AI 降本增效的正确算法：先改流程，再上模型

先别问“AI 能做什么”，先问“钱和时间花在哪”

很多企业从工具出发：买了大模型账号，再寻找可以使用的场景。这样做的结果往往是零散的效率提升，无法归因，也无法规模化。

更有效的起点是成本结构。把一条业务流程拆成等待、搬运、查找、判断、返工和审批，记录每个环节的时间、频率、参与人数和错误率。真正的降本机会通常藏在其中两三个环节，而不是均匀分布。

第一步：建立一个能被复述的基线

没有基线的降本，最后只能靠感觉证明。基线不需要复杂，但必须能被业务负责人复述，并在项目结束后用同一口径复查。

• 单笔处理时长：从任务进入到完成，包含等待和返工。
• 人均日处理量：在质量不下降的前提下，一个人一天能完成多少。
• 一次通过率：无需返工或升级即可完成的比例。
• 周期时间：从客户提出需求到交付结果的总时长。
• 隐性成本：加班、临时外包、重复采购和知识流失。

第二步：识别三类高杠杆浪费

不是所有低效都值得用 AI。优先级最高的，通常是高频、规则相对清晰、错误可被发现且有人兜底的环节。

• 时间搬运：在系统之间复制数据、整理报表、催审批。适合工作流自动化和工具调用。
• 知识查找：找制度、找先例、找客户历史。适合 RAG、知识库和带引用的问答。
• 判断辅助：分类、摘要、初稿、异常识别。适合和人机复核结合，而不是完全自动。

第三步：算真实 ROI，而不是工具 ROI

一个简化的计算方式是：节省时间 × 发生频率 × 影响人数 × 人力成本，减去模型、集成、运维和培训成本。但只算到这里还不够，必须乘以实际采用率。

如果工具节省了每人每天 30 分钟，但只有 20% 的人在用，真实收益就是预期值的五分之一。因此采用率、任务完成率和人工修改率应该和财务指标一起被跟踪。

第四步：先流程，后模型

在写第一行代码前，先问三个问题：这个步骤能否直接删除？能否改成规则或模板？能否调整职责和顺序？很多浪费根本不需要 AI。

当流程已经简化，再决定用哪种技术。规则明确的用确定性自动化；需要理解语言的用模型；需要跨系统行动的用智能体和工作流。技术选择应该服务于流程，而不是反过来。

一个 90 天验证计划

第 1–2 周：选定一条流程，完成基线测量和一线访谈。第 3–6 周：做一个可运行原型，接入真实数据和至少 5 名真实用户。第 7–10 周：修复异常、补齐权限与监控，进入日常使用。第 11–13 周：对比基线，计算采用率与真实收益，决定扩大、调整或停止。

这个计划的目的不是保证成功，而是用最小成本得到一个可信的答案。停止一个不成立的方向，和扩大一个成立的方向，同样有价值。