先说结论：账算不出来，是口径问题
先把结论说清楚：AI 项目算不出 ROI，绝大多数不是收益不存在，而是从立项那天起，收益就没有被写成财务口径——没有基线、没有归属规则、没有换算方法。验收标准如果等到试点结束才谈，账一定算不出来。
三个数字放在一起看，就能确认问题不在技术：麦肯锡 2026 年全球 AI 调查（97 个国家、1,719 位受访者）里，80% 的员工说自己用 AI 后生产力提升了，但只有 37% 的企业报告 AI 对息税前利润（EBIT）有正向贡献，达到「高绩效」（AI 贡献 ≥5% 的 EBIT）的只有 6%；IBM 商业价值研究院对 2,500 多位高管的独立调研给出企业 AI 平均 ROI 5.9%，低于多数企业自己设定的约 10% 资本成本线；Forrester 对已投产智能体的根因分析中，12 个月后 ROI 为负的部署有 41% 归因于「成功标准从来没有定义清楚」。
个人效率是真的，企业账上没有钱也是真的。两者之间隔着的不是模型能力，是一套财务语言。这篇给的就是这套语言：四类收益口径、一次时间换算、一份基线、三段验收付款。
七组数字放在一起：为什么不矛盾
关于 AI 回报，公开数字之间经常互相打架。把它们连口径一起摆出来看，矛盾就消失了：
| 数字 | 来源 | 口径边界 |
|---|---|---|
| 每投入 1 美元平均回报 3.7 美元；到达生产规模的智能体平均 ROI 171% | IDC（微软委托） | 厂商赞助研究，且只统计「已到达生产」的样本——天然筛掉了失败项目 |
| 企业 AI 平均 ROI 5.9%，约 25% 项目达到预期回报 | IBM 商业价值研究院（2,500+ 高管，独立调研） | 全样本平均，包含停在试点、被取消的项目，与上一条不可直接比较 |
| 80% 员工称个人生产力提升；37% 企业报告 EBIT 正向贡献；6% 达到高绩效 | 麦肯锡《The state of AI in 2026》（97 国、1,719 位，2026 年 5-6 月调研） | 自报口径，「EBIT 贡献」由受访者主观判断，不是财务报表取数 |
| 74% 高绩效企业根本性重构工作流；其他企业约 25% | 麦肯锡同上 | 相关关系，不是因果证明；但差距稳定出现两年 |
| 仅 28% 用例完全成功并达到 ROI 预期 | Gartner 2026 年 4 月调查（782 位基础设施与运维负责人） | 基础设施视角样本，偏 IT 侧，不含业务侧自建的小工具 |
| 41% 负 ROI 归因成功标准不清 / 33% 工具与数据访问不足 / 26% 评估覆盖漂移 | Forrester 根因分析（媒体一致转述口径） | 只针对已投产的智能体部署，样本是「跑了 12 个月还亏」的那一批 |
| 26% 企业能从概念验证走到可衡量价值 | BCG AI Radar 2026（2,360 位高管） | 「可衡量价值」定义宽窄不一，看趋势 |
结论只有一句：看到「回报几倍」这种倍数，先问分母是谁。厂商赞助研究的分母是「成功上岸的企业」，独立调研的分母是「所有启动过项目的企业」，两者能差出一个数量级，谁都没造假。
对你做决策有用的只有一件事：你自己这个项目的分母是什么——投进去多少钱、换回哪一笔可核对的钱、多久回本。这笔账只能自己算，任何行业报告都替不了。
四类账：哪一笔能进财务报表
把「AI 带来的好处」按能不能入账分成四类，这是整套方法的地基。搞混类别，是 ROI 争论最常见的起点：
| 收益类型 | 典型表述 | 能否进财务报表 | 需要什么取证 | 最常见的误算 |
|---|---|---|---|---|
| ① 成本替代 | 原来 3 个外包岗做的活，现在 1 个人加系统 | 能，直接减少支出，是唯一可以跟财务直接对账的一类 | 岗位数 × 现行工资或外包合同价，附工资表、采购单、外包结算单 | 假设「省下的人」能立刻裁掉。麦肯锡 2026 年调查里，2025 年预测 32% 的企业会因 AI 减员，2026 年实际只有 14%——省下的人头往往被转去做别的活 |
