AI 转型花了 300 万,只有 3 个人在用

上周有位做建材的老板，把去年的 AI 预算表发给我看。

三百万，四个项目：一个数据平台，一个知识库，一个给销售配的助手，还有一套会议纪要工具。系统都上线了，供应商的年服务费今年照付。

我问他现在每天真正在用的人有几个。他想了半分钟，说三个，其中两个还是项目组的。

这种情况我今年见得太多了。钱花出去了，系统上线了，员工还在用老办法干活。老板心里的疑问是同一句：到底哪一步出了问题。

一、两个数字，先把局势看清

MIT 媒体实验室有个 NANDA 研究项目，2025 年 7 月发过一份报告，叫《The GenAI Divide》。他们统计了三百多个公开的 AI 项目，访谈了一百多位高管。

结论很直白：企业在生成式 AI 上投了三百到四百亿美元，95% 拿不到可测量的财务回报。

同一份报告里还有一条更扎心的分布。超过 80% 的企业试过 ChatGPT 这类工具，约 40% 做过部署，最后真正进入生产环境的只有 5%。

Gartner 的判断在另一头。他们预计到 2027 年底，40% 的智能体项目会被取消，理由集中在三条：成本失控、价值说不清、风控不到位。

把这两个数字放在一起看，问题就落到投入方式上了。同样是这批模型，5% 的企业能用出来，95% 用不出来，差别只能在怎么花钱、谁来签字、按什么标准验收。

再补一个麦肯锡 2025 年 11 月的全球调查：88% 的组织在至少一个职能里常用 AI，62% 在试智能体，可只有 39% 说 AI 对利润有影响，其中大多数自评"影响不到 5%"，能称得上高绩效的只有 6%。

这些数字说的是同一件事。AI 从来不缺使用者，缺的是从"用了"到"赚了"的那一段路。

二、钱大多花在四个位置

第一位，前台。销售和营销拿走了最大一块预算，回报却主要长在客服、人事、财务这些后台。前台的钱看得见，后台的活没人愿意碰。

第二位，演示。能做出漂亮样板的场景最容易拿到预算，那些又脏又重复的活没人报。可重复劳动才是 AI 的主场。

第三位，自建。同一份研究里有个对照：外部采购方案的成功率是 67%，自建方案不到它的一半。很多企业一上手就要自研平台，钱和时间都耗在基建上，一年过去没交出一个能用的东西。

第四位，项目制。预算按项目批，回报却按年算。

项目一验收，团队就散了，系统留在那里自己老化。第二年想接着做，得重新立项、重新招标、重新讲故事。

见过的反例是这样。一家快消公司把两百万全投在线索打分上，因为销售部门喊得最响。跑了半年，线索质量确实好了一点，可真正卡住他们的是订单录入和售后工单这两块烂账，一年吃掉四个人的产能。

