企业 AI 流程 ROI 的核算，不能从调用次数、活跃用户或生成文档数量开始，而应从一条完整业务流程的成本与结果变化开始。只有当 AI 连接真实数据、调用业务系统，并对订单、线索、工单、回款或交付等结果产生可追踪影响，ROI 才具备管理决策价值。
先建立流程基线
立项前，应明确流程触发条件、结束条件、参与角色、数据来源、系统节点和人工投入，并记录当前的平均处理时长、返工率、错误率、升级率、人工复核比例及异常处理时长。没有基线，就无法判断 AI 是真正改善了流程，还是仅仅增加了一个使用频繁的工具。
场景选择也会直接影响 ROI。高频、规则相对清晰、数据可获得、结果可验证的流程，更适合优先集成，例如供应商资料初审、销售线索分级、客服工单分类和采购订单异常识别。若流程规则混乱、数据质量不稳定，或失败后没有回退机制，应先治理流程与数据，而不是急于上线 Agent。
用三层指标拆解收益
AI 项目指标至少分为三层：
- 活动指标：调用量、活跃用户、覆盖流程数，只能说明系统被使用。
- 流程指标：处理时长、自动完成率、转人工率、返工率，能够判断流程是否改善。
- 经营指标：毛利、回款周期、客户留存、交付达成率，才适合进入投资决策。
可采用简化模型：
年度净收益 = 节省的人工与运营成本 + 可验证的收入或转化增量 + 可量化的风险损失减少 − 模型、平台、集成、治理与运维成本
AI ROI = 年度净收益 ÷ AI 项目年度总投入
其中，收入增量和风险减少必须有可靠的归因方法。若只能观察到相关变化，不能证明因果，就应列为观察指标，不宜直接计入确定收益。
把成本算完整
投入不仅包括模型和平台费用，还包括系统集成、知识更新、接口维护、人工复核、质量评测、权限治理、审计、异常处理和持续运维。尤其要关注“自动化率提高但质量下降”的情况：如果投诉率、返工率或异常升级率上升，表面节省的人工成本可能会被后续损失抵消。
因此，企业应先验证一个最小闭环：AI 获取业务上下文，完成受约束的判断，经人工确认或例外处理后写回系统，并持续记录结果。只有流程指标稳定改善，且经营指标具备可解释的归因，才适合扩大投资范围。
