企业 AI ROI 不是一个数字，而是一条可审计的证据链

企业 AI 项目进入投资委员会前，先把论证压缩成一页备忘录。委员会不必先看功能清单，而应先要求项目回答四个问题。

投资委员会四问	备忘录必须显示的最低证据	对应决定
可归因收益落在哪个区间？	保守、基准与上行收益，基线、干预、行动、结果及主要替代解释	价值是否足以继续举证
完整成本分母是多少？	建设、运行、人工复核、治理、事故、共享底座分摊与退出成本	投入是否被低估
观察期与回收期多长？	基线窗口、流程稳定期、现金流时点及企业愿意等待的期限	何时重新表决
什么条件触发停止？	最大累计投入、最晚证据日、质量与合规红线、回收期边界	继续、调整、缩小或停止

这四问把 ROI 从宣传数字还原为投资纪律。核心问题不是 AI 能否算出一个百分比，而是企业有没有保存从能力投入到业务变化的证据，并能在证据不足时作出不继续的决定。

一页投资备忘录怎样形成可表决证据

备忘录以一个决定和一个业务对象为单位，由业务负责人、财务伙伴与技术负责人共同维护。它不按项目阶段罗列活动，而是把收益、成本、时间和停止条件放在同一个观察窗口中。

**收益归因区间。**基线期发生了什么，干预改变了哪种行为，实际动作与结果如何连接？备忘录分别列出保守、基准和上行收益，标记替代解释、归因置信度和不可货币化的运营证据。预算决定优先参考保守区间，而不是选择最有利的点。

**完整成本分母。**初始成本包括业务诊断、数据整理、系统连接、知识与规则梳理、开发、测试、安全审查、流程改造和培训；持续成本包括模型或接口使用、基础设施、人工复核、监控、审计、维护、事故处理、供应商替换与退出。共享底座成本按事先约定的因果驱动分摊，不能只把可见的软件费用放进分母。

同一观察窗口内，分别用保守与基准的可归因收益减去完整成本，再除以同一个完整成本分母，形成 ROI 区间；回收期则单独用实际净现金流计算。把机会收益用于 ROI 上界、却用已支付成本计算单一点值，会让区间失去决策意义。

**观察期与回收期。**观察期要覆盖流程稳定、人员采用和结果显现，而不只是上线后的早期活跃；同时保留足够基线窗口，控制季节和业务结构变化。回收期从实际净现金流累计转正计算，未兑现的机会收益单独展示。若价值需要很久才出现，财务负责人应明确愿意承担的等待期，而不是无限延长观察。

**停止阈值。**项目开始前就约定最大累计投入、最晚证据日期、可接受的回收期边界，以及质量、合规或运行成本的不可突破条件。到期仍没有形成最低证据，或完整成本持续超过可接受上限时，默认选择暂停、缩小或停止；继续投入需要新的业务假设和批准，不能仅以“再积累一点数据”自动续期。

**责任与复盘。**业务负责人解释流程和结果，财务伙伴确认收益区间、成本与现金时点，技术负责人解释质量和运行负担，风险角色审查事故与权限。备忘录最终只给出四类决定：继续、调整、缩小、停止，并列明下一次决定前必须补齐的证据。

为什么最容易统计的数字往往最会误导

调用量、活跃用户和生成速度能说明系统被使用，却不能说明使用是必要的、正确的或产生了行动。一个合同助手生成了大量摘要，如果法务仍需从头核对全部条款，活动增加不代表审查成本下降。客服回复变快，如果升级错误和重复联系同步增加，局部效率可能转化为下游负担。

“节省工时”同样容易失真。把单次任务原来需要的时间减去现在的时间，再乘使用次数，隐含了三个假设：所有节省都来自 AI；释放的时间被用于有价值工作；质量和风险没有变化。现实中，流程可能同时改了规则、换了数据源或调整了人员。若没有对照基线和实际资源变化，工时只能作为过程证据，不能直接记成现金收益。

另一方面，强迫所有项目立即用收入衡量，也会排斥基础但必要的建设。例如统一客户身份、整理合同知识、建立权限与审计，短期未必产生可归因收入，却决定后续应用能否可信运行。管理者真正需要的是区分不同证据成熟度，而不是把不可直接货币化误判为没有价值。