四个人的产能，按人均八万算，一年三十二万。这笔钱一直在漏，只是没人在会上提，因为它太琐碎，讲出来不够体面。

一句话概括：预算跟着"看得见"走，回报跟着"重复"走。这两条路经常是相反的。

三、上会之前，先把三笔账算出来

老板不缺愿景，缺的是一张能签字的数字。三笔账算完，项目要不要上，当场就有答案。

第一笔，单任务成本。一次调用的价格，除以一次能产出多少条，再加上人工复核的分钟数折算。只算调用费，会严重低估。

第二笔，返工成本。返工率乘以单次返工的耗时，再乘以时薪，按月累计。这一笔最容易被漏掉，也最容易吃掉全部节省。

第三笔，切换成本。流程改造、培训、新旧并行的月数，都算进去。这一笔通常最大，最容易被低估成"培训两天就完了"。

举个具体的。一家做设备销售的公司，每月要出两百份报价单。

人工一份九十分钟，用工具出初稿三十分钟，模型调用成本一份不到四块。按一小时一百二十元算，一份省七十二元，一个月省一万四。

这个数字能不能落地，全看返工率。返工率两成，实际节省打对折；返工率压到一成以下，这笔账才成立。

所以第三笔账要这么问：三个月内能不能收回切换成本。收不回，规模再大也别急着上，先把范围和标准收窄。

还有一条经验。算账要用自己的真实样本，别用供应商给的基准值。他们的样本是挑过的，你的流程里那些例外条款，才是成本真正藏身的地方。

四、怎么转：一条业务线，六周走完一遍

别一上来铺全公司。挑一条最疼的业务线，六周内跑出一个能签字验收的结果，再谈复制。

第一周只做一件事：把这条线全年的活拆成任务清单，标出谁在干、干多久。这张表是后面所有判断的地基。

第二周挑范围。重复度最高、出错代价最小的三项，先做这三项。出错代价大的一律往后放，那是第二阶段的事。

第三周写标准。把这三项的老做法写成文档，包括老员工脑子里那些没人写下来的经验。这一步最枯燥，也最决定成败。

到了第四周才碰工具。先跑二十个真实样本，不碰正式数据。二十个样本能暴露八成的边界问题，比跑两百个假数据有用。

第五周对差异。和业务方一条条看：什么算合格，什么算返工，返工怎么计费。验收口径必须在这一周定死，拖到上线再谈，一定扯皮。

第六周并行跑一周，记录工时、返工率、出错次数。周末出一份结算表，能不能上会就看这一张纸。

这六周里最容易被砍掉的是第三周。省掉这一步，后面每一周都在返工，因为工具不知道你们公司的规矩，只能按通用做法猜。

还有一种情况更要留意。六周做不完，往往说明选的范围太大，或者验收口径没定下来。这时候的正确动作是缩小范围重跑，把范围砍到三项任务以内，别硬拖。

六周结束后，不管结果好坏都要做一次结算。成了的写进复制清单，没成的写进停止清单。最怕的是"再看看"，项目就这么拖成一年，钱花完了，结论还没有。

五、六个坑，认出来就能绕开

下面每一条都配了一句识别信号。开会时听到这句话，坑就在脚下了。

买工具当成改流程。听到"先给全员开个账号，用起来再说"，基本就是这个坑。账号开了，流程没动，最后是旧做法外面裹了一层复制粘贴，效率反而更低。

从大平台开始。"数据中台先建起来，AI 后面再说"，这句话通常意味着一年内看不到任何能用的交付物。基建该建，可它得被一个具体的活推着建。

没有验收口径。"先做出来看看效果"，这句话听起来很务实，实际是在给后面埋雷。双方对"好"的理解不一样，钱就结不了，项目也扩不动。

只培训不改制度。课上完了，考核和激励没动，没人会真的改工作方式。人是跟着考核走的，这件事在任何公司都成立。

数据不给够。"让它自己去学公司的规矩"，它会开始编。第一版看着挺像，第三版错得离谱，而你已经把它发给了客户。

老板不亲自上。"这个事交给 IT 部门牵头"，跨部门就调不动人。业务方永远排在别的项目后面，半年后这事就无声无息了。

六个坑里，前三个吃预算，后三个吃时间。预算吃完还能再批，时间吃完，团队对这个方向的信心就没了。

六、组织：三个角色，一个签字人

路线对了，人不对，照样跑不动。这种项目至少要三个角色。

第一个，业务负责人。他得说清这条线痛在哪，也得敢在验收单上签字。没有他，做出来的东西永远"还差点意思"。

第二个，交付负责人。他既懂业务又懂工具，负责把标准翻译成能执行的东西。这个角色最难找，市场价也最高。

第三个，数据和安全。谁的资料能给机器看，哪些不能出门，得有人管。这一块前期看着像负担，出事的时候才知道贵。

