适合读者：被老板问住过的企业技术负责人、正在准备 AI 立项材料的项目负责人、给客户做方案的技术服务方
去年有个客户来找我们评估项目，开场就说：“我们准备上 AI，预算批了，你帮我们看看方案。”
我问他：“老板问你’多久回本’的时候，你怎么答的？”
他愣了几秒，说：“我答的是技术方案多成熟、准确率多高……然后老板就没再问了。”
这不是他一个人的问题。80% 的 AI 项目立项失败，不是技术不行，是"账没算清"。 本文给一张可以直接套用的测算表——照着填，半天能给出老板要的那张表。
一、先破误区：AI 立项不是"采购申请"
很多团队把 AI 立项当成传统 IT 采购：写清楚买什么模型、多少算力、花多少钱——以为付了钱能力就来了。
真实情况是：AI 项目同时动成本结构和收益结构。成本端有按量计费的 Token、藏着的人工兜底；收益端省的是工时、错漏，还是新增收入——三种口径完全不一样。用采购的思维立项，老板问三个问题就露馅：
| 投多少钱 | 模型 API 一年 X 万 | 五项成本合计：Token+开发摊销+人工兜底+基建+维护 |
| 省多少钱 | 能替代 N 个岗位 | 省的是工时、错漏还是收入？算增量不算平移 |
| 多久回本 | （沉默） | 初始投入 ÷ 月净收益，给你月份数 |
二、核心：一张 ROI 测算表
公式只有一行
年净收益 =（年节省成本 + 年新增收益）- 年总成本
ROI = 年净收益 ÷ 年总成本
回本周期 = 初始投入 ÷ 月净收益
成本端五项，缺一项预算就漏一半
| Token/推理费 | API 调用，按量计费 | 按峰值算而不是按均量算 |
| 开发摊销 | RAG 管道、Agent 编排、评测体系 | AI 工程比传统开发更容易反复，占 30-40% |
| 人工兜底 | 介入率 × 处理量 × 人力 | 客服/审批类项目最常见漏项，介入率 20% = 1/5 单子还在吃人力 |
| 基础设施 | GPU 采购/租赁（私有化场景） | 只算硬件不算电力、机柜、折旧 |
| 持续维护 | Prompt 迭代、模型升级、评测集维护 | 上线后没人管 = 效果三个月衰变，每年约初始开发 15-30% |
收益端三个层次，别只会算"省人力"
| ① 工时节省 | 自动化替代的手工操作 | 每日节省工时 × 人力单价 × 工作日 |
| ② 错误成本下降 | 投诉、返工、赔偿、合规风险 | 历史事故率 × 单次事故成本 × 改善幅度 |
| ③ 收入提升 | 转化率、客单价、覆盖率 | 基线 × 提升幅度 × 客单价 × 单量 |
关键原则：算增量，不算平移。 把现有工作量平移给 AI 不算收益——省下来的工时真正转去做更有价值的事，才叫收益。这一条能让你的 ROI 数字从"好看"变"可信"。
三、三类典型项目的算账模板
模板 A：AI 客服（最标准，最好算）
| 人工日均处理量 | 200 单 | 基线 |
| 单次人工处理成本 | ¥8 | 人力摊销 |
| 自动化覆盖率 | 60% | 意图分级后 AI 可处理比例 |
| 单次 AI 处理成本 | ¥1.2 | Token + 兜底摊销 |
| 年节省 | 约 ¥29.8 万 | 200×60%×(8-1.2)×365 |
| 初始投入 | ¥15 万 | 3 人月开发 |
| 回本周期 | 约 6 个月 | 15 万 ÷ 每月省 2.5 万 |
模板 B：内容生产（文案/设计/视频）
| 月产出量 | 200 条 | 基线 |
| 原单条成本 | ¥120 | 外包/人力 |
| AI 辅助后单条成本 | ¥45 | Token + 人工精修 |
