如何评估企业 AI 项目的 ROI

企业 AI 项目的 ROI，指的是把可清点的成本项与可观察的收益项放进同一套口径里比较，而不是套一个行业回报率。之所以不建议引用外部数字，是因为口径不可比：别人的成本结构、数据现状与组织配套都与你不同 —— 可比的是算法，不可比的是前提

为什么 AI 项目的 ROI 特别难算

成本端的问题是分散：算力只是其中一项，数据准备、知识整理、集成、培训与返工往往更大，而且散在不同部门的预算里。收益端的问题是形态：多数收益表现为「少出错、少等待、少来回」，不直接等于一笔收入。

成本项清单

• 基础设施：推理算力、存储与网络，按实际用量与峰值预留分别记账。
• 数据与集成：系统对接、字段梳理、历史数据清洗。
• 知识整理与标注：文档拆分、元数据补全、评测集制作、人工复核。
• 人员与流程改造：培训、责任调整、新流程的试运行成本。
• 运行维护：模型与索引更新、评测复跑、异常处理。
• 合规与审计：分级、留痕、保留期限相关的工作量。
• 评估与复核：评测集的维护与定期复跑，包含为此投入的人工时间。

最容易漏的是最后两项 —— 它们不随项目上线而结束，而是变成一笔持续支出。把它们漏掉，ROI 通常会显得比实际好。

收益怎么记

• 记可观察的变化：处理环节数、平均等待时长、返工次数、异常被发现的时点。
• 用同一套口径做前后对比，且两次测量的样本来源要一致。
• 把「省下来的时间去了哪」也记下来 —— 如果只是被别的杂事填满，那不算收益。
• 写清收益的观察人：由谁提供证据，避免最终结论只由一方给出。

哪些不该算进去

• 不要把「将来可能带来的规模效应」算成当期收益。
• 不要引用外部榜单里的成功率或回报率，口径不可比。
• 不要把一次性的政策或资源红利当作常态收益。

验收口径

• 每个成本项都能追到出处：合同、工时或账单。
• 每个收益项都有观察记录，而不是回忆出来的印象。
• 结论能被第三方按同一套口径复算出来。

边界

ROI 是决策工具，不是结论。有些项目早期的价值在于「把规则和口径写清楚了」，这部分很难换算成钱，但值得单列出来，而不是硬塞进收益栏去凑一个好看的数字。

分阶段算，不要一次算总账

把项目拆成「边界与数据准备」「第一个只读场景」「执行能力」三段分别记账，每段结束时都能得到一个明确结论：值不值得继续。一次性算总账的结果通常是两种极端 —— 要么被一个很大的数字吓退，要么被一个很乐观的假设说服。

• 第一段主要看成本是否可控，因为它几乎没有收益，但它的结论是后面所有段的前提。
• 第二段开始出现可观察的收益，此时可以做第一次前后对比。
• 第三段风险最高、收益也最需要复核：涉及执行动作后，出错成本会明显上升。

三段之间不要共用一套指标：准备阶段看成本是否可控，只读阶段看准确与拒答是否成立，执行阶段看留痕与回滚有没有被真实触发过。指标混用，结论就会互相矛盾。

口径要在立项前定

如果等到项目结束才讨论怎么算账，讨论的就不再是 ROI，而是各方对同一个项目的记忆。立项前把成本项、收益项与测量方式写下来，后面的争议会少很多 —— 这不是为了给项目设限，而是为了让结论能被复核。