投入。

決策層最終要判斷的，是錢花了多少，哪些經營指標發生了變化，需要多長時間達到目標，還有哪些問題尚未解決。把這四件事講清楚，才是一份能夠進入決策環節的AI項目彙報。