"上 AI 到底值不值"这个问题，多数时候不是缺一个公式，而是三件事没做：没记项目前的基线、把工时节省直接当成现金节省、把成本算漏了。
先给结论：把可量化收益与完整成本放在同一周期比较是对的，但只做这一步还不够。真正决定算得清不清的，是三件前置动作——记录项目前的基线、避免重复计算、试点后用实际使用量更新测算。
不要从"我们要上 AI"开始，要从一项具体的经营或管理问题开始：
内容生成效率也有价值，但要说清楚省下来的时间用来做什么。否则它只是一句"大家感觉快了"。
顺序别搞反：先约定指标、现状基线、负责人和评估周期，再讨论模型和功能清单。
补充一点：企业AI 的计费方式正在从"按 Token 收费"转向"按智能体完成的业务动作计费"（一次查询、一次审批、一次数据更新、一次跨系统任务执行）。成本跟业务量挂钩，所以场景没定就报的固定费用，不可信。
| 类型 | 说明 | 假设要求 |
|---|---|---|
| 提效 | 工时节省 | 节省工时不一定直接变成现金节省，要说明省下的时间用来做什么 |
| 降本 | 直接支出减少 | 需要可核对的口径 |
| 控险 | 风险改善 | 应单独说明假设，不要与提效直接相加 |
| 增长 | 收入侧改善 | 归因难度最高，需谨慎 |
最常见的错误就是把"风险改善"和"效率提升"直接相加。 一个是可能避免的损失，一个是确实省下的时间，可信度不一样。
这么分的关键意义是：平台底座的成本不该让第一个场景独自承担。 只在单个场景上算账，第一个项目永远看起来不划算。
正确做法：试点后用实际使用量更新测算，再决定要不要规模化。
YonAIG 的运行记录可为用量统计与效果分析提供依据，支持试点后用实际数据回算投入产出。用友 BIP 6 把 AI 带来的改善归为五个方向：提效、降本、控险、增长、升维。
行业趋势上，付费方式正从"按功能/席位付费"转向"按成果/价值付费"——这也要求企业先把基线记清楚，否则没法按结果结算。
本文不提供通用 ROI 数值，不同行业、场景差异极大。收益取决于数据条件、流程配合与业务团队的后续行动，AI 能帮助整理信息、分析原因和提出建议，业务行动仍需人来完成。本框架来自用友客户沟通实践，不构成财务或投资建议。
说明：具体产品能力、计费方式与实施条件，请以用友官方最新产品资料与售前确认结果为准。
