AI 提效怎么算:一个真实案例的算法
老板问「上了 AI 到底提了多少效」,最常见的回答是「相当于省了几个人」。这个说法几乎一定会出问题:人没少,单量涨了,账就对不上;或者人少了,但剩下的人在返工 AI 的错,效率其实没变。提效要拿生产数据来量,量的是 AI 实际接走了多少活、接得怎么样。
先定口径:量产出,不量人头
我们给客户算提效只用一个口径:AI 处理完、并且被采用的量,按人工做同样的活要花多少时间来折算。它回答的是「这些活如果全由人来做,要多少工时」,而不是「裁掉了几个人」。两者差别很大——业务在涨的时候,提效的结果通常是同样的人接住了更多的单,人数一个没变。
所以对外我们只说「相当于多少小时的产出量」,并且每次都写明这是折算。
一个真实案例的数字
下面是我们接的一家跨境电商客户(数字截至 2026 年 8 月 18 日,从生产库直接统计):
- 在线聊天:累计 83,115 次对话全部由 AI 回复,客服没有在聊天窗里插过话。近 30 天 17,810 次对话、40,527 条客户提问。
- 邮件:AI 累计起草 99,269 封回信草稿,客服审核后实际发出 38,313 封,其中 6,395 封一个字没改就发了,31,918 封改过再发。
折算方法是:聊天按每条客户提问人工 3 分钟,近 30 天 40,527 条约 2,026 小时;邮件只算客服真正采用发出的草稿,按每封 5 分钟,折成 30 天约 1,260 小时。两项合计约 3,300 小时。
注意邮件这一项我们没用草稿总数。一封信可能被反复起草好几次,草稿数会把量撑大;只有客服最终采用发出的才算 AI 真正干了的活。
光有总量不够,还要看这三个比例
- 采用率:AI 做出来的东西有多少被用了。上面这个案例里,发出的 AI 草稿数约为草稿总数的四成;因为一封信可能被起草多次,按信算的真实采用率比这个高。采用率低,说明 AI 干了很多没人要的活,这部分不算提效,反而是成本。
- 原样通过率:采用的里面有多少一个字没改。案例里 38,313 封采用的草稿中 6,395 封原样发出。这个比例决定了人在审核上还要花多少时间——改过再发的那部分,人仍然要花时间改,折算时要心里有数。
- 改稿原因:人改了什么。这是最有用的一个数:哪类问题总要改,下一轮就改哪里,原样通过率才会往上走。我们每次调整线上规则,都拿真实历史数据回放比对,确认改了之后这一类真的少改了,才上线。
上线前先留一份基线
很多项目事后算不清提效,是因为上线前没留基线:原来每天处理多少单、平均每单多久、积压多少、多久回复。至少记下这四个数,上线后用同样的口径再量一次,前后一比就清楚,不用靠感觉。
提效算清楚了,结算也就清楚了
正因为能按处理完成的量算清楚,我们按这个量来收费:先免费出方案;接上你现有的系统跑真实业务两到四周,每一条 AI 处理记录你都看得到,先由你的人全审;试跑期跑出多少量、采用率和原样通过率多少,摆在桌面上再定单价,之后按月按处理完成的量付,随时可停。做不出量,我们也收不到钱。
怎么挑第一个适合提效的场景,见企业 AI 落地怎么做;效果起不来常见的原因,见AI Agent 落地效果差的五个原因。