| ② 效率增益 | 单份合同审核从半天缩短到 1 小时 | 半能，要先换算成产能或单位成本才能入账 | 单位工时 × 真实增量业务量 × 单价，三个因子缺一不可 | 把省下的工时直接乘以人工时价折成钱，等于假设「所有省下的时间都能卖掉」 |
| ③ 收入增量 | 问数上线后销售多签了几单 | 只有能归因时才算，需要同期对照 | 对照期或对照组数据 + 事先约定的归因规则 | 把整体业绩增长归功给新工具，忽略市场、季节、人员变动 |
| ④ 损失规避 | 减少人工漏检、避免合规罚款 | 通常不能，只能记「避免损失」，不进利润表 | 历史事故率 × 单次损失金额，且有可比的处置记录 | 把「可能发生的罚款」当成已实现收益写进 ROI，评审一戳就破 |
一句实操建议：立项文件里，第一类账至少要占到收益的一半。如果整个项目只能写出第二类和第四类收益，那它更适合作为「体验改善」或「能力建设」立项，用另外的预算科目，不要硬套 ROI——硬套的结果就是半年后被财务打回，项目跟着停。
「省下的时间」怎么换成钱：三个前提
第二类收益最容易虚高，因为它看起来最好算。实际上「省下的时间」要变成钱，必须同时满足三个前提，缺一个就归零：
| 前提 | 要回答的问题 | 不成立时怎么办 |
|---|---|---|
| ① 时间被重新投入 | 省下的时间，有没有明确安排去做别的事？还是变成了更多的会议和刷手机 | 在试点方案里直接写明「省下的 2 小时/天用于哪项具体工作」，没有去向就按零计算 |
| ② 投入后产出有增量 | 新投入的工作本身有活可干吗？还是部门产能本来就过剩 | 产能过剩的岗位，效率提升只能转化为「减人」或不加班，写不出增量就归零 |
| ③ 增量有买方 | 多出来的产出能卖出去、能减少外包支出、能减少加班费吗 | 卖不出去又没有成本减少的，记「能力储备」，不计入 ROI |
这三个前提背后是同一件事：AI 提升的是单位时间产出，不是企业利润；利润要靠流程改动把它「接」出来。麦肯锡 2026 年的数据正好是这条的注脚——74% 的高绩效企业围绕 AI 根本性重构了工作流，其他企业只有约 25%。工具装完、流程不动，省下的时间沉在组织里变成松弛，报表上一分钱也不会多。
所以务实的做法是：先写下要改哪三条流程，再谈买什么模型。流程改动的清单，比选型清单更该出现在立项会上。
基线怎么取：三件套、观察窗、签字人
没有基线的 ROI 都是估算。行业里有个被反复引用的判断：大量企业证明不了 AI 的回报，是因为部署前从未建立基线。基线取法只有三件套，加上两个容易被忽略的条件：
| 基线项 | 怎么取 | 样本要求 | 谁签字 |
|---|---|---|---|
| 现状单位工时 | 实测而非估计：跟单记录或系统日志，取同一类业务的实际耗时 | ≥30 个样本，覆盖忙季与淡季，否则均值不可用 | 业务负责人 |
| 现状错误率 / 返工率 | 抽最近 100 份同类历史件人工复核 | 同类型、同复杂度，不能混不同场景 | 质量或业务主管 |
| 现状单位成本 | 财务口径：人工 + 外包 + 系统摊销，与年度预算同口径 | 与财务预算表对齐，能追溯到科目 | 财务（这一项没财务签字的项目，后面几乎都要吵） |
| 观察窗 | 至少跨 4 周，含一次月度结算或月末结账 | 太短的窗口会把偶然波动当成效果 | 项目负责人 |
| 基线有效期 | 写明基线数据的采集日期区间；业务变化超过约定幅度需重取 | — | 双方 |
补一句：基线不是一次性动作。Forrester 的调查显示，只有约 38% 的生产环境智能体在每次提示词或模型变更时都会跑自动化评测——而模型和提示词一旦变更，原有基线就作废了。所以基线报告里要顺带写明「变更重测」的触发条件和责任人，否则第三个月的数据就没有可比性。
验收与付款怎么挂：三段式
把上面的东西落到合同里，就是三段式。关键不在于分几段，而在于目标值必须在第一段之前写进合同——这正是 41% 负 ROI 那一类项目踩空的地方：先做、做完再谈怎么算成功。
| 阶段 | 交付物 | 验收标准 | 付款 |
|---|---|---|---|
