—— 那些立项时没人提、上线后才冒出来的成本

几乎每个 AI 项目立项时都会算一笔 ROI，而这笔账错得很有规律：纸面上算出来都挺好看，做着做着就发现对不上。

道理其实很简单。ROI 就是拿"省下或赚到的钱"，去减"花掉的钱"。麻烦在于，这两头在 AI 项目里都特别容易估偏——收益那头容易拍高，成本那头有一大半在立项的时候你根本看不见。

我们一头一头说。

一、"省下的时间"，不等于省下的钱

这是收益被高估的头号来源，几乎每家都中招。

通常算法是这样的：一个 AI 工具上线，每人每天省 1 小时，团队 50 个人，一年就是一万多个工时，按人力成本一折算，省了大几十万。数字一出来，老板很满意，ROI 报告很好看。

但这里有个被悄悄跳过的环节：省下来的那 1 小时，去哪了？

它只有真的被换成了别的东西，才算成钱。说白了，只有三种情况，这 1 小时才会落进财务报表：

• 一是你真的因此少招了人、或者减了人，成本线下来了；
• 二是这省出来的时间，被拿去多做了能卖出去的东西，收入线上去了；
• 三是流程因此快了，回款、周转跟着快了，现金转得更勤了。

这三件事，只要一件都没发生，那省下的 1 小时，多半是被员工用来多喝了杯咖啡、多刷了会儿手机、或者早走了十分钟。它是真实的、员工体感也确实变轻松了——但它不是财务收益，你没法把它存进银行，也就不该把它算进 ROI 的分子里。

很多项目 ROI 之所以虚高，就是把一大堆"没被兑现的时间"，当成真金白银算进去了。一旦你只认那三种真能兑现的情况，分子往往会缩水一大截，而那才是它真实的样子。

二、便宜的是模型，贵的是你看不见的那些

成本被低估的程度，通常比收益被高估还严重。因为最贵的那几块，在 demo 阶段基本是隐形的。

最直观的那笔——模型调用费、软件订阅费——恰恰是最小、最好算的一块。真正吃钱的，是下面这些，它们几乎不会出现在立项 PPT 里。

第一笔，集成和数据打通，这通常是整个项目里最大的一块，也是最被低估的。

模型本身确实聪明，可它得先接上你公司真实的那一堆系统、读到那些散落各处、格式还乱七八糟的数据，才谈得上干活。打个比方：demo 里它处理的，是一份事先导好、干干净净的表格；可到了真实环境，同样一个字段，A 分公司这么填、B 分公司那么填，还有一堆历史遗留的空值和错值。光是把这些数据理顺、把几个系统打通，工作量往往就占了整个项目的大头。Demo 之所以那么便宜那么快，正是因为它把这一步全跳过了。

第二笔，人工兜底的成本，也就是有人得在后面替 AI 把关。

AI 的产出，大多数场景下都不能直接用，得有人核对，尤其是出错代价高的地方。问题是，如果 AI 写完一条，还得有人逐条读一遍、确认没问题才能发出去，那你前面省下的人力，很可能又从"核对"这头花回去了。

举个例子：AI 帮客服一口气草拟了 100 条回复，听上去省了大把时间。但如果这是发给真实客户、说错一句就要赔礼道歉甚至赔钱的场景，那很可能这 100 条还是得有人一条条看过去。要是看一条的时间，跟原来自己写一条差不了太多，那这笔自动化到底省了多少，就得打个大大的问号。这笔"核对税"几乎从来没人算，但它直接决定了你到底有没有真的省到钱。

第三笔，评测、监控和维护，是一笔长期的、年年都要交的钱。

模型不是上线就一劳永逸的。你得持续盯着它的输出质量有没有滑坡、有没有开始一本正经地胡说。更麻烦的是，供应商时不时会更新模型——你之前辛辛苦苦调好的提示词和流程，可能因为人家一次升级，就悄悄变差了，而且没人通知你，得你自己发现、自己再调一遍。这是运营成本，不是一次性的建设投入。

第四笔，规模化之后的推理账单，最容易在放量那一刻给你一个"惊喜"。

试点的时候跑一百个案例，那点费用四舍五入等于零，谁都不会在意。可一旦上线放量，变成每天几万、几十万次调用，这笔钱是按比例往上涨的，原来可以忽略不计的单次成本，乘上一个巨大的次数，就成了一笔真金白银的固定支出。很多项目不是上不了线，是放量之后才发现单位成本根本扛不住，可那时候已经骑虎难下了。所以这笔账，必须趁规模还小的时候就把曲线推算出来，而不是等账单寄到面前才傻眼。

剩下还有几笔，零零碎碎但加起来不少：让 AI 真正进生产所需要的合规、安全、审计那一整套基础设施；让员工真正用起来的培训和习惯磨合（工具买了没人用，是最常见的浪费）；以及一旦你深度绑定了某个模型或平台，将来想换的时候，迁移本身又是一大笔钱。

三、也有反过来被低估的：算不清，不代表没有

前面说的都是"高估收益、低估成本"。但也有完全相反的一种，而且经常被忽略。

有些 AI 带来的，不是"把现在的活干得更便宜"，而是"做成了以前压根做不了的事"。比如让一项原本不可能规模化的服务变得可行，或者干脆催生出一条新业务。这类收益，立项时根本算不出准数，于是大家图省事，干脆按零处理。

结果就有点荒诞了：一些真正有战略分量的项目，因为短期 ROI 算不出来被砍掉；预算反倒留给了那些数字好看、实则只是"给旧流程加了个工具"的项目。

所以"算不准"是双向的——既容易把没兑现的好处算进来，也容易把暂时算不清的好处，一笔抹掉。

四、那这账到底怎么算，才不至于骗自己

不指望算得多精确，但至少可以不系统性地自欺。几条挺实在的做法：

• 分子那头，只认"能兑现的钱"。 每报一项收益，都追问一句：这个好处，最后落到哪条财务线上了？减了人、多了收入，还是快了现金？答不上来的，就先别放进分子，顶多搁在一边记一笔"软性收益"。
• 分母那头，算总账，别只算模型费。 把前面那些隐性成本尽量列全——集成、核对、维护、放量后的推理、合规、培训、迁移。哪怕只能估个大概区间，也好过假装它们不存在。
• 把"花一次的钱"和"年年花的钱"分开。 建设是一次性的，运营是每年都得交的。很多项目第一年看着划算，纯粹是因为没把后面每年的运营成本摊进去。
• 趁规模小，就把成本曲线推到满负荷去看。 别等放量才发现扛不住。
• 对那些算不清的战略收益，单独讲清楚逻辑，别简单归零。 如果一个项目的价值在于"做成以前做不到的事"，那就把这个逻辑摆出来，当成一个独立的决策依据，而不是硬塞进一个它本就装不下的公式里，然后因为算不出数而枪毙它。

写在最后

AI 项目为什么总算不准账？根子在于，它的成本和收益，偏偏在你最想看清的那个时刻——立项、看 demo 的时候——是最模糊的。Demo 把成本藏了起来，热情又把收益放大了。两头一起失真，账自然就歪了。

所以与其纠结那个 ROI 数字精不精确，不如先老老实实回答两个问题：

省下来的那些，真的会变成钱吗？

看不见的那些成本，我是不是在装作它们不存在？

这两头摆正了，数字准不准，其实也就没那么要紧了——至少，你不会再骗自己。