| 月节省 | ¥1.5 万 | 200×(120-45) |
| 月 Token 成本 | ¥0.6 万 | 实测 |
| 年净收益 | 约 ¥10.8 万 | (1.5-0.6)×12 |
| 最大坑 | 质量验收标准 | 没标准 = AI 产出堆成垃圾库存 |
模板 C：知识库问答 / RAG（最难算，换口径）
这类项目省的是"隐性工时"和"错漏风险"，别只算"员工查资料省了多少分钟"：
| 员工查资料时间 | 调研每人每天查内部资料 X 分钟 → 命中后省 50% |
| 新人上手成本 | 培训周期缩短天数 × 培训人日成本 |
| 错误/合规风险 | 历史"查不到最新政策"导致的违规 × 单次成本 |
| 知识流失 | 老员工离职带走的知识（定性为主） |
话术要点：RAG 项目要算"减少了几次因为信息不全导致的决策失误"，而不是"省了查资料时间"——后者才是老板听得进去的账。
四、立项前三个非财务检查（比 ROI 更重要）
ROI 只是第一关。我们见过太多 ROI 很漂亮、上线照样翻车的项目，差在下面三件事：
① 数据就绪度（最多项目死在这里）
| 数据有没有？ | 散在各系统，导出靠手工 |
| 干净吗？ | 缺失重复格式乱，清洗要 2 个月 |
| 能出域吗？ | 客户数据不能出内网 → 必须私有化 → 成本翻倍 |
| 还在增长吗？ | 历史太少，评测集都建不起来 |
规则：数据就绪度不过关，ROI 表上的数字全部作废。 先花 2 周做数据盘点再立项。
② 组织接受度
- AI 替代谁的工作？被替代岗位怎么安置？
- 是老板压着上，还是业务自己提需求？——后者成功率高一倍
- 有没有业务方负责人愿意为上线效果背 KPI？
AI 项目是跨部门工程，没有业务方背 KPI 的项目，上线后没人管，三个月衰变。
③ 护城河
用公开 API 调现成模型，人人都会。你的项目有没有形成别人拿不走的资产：私有数据、领域流程沉淀、评测体系？没有护城河的 AI 项目，第一年有竞争力，第三年就是标配——立项时就要想清楚"三年后这个能力凭什么还是我们的"。
五、决策矩阵：做 / 缓做 / 不做
| A | 高（回本 <12 个月） | 就绪 | ✅ 做——但先 PoC 验证关键假设 |
| B | 高 | 不成熟 | ⏸️ 缓做——先花 4-6 周补数据和流程 |
| C | 低但为正 | 就绪 | 🔎 小步试点——选单点场景验证 |
| D | 负 | 任意 | ❌ 不做——除非有明确战略叙事（当学费/攒数据/赌成本曲线下行） |
立项通过也只是开始，ROI 表上的数字要靠分阶段验证兑现：PoC（2-4 周）→ Pilot（1-2 月）→ Scale（3-6 月），每阶段结束用"估算 vs 实际"对表，偏差超 30% 就停下来找原因。
回到开头那位客户。如果他当时拿出这张表：五项成本列全、收益按三个层次算、回本周期给到 6 个月、再答完三个非财务检查——老板问的三个问题，一个都接得住。
AI 项目的价值是跑出来的，不是算出来的；但算账决定值不值得跑。 这张表是我们团队做 AI 落地交付时的标准开场——从 ROI 测算与立项评估、数据就绪度盘点，到 RAG/Agent 系统交付和上线后的效果评估，一整条链路。
如果这个系列对你有用，关注我——接下来继续拆决策层的话题：供应商评估的六个问题清单、AI 项目交付后为什么上不了线（验收→生产的三个断层）、效果评估的评测集怎么建。
相关阅读：
- AI 项目上线后怎么评估：从 Demo 指标到业务指标的度量体系 — 三层指标与 ROI 模板：离线评测、线上指标、业务价值
- 企业私有知识库 RAG 落地实战 — 知识库类项目的切分策略、混合检索与成本估算
