夜雨聆风"上这个AI 项目，ROI 是多少？什么时候回本？"
从ERP 时代到云计算时代，这个词都是项目立项的标准话术。但在AI 面前，这个公式需要被重新审视。不是AI 算不出ROI，而是我们问错了问题。
一、传统ROI 公式在AI 场景下的三个"算不清"
经典公式：ROI = (收益−成本) / 成本
这在大规模组织、尤其是央国企的IT 投资中，早已是标准配置。但放到AI 项目上，它出现了三个结构性困境：
困境一：成本不是"一次性投入"，而是"持续喂养"
传统IT 项目的成本结构大致是：软件许可+ 实施服务+ 硬件采购→ 上线即完成。
AI项目的成本则是：
一个ERP 系统上线后，年度运维成本大概是最初实施费的15%-20%。而一个AI 系统上线后，持续投入可能占总投入的 60% 以上——因为模型需要持续喂养数据、优化效果、适配业务变化。
分母一直在变大，传统ROI 算出来只会越来越难看。
困境二：收益不是"省出来的"，而是"长出来的"
传统IT 项目的收益逻辑是"替代"——用系统替代人力，用自动化替代手工，省下来的就是收益。
AI真正的收益逻辑是"增强"——
- 提高决策质量（比如信贷审批的坏账率下降），但坏账下降0.5% 是AI 的功劳还是风控流程优化的功劳？分不清。
- 发现从未发现的模式（比如设备故障的前兆信号），但这些"新发现"怎么定价？
- 缩短从数据到行动的时间（比如舆情监测从2 小时缩短到2 分钟），这种时间压缩值多少钱？
最尴尬的是：这些收益越大，越难归因于AI。
央行货币政策里有一个"杰克逊霍尔难题"——货币政策的真实效果需要在很长周期后才能确认。AI也是：它的收益是分布的、延时的、且不可单独拆分的。
困境三：价值窗口不是"能用五年"，而是"每天重来"
企业买一套SAP，用十年没问题。但部署一个AI 模型，可能三个月后就有新的基础模型出来，效果翻倍，旧模型需要重新评估。
这种非线性、高频率、持续迭代的特性，与传统IT 资产折旧的逻辑完全不在一个频道上。
二、四层价值框架：从"一个ROI"到"四个账户"
我们既不能用一个单薄的数字来绑架AI 决策，也不能完全抛弃度量——那样在企业治理体系里同样行不通。
一个更务实的做法是建立"四层价值账户"，每个账户用不同的度量逻辑：
L1效率替代账户（传统ROI 可算）
关键指标：单位处理时间、人均处理量、处理成本
适用场景：
（1）客服AI 替代/辅助人工坐席
（2）文档审核的自动初审
（3）报表生成的自动化
度量方式：这部分可以用传统ROI 核算，但要注意——替代后的员工不是"省掉了"，而是释放到了更高价值的工作上。如果释放后不做高价值工作，ROI 确实算不回来；如果做成了，ROI 算不回来的是这部分被释放的隐性价值。
L2流程增强账户（中期可见）
关键指标：全流程吞吐量、流转时间、一次性通过率
适用场景：
（1）合同全生命周期管理（AI 辅助起草→审阅→比对→归档）
（2）招投标智能辅助（标书生成+ 合规自检）
（3）风控流程的自动化筛查
度量方式：对比AI 介入前后的流程级KPI。这个层级的收益更真实，归因也更合理。
L3决策赋能账户（战略价值，难量化）
关键指标：决策准确率、风险覆盖率、响应速度
适用场景：
（1）投资决策辅助（市场分析+ 风险预警）
（2）供应链风险预测
（3）人才盘点与继任规划
度量方式：很难用财务数字直接量化为"省了多少钱"。建议采用 "以老带新"对比法——AI 辅助的决策vs 纯人工决策，在事后回溯中比较质量差异。
L4模式创新账户（长期溢价，不计入传统ROI）
关键指标：新产品/服务收入占比、客户/用户满意度NPS、数据资产沉淀
适用场景：
（1）AI 驱动的客户经营（精准推荐、个性化服务）
（2）内部知识库的智能化（从"查文档"到"问知识"）
（3）数据产品的商业化探索
度量方式：这层不该用ROI 来算，应当归入战略投资预算，以"容错率× 创新性× 战略匹配度"来评估。
企业决策提示：这层是"一把手"该关注的事——它不解决今天的问题，它解决"明年的今天还有没有竞争力"的问题。这一层的投入，通常不要超过总数字化预算的15%-20%。
三、给企业管理者的六条实操建议
1）不选"AI 最大的场景"，选"AI 最容易兑现的场景"
国企大领导的常见误区是："我们的知识库很大，AI先做这里！"
且慢！知识库类项目看似需求明确，实则是数据质量地狱：90%的知识库文档过时、格式不统一、版本混乱。AI 上线后效果差，结论就成了"AI 不行"。
正确做法：选一个流程短、数据干净、干系人少的场景先做标杆（比如财务发票审核、合同比对）。快速出业绩，再做扩散。
2）不要问"AI 能不能做"，要问"不用AI 会怎样"
这个提问方式的转换非常关键：
"AI 能不能做" → 技术可行性视角，容易引导到"先试试看"的方向
"不用AI 会怎样" → 竞争必要性视角-> 回答往往是"别人在用，我们不用就落后"
在企业决策体系里，"竞争必要性"比"投资回报率"更有说服力。
3）把"技术项目"包装为"管理创新项目"
AI项目的本质不是技术部署，而是管理流程的再造。在央国企，以"管理创新"立项比以"技术革新"立项更容易通过——归口不同、评审标准不同、预算来源也不同。
建议：挂在"数字化转型办公室"或"战略发展部"下面，而不是IT 部门。
4）定三个指标，而不是一个
不要只汇报一个ROI 数字。定三个：
指标类型 | 具体指标 | 什么作用 |
效率指标 | 处理时间、吞吐量 | 给CFO 看 |
质量指标 | 准确率、覆盖率、合规率 | 给风控/合规看 |
战略指标 | 数据沉淀、能力建设、团队成长 | 给董事长看 |
一个好的AI 项目汇报，应该是"三张报表"：
效率表+ 质量表+ 能力表。
5）算"机会成本"，不算"投资回报率"
对于AI 这类新兴技术，最大的风险不是投错了，而是没投。
这个逻辑在这里同样成立，尤其在数字化转型进入深水区的阶段。错过一轮技术窗口的代价，远大于试点项目的投入。
6）用"敏捷试点"对冲决策风险
不是所有AI 项目都需要全面铺开。
建议路径：
选择一个业务场景→ 小范围试点→ 中期评估（3个月）→ 确定是否扩展
这种方式符合企业"积极稳妥、试点先行"的治理传统，也在制度框架内给AI 留出了"证明自己"的空间。
小结：
在信息时代，我们的决策框架建立在"可预测、可度量、可归因"的基础上。AI在一定程度上打破了这三者：
它预测未来（不再完全可预测）
它创造增量（不再只是可度量）
它嵌入流程（不再可独立归因）。
这并不意味着放弃度量。恰恰相反，我们需要更精细、更多维的度量体系。
回到最初的问题："AI在组织中的ROI 是多少？"
本人的回答是：
"您问的是哪个账户？效率账户、流程账户、决策账户、还是创新账户？不同的账户，有不同的回报逻辑和度量方式。如果我们只盯着效率账户看，那这个项目可能不值得投——但如果把四个账户放在一起看，这个项目可能是未来五年最重要的战略投资。"
这是一个在企业信息化领域工作多年的从业者，对"新技术到底该怎么估值"的认真思考。
