周一的 AI 项目复盘会上，负责人放出一页漂亮的数据：公司买了 100 个账号，82 个人本周登录过，调用次数比上个月翻了一倍。

老板问：“那效率到底提高了多少？”

会议室安静了。运营说文案出得更快，销售说方案做得更多，技术说大家已经养成使用习惯。可订单交付有没有提前、客户投诉有没有减少、总工时有没有下降，没人答得出来。

这不是报表少做了一列，而是一开始就量错了东西。登录人数、调用次数和生成字数，只能说明工具被打开过。它们像工厂门口的打卡记录，可以证明有人进门，不能证明货按时出了库。

企业 AI 转型最容易掉进的坑，就是把“大家在用”当成“业务变好了”。

买到的是工具入口，不是新的生产方式

账号采购解决的是访问权：谁可以使用模型，费用怎么结算，数据和权限按什么方式管理。真正的业务改造还在后面。原始材料从哪里来，AI 做哪一步，谁验收，出错后退回哪里，下游有没有能力接住更快的产出，这些都不会随着账号邮件一起自动出现。

假设一家电商公司要上新一批商品。过去，运营收供应商表格、产品图和规格说明，整理标题、卖点与参数，再交给设计、审核和客服。AI 接进来后，运营写初稿从一天缩到一小时，看起来提速很大。

但供应商表格里的单位仍然不统一，图片和参数冲突仍要人工确认；审核每天只处理固定数量，客服还要根据售后规则重写承诺。初稿一下多了，审核队列反而变长。为了赶进度，错误被带到后面，最后用返工补回来。

这个例子是为了说明测量方法，不是某家公司的实证案例。关键在于：一个工位快了，整条链路可能没快；上游产量增加，还可能把成本推给下游。

所以试点开始前，先把“完成”写到业务终点。商品文案生成不算完成，通过审核并能正常上架才算；销售方案生成不算完成，客户确认并进入下一步才算；代码写完不算完成，通过测试并稳定发布才算。终点不清楚，任何局部效率都能被包装成成果。

三张报表，回答的是三件不同的事

使用率不是完全没用。它适合回答第一件事：账号有没有闲置，员工是否碰到了登录、权限和培训障碍。

第二张报表看局部产出：起草一份材料用了多久，同样时间能处理多少件，人工修改了多少。这能发现 AI 在哪个工位有帮助。

第三张才是业务结果：从任务进入到最终交付用了多久，一次通过了多少，返工发生在哪，人工在哪些情况接手，下游排队有没有增加，总成本有没有真的下降。

三张表不能互相替代。使用率低，可能是工具难用，也可能是任务根本不适合；使用率高，可能是流程有效，也可能只是大家为了完成要求先打开一下。局部产出变多，也可能换来更多审核和返工。只有把三层放在一起，团队才知道问题出在采用、工位，还是整条业务链。

这里还有一个很现实的干扰：员工是否愿意如实暴露流程。

如果一个人把八小时的工作压到两小时，得到的只是六小时新任务，甚至担心岗位被取消，他很可能不会把最关键的经验完全交出来。表面上，他照常登录、生成、参加培训；真正交付时，仍用自己的旧办法兜底。此时使用率甚至很高，流程证据却是假的。

管理者不必先承诺一个永远不变的岗位，但至少要说清楚：节省出来的时间用来做什么，谁承担 AI 的错误，经验贡献怎么记录，哪些决定仍然由人负责。否则，报表测到的可能是服从，不是转型。

先算总成本，别只算模型替你省了几分钟

一条 AI 流程的成本，至少有五部分：工具费用、准备输入的时间、人工复核、错误返工，以及下游等待。只盯模型调用费和生成速度，最容易漏掉后三项。

还是商品上新的例子。AI 每次生成成本很低，不代表商品上新成本就低。如果运营要花半小时清洗供应商表，审核要逐项查参数，客服还要修正过度承诺，节省下来的时间只是换了一个部门承担。

更实用的做法，是挑十来个同类真实任务，先记录旧流程，再让 AI 流程跑同一口径。样本不必追求统计学上的宏大结论，它先服务于内部判断。每一件都记五个数字：端到端用时、参与人的总工时、第一次验收是否通过、返工次数、人工接手原因。

不能只挑最干净的材料。正常缺字段、临时改要求、口径冲突，本来就是工作的一部分。把这些拿掉，试点测到的是演示，不是生产。

扩大之前，过四道门

NIST 的 AI 风险管理框架把角色与责任、人工监督、持续测量与监控，以及部署、继续、暂停或退出的决策机制放进了同一套治理思路。它没有替任何企业规定一张统一的试点评分表，也不能证明某个业务一定适合 AI。落到日常管理里，我会把这些原则翻成四道扩展门。

第一道是结果门：端到端周期是否缩短，一次通过率是否至少没有明显变差。上游多产了多少，不单独算赢。

第二道是成本门：把复核、返工、培训、集成和等待都算进去，总成本是否改善。成本只是从运营挪到审核，不算改善。

第三道是责任门：谁能批准结果，谁能暂停流程，出错后怎样回退，是否已经写清。没人签字的“全自动”，只是把责任藏起来。

第四道是复用门：换一个同事、换一批正常材料，能不能按留下的说明跑出相近结果。只有原作者在旁边救场才能工作，它还是个人手艺，不是组织流程。

四道门都过，再增加账号、接更多数据或开放更多动作。少一道，就继续修那一段。这里的“暂停”不是宣布 AI 项目失败，而是保留一张能回头的牌：旧流程还能接住，问题还能定位，团队不用为了证明方向正确而硬着头皮扩大。

下一次复盘，只追问一条流程

下次再看到“本月活跃率 82%”，不用急着否定，也别急着庆祝。请负责人挑一条真实业务流程，从收到任务一直讲到完成交付：哪一步变快了，哪一步开始排队，错误在哪里被发现，谁最后签字，节省出来的时间去了哪里。

如果这五件事能说清，使用率才有上下文。如果说不清，再多账号也只是更多入口。

企业买 AI 账号并不难，难的是承认效率不是一张单独的数字。先把一条流程的账算明白，再决定下一批账号发给谁。这样慢一点，但至少知道钱花在了哪里。