1. 探索期 · WorkKit
AI 业务价值量化
PM
业务
把"AI 能解这个问题"转化为业务负责人可以向上汇报的 ROI 数字
触发场景
当 AI 适用性评估结论为"适用"或"待验证",在正式立项或向管理层汇报前使用。目标:用一张表把"值不值得做"从直觉变成有据可查的数字,让 Go/No-Go 决策有量化依据,而不只是"感觉上可以"。
输入清单
- ◆ AI 适用性评估结论(含三维度评分)
- ◆ 当前解法的运营数据(人力投入、处理量、错误率、客户满意度)
- ◆ 业务规模基准(日/月处理量、影响用户数或订单数)
- ◆ 目标改善幅度(参考行业基准或已有 POC 结果)
- ◆ 项目投入粗估(开发人力 + 持续运营成本,按 6/12 个月计)
▶ 提示词 基础版 / 进阶版
你是一位企业 AI 项目财务分析师。我需要为一个 AI 项目做投资回报测算,请帮我完成价值量化分析。
请按以下三类价值来源逐一分析:
1. **成本节省**:AI 替代人工后节省的直接成本(人力、时间、耗材等)
2. **收入增长**:AI 带来的转化率提升、客户留存改善、服务能力扩展等间接价值
3. **风险规避**:错误率降低、合规风险减少、声誉风险规避等防御性价值
请同时计算:
- 项目投入(一次性开发成本 + 月度运营成本,含 Token 费、维护人力、HITL 人工审核)
- 净年化收益 = 总收益 - 总成本
- 投资回收期(月)
- 12 个月 ROI
业务背景:
{{BUSINESS_CONTEXT}}
当前运营数据:
{{CURRENT_METRICS}}
目标改善幅度:
{{TARGET_IMPROVEMENT}}
项目投入预估:
{{PROJECT_INVESTMENT}}
请给出:
- 保守/基准/乐观三个情境的 ROI 测算
- 最依赖的 2–3 个核心假设(假设失效则 ROI 大幅下滑的那些)
- 不做这个项目的机会成本估算
产出记录
将 AI 返回的结果填入下方模板,形成可追踪的项目文档。
AI 业务价值量化报告
项目名称: 分析人: 分析日期:___
一、价值来源分解
| 价值类型 | 年化价值(元) | 置信度 | 核心假设 |
|---|---|---|---|
| 效率替代(成本节省) | ___ | 高/中/低 | ___ |
| 质量提升(错误减少) | ___ | 高/中/低 | ___ |
| 体验增长(收入侧) | ___ | 高/中/低 | ___ |
| 风险规避(防御性) | ___ | 高/中/低 | ___ |
| 合计年化总收益 | ___ | — | — |
二、项目投入分解
| 成本项 | 一次性(元) | 月度持续(元) |
|---|---|---|
| 开发人力 | ___ | — |
| 数据标注/清洗 | ___ | — |
| Token / API 费用 | — | ___ |
| HITL 人工审核 | — | ___ |
| 工程维护(FTE) | — | ___ |
| 合计 | ___ | ___ |
三、财务测算(三情境)
| 指标 | 保守(-30%收益) | 基准 | 乐观(+20%收益) |
|---|---|---|---|
| 月净收益(元) | ___ | ___ | ___ |
| 投资回收期(月) | ___ | ___ | ___ |
| 12 个月 ROI | ___% | ___% | ___% |
四、核心假设
- 假设:___;若失效:ROI 下滑 ___
- 假设:___;若失效:ROI 下滑 ___
- 假设:___;若失效:ROI 下滑 ___
五、不做的代价
___(一段话,用于向管理层陈述机会成本)
决策建议
- ROI 结论:正向 / 不确定 / 负向
- 建议:推进 / 缩小范围做 POC / No-Go
- 下一步:___
查看填写示例
示例场景
【示例】AI 业务价值量化——智能客服意图识别项目
项目名称:客服中心 AI 意图识别 分析人:张明(PM) 分析日期:2026-04-11
