> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-er-bu-fen-zhan-le-yu-pan-duan-pian/12roi-zhen-shi-suan-fa-yu-xian-jing.md).
# 第 12 章 · ROI 的真实算法与陷阱
几乎每个 AI 立项报告里都有一个漂亮的 ROI 数字。问题是，大多数这样的数字是假的——不是有人故意造假，而是算法本身藏着几个反复出现的陷阱。看懂这些陷阱，再给出一套更诚实的算法，是这一章要做的事。
第一个陷阱，口径。最常见的手法，是把"成本规避"当成"砍掉的现金"来算。Klarna 的 AI 客服上线第一个月就处理了两百多万次对话，相当于约七百名全职客服，公司估算这一年能带来约四千万美元的利润改善。\[1] 这个四千万，是"少招了一批人"的口径，发生在业务高速增长期，并不是从既有开支里砍掉的真金白银。用它去算 ROI，会系统性地高估。更值得记住的是后来：到了 2025 年，Klarna 又回头重新招聘人工客服，CEO 承认一味按成本逻辑推进，把服务质量做低了。\[2] 短期漂亮的数字，一两年后以质量代价的形式还了回来。
第二个陷阱，只算分子不算分母。收益那一栏写得很足，投入那一栏却只写了软件采购费。真实的分母远不止于此：按用量计费的模型和算力成本、数据治理的投入、人来核对的人力、上线后的维护和迭代，以及那些失败的尝试。General Mills 用 AI 优化每日五千多批次发货的调度，自 2024 财年起累计节省超过两千万美元，这是个务实的例子——场景窄、绑在"运输成本"这个能审计的财务科目上。\[3] 但即便这样的正面案例，公开披露里也很少给出投入端的数字，算 ROI 时这一栏常常是空的。分母不写全，分子再大也没意义。
第三个陷阱，用短期效率指标掩盖滞后代价。响应时长、自动化率这类指标，上线当天就很好看；而质量、客户信任的损耗，要过一两年才显形。只盯前者，等于把账算在了代价出现之前。
据此，一套更诚实的算法是这样的。分子要分口径：现金成本的真实下降是硬的，成本规避要打折，增收入更软、需要认真归因，三者不能混在一起当成一个数。分母要算全：一次性投入加上持续成本，把模型、算力、数据、人核、维护、失败尝试都放进去。再加一个滞后项：除了效率指标，盯住质量与信任的滞后变化，别让短期好看盖住长期代价。
但更深一层的问题是：AI 的价值，本质上就难以精确计量。数字化产出的是"流程效率"，线性、可量化；AI 产出的却是"判断质量"，而判断的价值是非线性、滞后、尾部的——一次关键判断的对错，可能抵得过一万次常规操作。对这类以判断为核心的 AI，与其追求一个假装精确的 ROI，不如换一种管理方式：一手管"下行风险"——这件事最坏能坏到什么程度、担不担得起；一手看"期权价值"——它打开了哪些原本没有的可能。前者防止灾难，后者容纳那些一时算不清、却可能改变格局的机会。
把这些合起来，务实 ROI 的样子就清楚了：场景窄、绑在既有的财务科目上、口径说得清、可以累计审计——General Mills 那种；而不是口径含糊、叙事宏大的 Klarna 那种。这不是说不该算 ROI，而是别用假精确的数字自欺，也别因为"算不清"就不做——有些价值，本就该用期权的思维去容纳，而不是用一个小数点后两位的回报率去框住。
## 要点速查
* 三个 ROI 陷阱：口径（把成本规避当砍掉的现金）、只算分子不算分母（漏掉算力/数据/人核/维护/失败）、短期指标掩盖滞后代价。
* 诚实算法：分子分口径（现金下降硬 / 成本规避打折 / 增收入需归因）；分母算全（一次性+持续）；加质量与信任的滞后项。
* 为什么本质难算（Q4）：AI 产出"判断质量"，价值非线性、滞后、尾部；对判断类 AI，管"下行风险"+看"期权价值"，别追假精确 ROI。
* 务实 ROI 的样子：场景窄、绑既有财务科目、口径清、可审计（General Mills），而非口径含糊的宏大叙事（Klarna）。
## 给管理者的三步
* 现在：把手上每个 AI 项目的 ROI 拆开，标清分子的口径、补全分母的持续成本；口径说不清的数字，先别拿去汇报。
* 三个月：给自动化率、时长这类效率指标，配上一个质量或信任的滞后指标一起追。
* 一年：对判断类、造新能力类的投入，改用"下行风险 + 期权价值"来评估，而不是硬套一个回报率。
## 来源
1. Klarna 官方新闻稿：
2. CX Dive《Klarna credits AI for slashing customer service costs》：
3. CIO Dive《General Mills attributes millions in cost savings to AI》：
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-er-bu-fen-zhan-le-yu-pan-duan-pian/12roi-zhen-shi-suan-fa-yu-xian-jing.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.