企业 AI 的投资回报：先界定价值发生在哪里

价值的单位，应当接近业务完成的单位

如果销售需要的是一份可以交接的询价摘要，那么模型生成一段文字并不等于任务完成。还要检查型号、数量、单位、条件和缺失项，随后交给能够继续处理的人。比较人工方式与 AI 方式时，起点和终点应一致，否则得到的只是两段不同工作的时间差。

这种界定会改变企业的关注点。生成速度较快的方案，可能要求更多人工检查；看起来步骤较多的方案，可能因为来源清楚而减少返工。不要让最容易取得的技术指标，替代真正关心的经营问题。调用次数、输出长度可以解释成本，但不能独立说明价值。

把建设投入和持续使用分开

资料整理、接口配置和首次培训，是为了建立可用条件；模型调用、运行维护和日常审核，则伴随使用持续发生。两类成本混在一起，会让初期试点显得昂贵，也可能让后续预算忽略维护责任。分别记录，才能讨论使用规模变化后的真实负担。

人工投入尤其需要被看见。员工为了配合系统而重新整理输入、补录字段或反复确认，都是流程的一部分。如果这些时间被移到其他部门，表面上的效率提升可能只是成本转移。评价时沿着交接链观察，询问每个接收人发生了什么变化。

有些收益来自能力积累，需要另一种证据

统一产品资料、形成可复用测试集、明确岗位边界，未必立即产生明显收入，但会影响后续项目的成本与可靠性。可以记录它们实际被多少任务采用、是否减少重复建设、人员变化后能否继续使用。不要因为价值难以折算，就将它忽略；也不要为了便于汇报，随意把它换算成金额。

一个更稳妥的做法是同时保留两类记录：当期业务结果，以及可被后续使用的能力资产。前者回答这次投入改变了什么，后者回答下一次是否能少走弯路。两者相互支持，却不应在同一个总分里失去各自含义。

回报分析最终应支持一个具体决定

分析完成后，应能够决定继续、缩小范围、修订或暂停。对样本不足的项目，先陈述观察结果和不确定项；对已知条件缺失的项目，说明补齐条件的成本。一个诚实的暂缓决定，往往比一张缺少依据的收益预测更能保护长期投入。

随着 AI 进入更多岗位，企业需要保留对价值的解释权。技术供应商可以提供能力和工具，经营团队仍要决定何种结果值得投入。秩启可以提供方法与约定的协助咨询，企业建立任务基线并安排试运行，实际效果由业务记录验证。

按一项合格任务核算投入

把询盘从接收到可交接摘要作为同一计量单位，记录人工、调用、返工与维护投入。知识整理等长期资产另记其可复用证据；不将未来复用直接计为已实现收入，也不预填收益比例。