一、价值来源分解
| 价值类型 | 年化价值(元) | 置信度 | 核心假设 |
|---|---|---|---|
| 效率替代(人工替代) | ¥2,268,000 | 高 | AI 处理 70% 意图,准确率 85% |
| 质量提升(错误减少) | ¥108,000 | 中 | 错误率从 8% 降到 3%,单次处理成本 ¥15 |
| 体验增长(7×24 服务) | ¥180,000 | 低 | 夜间服务增加 10% 订单转化 |
| 风险规避 | ¥50,000 | 低 | 偶发合规事件规避 |
| 合计年化总收益 | ¥2,606,000 | — | — |
效率替代计算过程:2,000 通/天 × 70% AI 处理 × 85% 准确率 = 1,190 通自动处理/天 人工成本 ¥15/通 × 1,190 通 × 22 工作日 × 12 个月 = ¥2,349,360 扣除 15% 需人工兜底(178 通 × ¥5 人工干预成本 × 22 × 12 = ¥236,016 节省)
二、项目投入分解
| 成本项 | 一次性(元) | 月度持续(元) |
|---|---|---|
| 开发人力(3 人月) | ¥90,000 | — |
| 数据标注(2.5 万条) | ¥50,000 | — |
| Qwen-Turbo Token 费 | — | ¥2,400 |
| HITL 人工审核(10%) | — | ¥6,600 |
| 工程维护(0.2 FTE) | — | ¥6,000 |
| 合计 | ¥140,000 | ¥15,000 |
三、财务测算(三情境)
| 指标 | 保守(-30%收益) | 基准 | 乐观(+20%收益) |
|---|---|---|---|
| 月净收益(元) | ¥137,417 | ¥202,167 | ¥251,667 |
| 投资回收期(月) | 1.0 | 0.7 | 0.6 |
| 12 个月 ROI | 1,074% | 1,630% | 2,054% |
四、核心假设
- 假设:AI 意图识别准确率达 85%;若失效(仅 70%):ROI 下滑约 40%,但仍为正
- 假设:人力成本 ¥15/通维持不变;若失效(降到 ¥10):ROI 下滑约 33%
- 假设:DAU 维持在 5,000(2,000 通/天);若失效(下滑 50%):回收期延长到 1.5 个月
五、不做的代价
每月持续支出 ¥63 万人工成本处理可被自动化的重复意图,同时竞争对手已有 7×24 AI 客服能力。保守估算,推迟 6 个月上线的机会成本超过 ¥120 万,且错过年中大促的峰值服务能力窗口。
决策建议
- ROI 结论:正向(保守情境 ROI > 1000%)
- 建议:推进
- 下一步:进入 Build vs Buy vs API 决策,确认 API 路线的供应商
自检 Checklist
- 计算基础是真实业务数据,还是纯粹拍脑袋的假设?
- 是否把 AI 新增成本(Token、维护 FTE、HITL 人工审核)全部纳入了投入端?
- 是否区分了"高置信度收益"和"潜在收益",而非将两者混同?
- 保守情境下 ROI 是否仍为正?
- 核心假设是否已和业务负责人对齐确认?
衍生动作
- ROI 正向(回收期 ≤ 18 个月):携带本报告进入 Build vs Buy vs API 决策工序包
- ROI 不确定(依赖高风险假设):缩小项目范围,先做小规模 POC 验证 1–2 个核心假设
- ROI 负向:在决策日志中记录原因,建议 No-Go;如需向上说明,可用"不做的代价"部分
作者 手记
价值量化最常见的两个错误:一是只算收益、不算成本,Token 费用、0.2 FTE 的工程师维护、每天 10% 需要人工审核的 HITL 成本,往往被漏掉;二是用"最乐观假设"出结论,结果上线后期望落差很大,对 AI 项目的信任度受损。
建议对业务负责人展示"保守情境下仍为正"的结果,比"乐观情境下 ROI 10 倍"更有说服力——前者是承诺,后者是愿景。