签字的人只能是业务一把手。交给 IT 牵头，跨部门调不动；交给一个副总兼着，排期永远在最后。

这件事的本质是改流程，改流程的权力在业务那边。

如果人手实在紧，三个人也能起步。业务负责人由这条线的经理兼，交付负责人从懂业务的老员工里挑一个，数据和安全先由 IT 指定一个人兼管。

这套最小配置跑一条线够了，扩到第三条线就必须专职，兼职的人扛不住跨部门的协调量。

考核也要跟着改。第一条线跑通之后，把"AI 产出的采用率"写进这条线的月度指标，比在年会上讲十遍重视都管用。

七、签合同前，把四条改掉

同样的预算，条款不同，最后掏出去的钱能差一倍。这四条是谈判时最该争的。

计费方式。按人天报价、先付六成的写法最常见，风险全在你这边。改成按交付物报价，上线验收后付尾款，供应商才会跟着结果走。

验收标准。"以双方确认满意为准"这句话等于没写。至少写死三条可量化的指标，附上样本，样本要来自你自己的业务。

变更边界。"需求变更另行协商"听着客气，实际是敞口。改成超出范围的部分按单价补，先报价再动工，扯皮的次数会少一大半。

数据归属。"数据用于模型优化"这条必须划掉。改成数据不出企业、不用于训练、退出时可以完整导出，这是底线。

还有一个细节值得查：对方声称的"智能体"，到底是智能体还是换了包装的自动化脚本。Gartner 的说法是，市场上数千家声称做智能体的供应商里，真正拿得出手的大约一百三十家。

八、省钱的顺序：先缩面积，再压单价

很多企业一谈省钱就谈单价，去比谁家的调用费便宜。顺序反了，省下来的那点钱，抵不上浪费的面积。

第一层，缩任务面积。一条业务线里，真正值得交给机器的活通常不到三成。先把这三成挑出来做透，剩下的先不动。

这一步省钱最多，见效也最快。做错这一步，后面三层全白做。

第二层，模型分层。写材料、做摘要、翻译这类活，中等模型就够用；只有需要推理和判断的环节，才值得上贵的。

Gartner 今年管这个叫"智能分层"，意思一样：按活配模型，别一把梭。一家公司把模型默认档从最贵的调到中间档，账单当月降了六成，业务方没察觉出差别。

第三层，压返工率。返工一次的成本，通常是一次调用的几十倍。把验收口径写清楚，把样本喂够，比换更便宜的模型有效得多。

第四层，才轮到谈价。前三层做完再谈价格，谈判位置完全不一样，因为你已经知道自己要用多少、用在哪。

顺序错位的代价，我在别的公司见过。单价砍了六成，用量涨了三倍，年底账单比上一年还高。便宜的东西用起来没节制，这是人的本能。

九、九十天怎么走

把前面的东西压成一张时间表，照着走就行。

第一到第二周：选线，拆任务，出一张带工时的任务清单。

第三到第四周：写作业标准，业务方签字确认。这两周不出成果，但决定了后面四周的效率。

第五到第六周：跑试点，出结算表。三笔账全部落到真实数字上。

第七到第八周：上会。带着结算表去，讨论扩不扩、扩到哪条线。这时候的决策质量，比年初拍脑袋高一个量级。

第九到第十二周：扩第二条线，同时把供应商条款按前面四条改掉。第一份合同改好了，后面所有合同都省事。

九十天结束时，手上应该有四样东西：一张任务清单、一份作业标准、一份结算表、一份改过的合同。这四样比任何一份战略规划都实在，因为它们能被人接手，也能被审计。

十、三个问题，自测一下

第一个，去年在 AI 上花了多少，其中多少花在了重复劳动上。

第二个，现在每天真正在用的人有几个，他们用的是个人账号还是公司的系统。

第三个，如果明天停掉所有 AI 项目，有哪条业务线会受影响。

第一个答不上来，说明预算没分类，钱是撒出去的。第二个答不上来，说明账号买回来了，流程没跟着动。

第三个答不出来，说明这些项目还没进业务，都停在演示层。

三个都答得上来，恭喜，你已经站在那 5% 里了。剩下的事是把这条线复制到第二条，别让它变成一个人的英雄主义。

最后

企业 AI 转型这件事，难点从来不在模型。难在把一笔预算变成一条能签字的账，把一个项目变成一条能复制的线，把一个部门的尝试变成公司的标准动作。

这三件事，都不需要多高的技术，需要的是有人把顺序排对。顺序对了，钱花得少，进度还快。

这三笔账的算法、基准值和判断线，我整理成了一张表。     想要的在评论区打「三笔账」，我看到就发你。     后面接着写三篇：怎么挑第一条业务线、验收标准怎么写、供应商怎么谈。关注一下，别错过。   

作者：汪国强 / 国强AI认知与商业