三层证据账本：把价值放在正确层级

可以用“三层证据账本”记录 AI 投资，每一层回答不同问题，并设置不同的证明门槛。

**第一层是经济结果账。**它记录可观察的收入、毛利、损失避免、库存占用、外部采购或实际人力成本变化。只有当干预与结果之间有清晰路径，且能合理排除主要替代解释时，才进入这一层。账目必须写清观察期、口径、归因比例和置信程度，不能把全部结果都归给 AI。

经济结果不宜只报一个点估计，而应给出保守、基准与上行三种收益归因区间。保守值只纳入已兑现且因果链较强的部分；基准值纳入有运营证据支持、但仍受外部因素影响的部分；上行值可以表达机会，却不能进入承诺预算。区间要公开关键假设与重复计算检查，同一笔收益不能同时记在节省工时、成本避免和收入提升中。

**第二层是运营变化账。**它记录一个业务对象在流程中的状态改善，例如订单异常从发现到处置的时间、合同例外的往返次数、工单一次解决率、预测偏差和人工返工。这里的单位应是订单、合同、设备、客户请求等真实对象，而不是模型会话。运营指标能更早暴露价值，也能定位价值为何没有传到财务结果。

**第三层是决策能力账。**它记录组织是否获得了过去缺失的能力：关键证据能否在决策窗口内取得，跨部门是否使用同一对象与口径，建议是否带有来源和不确定性，责任人能否批准、覆盖与复盘。它也包括信任、采用和可控性，但这些必须通过行为观察证明，例如建议被采纳或覆盖的原因，而不是泛泛的满意度。

三层不是从低到高的宣传漏斗。决策能力改善应推动运营变化，运营变化才可能积累为经济结果；若链条在某层断开，项目团队应解释断点，而不是跨层跳跃。例如知识检索速度提升但合同周期未变，可能是检索并非瓶颈，也可能是结果没有进入审批流程。

BIAO 结果归因链：从基线到结果逐环留证

为了让账本可核验，可以为每个场景建立 BIAO 归因链：Baseline（基线）、Intervention（干预）、Action（行动）、Outcome（结果）。

基线描述现有流程，而不是理想流程。输入包括历史周期、错误、人工步骤、成本、质量与例外样本；输出是一段可重复测量的起点。干预要具体到 AI 改变了哪一步，例如聚合证据、生成候选方案或自动写回草稿，而不是笼统写“上线智能助手”。行动记录业务人员实际做了什么，包括采纳、修改、拒绝和升级。结果则在预先约定的时间窗观察对象状态与经营影响。

BIAO 还应附一栏“替代解释”：同期是否调整价格、人员、流程规则或供应商？需求结构是否变化？结果是否只是季节波动？这不是为了否定项目，而是让预算决策知道证据有多强。能做分阶段上线、历史对照或相似组比较时应尽量使用；不适合实验的高风险流程，则应采用前后对比、专家复核与事件审计，并明确推断边界。

ROI 评估本身也有失败模式

最常见的是“选择性归因”：把正向变化都算给 AI，把返工、人工复核、集成、变更管理和退出成本留在账外。另一个常见错误是只计算账面工时，不确认人员、采购或现金流是否真的变化；没有兑现的容量只能作为运营证据，不能自动记成利润。

第二种是“代理指标占位”。当活跃度、回复速度或满意度长期没有连接到对象状态和业务结果，它们就不应继续代替价值。第三种是“只奖励可量化项目”，导致团队回避知识治理、安全和基础连接；正确做法是承认证据层级，而非虚构金额。第四种是“追求归因纯度而延误决策”，在可逆、低风险场景中，方向性证据可能足以支持小步扩展，不必等待完美实验。

ROI 的最后一问是继续投入还是停止

企业 AI 的价值既不能靠口号证明，也不总能被压缩为一个即时财务数字。但 ROI 仍必须回到投资纪律：在完整成本下，保守收益区间是否足以支持继续投入，价值能否在可接受回收期内兑现，关键质量与风险边界是否守住。

如果答案暂时是否定的，停止或缩小并不代表技术失败，而是资本被重新放回更有证据的机会。真正可靠的 ROI 口径，不负责把每个项目解释成成功；它负责让管理者在证据不足时也能及时作出不继续的决定。

Luminent 会在企业 AI 转型路线中预先写明价值假设、归因区间、完整成本分母与停止条件，让每次投入评审都能回到同一条可审计证据链。