| ① 基线确认 1-2 周 | 基线报告：三件套 + 取样说明 + 双方签字页 | 双方对「现状数字」无异议；目标值与归因规则同时写入合同附件 | 10%-20% |
| ② 试点验收 4-8 周 | 试点结果 + 对照数据 + 口径说明 + 遗留问题清单 | 达到合同约定的目标值，且在约定周期内稳定不回落（不是单点跑通） | 40%-50% |
| ③ 规模化与运维 3-12 个月 | 月度复算表 + 偏离说明 + 权限与审计配置说明 | 指标不回落、口径不变；使用率不低于约定下限 | 尾款 + 运维费 |
顺带提一个正在变化的采购判断：麦肯锡 2026 年调查里，32% 的企业曾放弃采购某个现成软件功能，改用 AI 编程工具自建（科技行业 41%，高绩效企业 49%）。自建确实可能更贴合流程，但比较口径必须是三年总成本——含后续维护、权限与集成、以及变更时谁来改。这一点和我们谈 AI 项目报价时的经验一致：看起来便宜的自建，成本常常落在第三年的维护上。
什么情况下该停手：四条退出标准
会算账的另一半是会停手。以下四条任一条成立，就该在试点中期停下来，而不是等 12 个月后被发现是负 ROI：
| 停手信号 | 判断依据 | 正确动作 |
|---|---|---|
| ① 基线取不出来 | 数据拿不到、字段缺失、各部门定义不一致，取样两周仍无法对齐 | 暂停项目，先做指标口径统一与数据治理；治理本身也可以立项，但别混在 AI 项目里算 ROI |
| ② 收益只能写成「效率提升」 | 写不出单位成本、产能、返工率中的任何一项变化 | 降级为体验改善类项目，换预算科目，不按 ROI 考核 |
| ③ 流程不改，只装工具 | 立项文件里没有流程改动清单，或改动负责人写不出来 | 先改流程再上工具；顺序反了，工具就变成又一个没人用的系统 |
| ④ 只考核用量，不考核产出 | 汇报口径是活跃用户数、调用次数、token 消耗，而不是业务结果 | 补上产出指标；用量指标只能作为过程监控，不能当成绩 |
第④条不是假想。据 The Information 等媒体 2026 年报道，某出行平台给工程师开放 AI 编程工具后，使用者比例在两个月内从 32% 升到 84%，个人月度成本从 150-250 美元到重度使用者 500-2000 美元不等，全年 AI 编码预算在 4 月就用完；其 CTO 公开承认预算假设需要重做，公司随后给每人每月设了 1,500 美元的上限。管理层的原话是：用量与对外产品创新之间的那条线，「目前还画不出来」。
这个案例的价值不在花钱多，而在它把「用量」当成了「成效」。用量涨得越漂亮，越需要问一句：对应的产出指标动了没有。
一页自查表：立项前过九道关
把这套方法压成一页，立项会上逐条过。任何一条打不了勾，就不要进入采购流程：
| # | 检查项 | 通过标准 |
|---|---|---|
| 1 | 有一个具体的财务科目会变 | 能说出科目名（人工成本、外包费、返工损失、产能），而不是「效率」 |
| 2 | 四类账分清了 | 第一类（成本替代）占收益一半以上，第四类（损失规避）不计入 ROI |
| 3 | 基线三件套齐 | 单位工时、错误率、单位成本都有实测数据与样本量 |
| 4 | 基线有财务签字 | 成本项与年度预算同口径，能追溯到科目 |
| 5 | 目标值先进合同 | 目标值、归因规则、观察期在试点开始前写入合同附件 |
| 6 | 时间换算三前提成立 | 省下的时间有明确去向，且去向有产出、产出有买方 |
| 7 | 流程改动清单已列 | 至少 3 条要改的流程，每条有负责人和完成时间 |
| 8 | 使用率有下限 | 目标岗位的周活跃使用率约定值（低于阈值触发复盘，而不是等到年底） |
| 9 | 退出条款与责任人 | 四条停手标准写进合同；系统有具名责任人，出问题找得到人 |
这九条不复杂，但能把「AI 项目」从一场关于模型能力的讨论，拉回到一笔关于企业账目的讨论。对供应商来说，敢接受这九条的甲方才是好甲方；对甲方来说，敢接受这三段付款的供应商才值得谈。
微信内识别二维码分享此文
