固定业务单位
先确定按一次询盘、一张订单、一次报价、一个工单或一个知识任务计算,避免把公司总收入与一个局部 AI 功能直接关联。
可核验产出:分析单位、流程边界和责任人。
决策 · 价值与投入
合理的企业 AI 价值计算不是“节省多少人”,而是固定业务单位、复算当前损失、限定可归因改善、计入全生命周期成本,并用真实 MVD 数据逐步缩小价值区间。
方法步骤
先确定按一次询盘、一张订单、一次报价、一个工单或一个知识任务计算,避免把公司总收入与一个局部 AI 功能直接关联。
可核验产出:分析单位、流程边界和责任人。
使用历史样本计算数量、耗时、错误、返工、流失、资金占用或风险暴露;记录数据来源、时间窗、排除项和波动范围。
可核验产出:可由第三方复算的基线表。
只计算项目边界内能够通过对照、分批上线或同口径前后比较解释的变化;把市场、季节、人员和政策变化列为干扰因素。
可核验产出:改善指标、归因方法和不确定性说明。
除模型与开发费用外,还要计入取数、清洗、接口、安全、评估、人工复核、培训、运营、监控、变更和退出成本。
可核验产出:建设、运行、采用与退出总成本。
在诊断、MVD、生产和复制阶段分别更新价值区间。证据不足时降低置信度或暂停,不用单一乐观数字包装商业承诺。
可核验产出:价值区间、置信度及 GO / ADJUST / HOLD / STOP 决策。
适用边界
项目声称能够提效、降本、提质、增收或降低风险。
管理层需要比较多个 AI 候选场景的投入顺序。
MVD 结束后需要决定是否进入生产部署。
不适用边界
没有历史任务或损失记录,却要求给出精确回报数字。
把所有员工时间都按完全可节省的工资成本计算。
只统计模型费用,忽略数据、复核、采用、运营和退出。
完成标准
基线和结果使用相同任务单位、样本与时间口径。
改善能够区分 AI 贡献、人工贡献和外部变化。
价值区间同时披露成本、风险、假设、限制和证据强度。