- 企业能用数字衡量的 AI 效益有 7 项，都来自日常工作。
- 每一项都需要从现有系统中取出的基线，用来和上线后的数字比较。
- 每一项都有不见效的条件。
- 省下的工时只有在有人把它用起来时，才会变成成本下降。
企业应用 AI 的效益，从上线前取的数字开始
管理层问 AI 能做什么时，得到的回答往往很宽泛：更快、更准、更省。在弄清楚这项工作现在要花多少时间、多久出错一次、卡在哪里之前，这些说法都无法验证。这组数字称为基线。
下面 7 项逐一说明在哪类工作中见效、衡量指标和取基线的方法，以及什么情况下不见效。把时间换算成金额的公式，见您的企业每月在人工作业上花掉多少钱？在泰国经营的中资和华资企业，这 7 项往往发生在泰文单据和 LINE 官方账号上的客户咨询之中。
1. 文件从收件到录入系统更快
见效最快的是数量多、格式相似、需要重新录入系统的文件，例如供应商发票。AI 用 OCR 读取泰文文件，与采购订单核对，只把不一致的转给人处理。
指标有两个。处理周期指从文件到达到录入完成的时间，包括等待。人工处理时间指人实际处理每份文件的时间。处理周期的基线可以从邮件到达时间和 ERP 录入时间中取得。人工处理时间要用秒表，在约 30 份真实文件上测量。
不见效的情况是时间大多花在等审批人上。人工处理时间下降了，处理周期却几乎不动。扫描不清楚的文件也会堆在异常队列（Exception Queue）里。
2. 客户得到更快的答复，各个渠道答案一致
见效的场景是客户通过 LINE 官方账号、网站或邮件反复问同样的问题，而答案在文件或系统里，例如订单状态、保修条款。AI 回答能答的问题，超出范围的则附上摘要转给员工。
指标包括首次回复时间（中位数和 P90）、无需转人工即完结的比例，以及抽查中主管需要修改的回答比例。基线从过去的聊天记录中取，并按时段拆分，因为非工作时间的问题通常等得最久。
不见效的情况：大多数问题需要判断，例如议价；或者 AI 依据的文件无人维护。
3. 结账后报表更早完成
管理报告的大量时间花在从多个系统把数据搬进 Excel 上。AI 汇总数据，起草数字变化的说明，并标出异常项供人核查。
指标是从结账日到报表送达管理层的工作日数，以及手工复制粘贴的步骤数。基线取自最近 3 至 6 期报表的发送日期，再在旁边看负责人完整做一次报表。
不见效的情况是源数据仍在变动，例如销售部门结账后改数字。这时 AI 只会更快地做出错误的报表。
4. 审批不再压在桌上
采购申请和信用额度审批，常因为材料不全或审批人不知道有待办而卡住。AI 在提交前检查是否齐全，并把申请送到审批人日常会打开的渠道。
指标包括从提交到答复的交付周期（Lead Time），以及异常率，即系统无法自行完成、需要人来看的比例。如果还靠邮件或纸质审批，就在启动前 4 周记录提交时间和批准时间。整条流程缩短处理周期的例子，见用 AI 工作流把 3 天的工作缩短到 3 小时。
不见效的情况是原因在制度，例如每项申请都要五级审批。申请送达得更快，做决定的人时间还是那么多。
5. 员工能自己在公司知识中找到答案
规章、产品手册和合同条款散落在各个文件夹里。先检索公司文件再作答的 AI，即 RAG，让员工用泰文或中文提问，得到附有原始文件链接的答案。
指标包括每个问题找答案所花的时间，以及引用了正确版本文件的回答比例。基线的取法是请一部分员工连续 2 周记录问题和查找时间。
不见效的情况：文件过时、多个版本互相矛盾，或者关键知识从未写下来。
6. 质量检查减少返工
AI 在工作离开团队之前按明确的规则检查，例如报价与价目表不符的报价单、纳税人识别号有误的税务发票。不符合的附上原因退回给人。
指标包括返工比例，以及发货前发现的错误与发货后客户发现的错误之比。基线取自过去的贷项通知单、退货和投诉记录。
不见效的情况：规则模糊，或者提醒太多，员工不看就点过。
7. 新员工更快能独立工作
一个依据公司手册作答、在真实系统里带着走流程的 AI 助手，能减少新员工向身边人提问的时间。
指标是新员工达到主管设定标准所需的天数，例如连续录入 20 张订单无差错。基线取自同一岗位上一批入职员工的记录。
不见效的情况：一年只招几个人，数字太少无法比较；或者还没有供 AI 作答的手册。
| 效益 | 指标 | 见效的工作 | 不见效的条件 |
|---|---|---|---|
| 1. 文件处理 | 处理周期、人工处理时间 | 供应商发票 | 时间多在等待 |
| 2. 客户答复 | 首次回复时间 | LINE 官方账号上的重复问题 | 需要判断的问题 |
| 3. 报表 | 结账到报表的天数 | 管理报告 | 源数据仍在变动 |
| 4. 审批 | 交付周期、异常率 | 采购申请、信用额度 | 原因在制度 |
| 5. 公司知识 | 每题查找时间 | 规章、手册、合同 | 文件过时或矛盾 |
| 6. 质量检查 | 返工比例 | 报价单、税务发票 | 规则模糊 |
| 7. 新员工上手 | 达标天数 | 定期招聘的岗位 | 没有手册 |
用同类工作比较上线前后
上线前后能比较的前提是：同类工作、相近时期、相同测法。少数长期卡住的案件会把平均值拉偏，所以中位数和 P90 要一起报告。如何用对照组证明变化来自 AI，见如何衡量 AI 的成效，才不会自欺欺人。
模拟案例
巴吞他尼府一家汽车零部件分销商（名称和细节均为虚构）把数百家供应商的泰文发票逐张录入 ERP。财务总监想在批准预算之前，弄清楚 AI 读取文件能带来什么变化。
团队导出过去 4 周的邮件到达时间和 ERP 录入时间，算出处理周期的中位数和 P90，并在 30 张发票上测量人工处理时间。发现是：大部分时间花在等各部门经理确认收货上。只上 OCR 的话，数字几乎不会动。
于是这个季度的试点分成两部分：对最大的一组供应商使用 OCR，同时向确认收货的人员发送提醒，其余供应商照旧处理，作为对照。开始之前，财务总监写下省出的工时要用来提前完成月结，并不再在月底雇用临时人员。季度末的数字显示这两件事是否真的发生了。
AI 如何降低企业成本
成本下降有三条路：同一个团队不增员、不加班就能处理更多业务量；错误减少，贷项通知单和重新发货随之减少；等待缩短，回款更快。
常见的陷阱是把省下的工时乘以工资率，就称之为节省的金额。如果这些工时零散地分布在每个人一天中的几分钟里，又没有人规划怎么用，成本不会变。开始前写下省出的工时要转到哪项工作，并且也要衡量它，再扣除 AI 的全部成本，然后判断是否值得。如果还在考虑从哪个部门开始，见想降低人力成本，应该先在哪个部门用 AI？
在宣布见效之前
把数字提交给管理层之前，先核对这 7 点。
写给开发团队 · 技术指标
数字从系统事件中取，不用人工填写的时间。每当案件状态改变，就向审计日志（Audit Log）写入一条事件，记录时间戳、案件 ID、执行者（人或系统），以及模型和提示词版本。这一张表就能算出处理周期、等待时间和异常率。在 AI 上线之前，先给现有流程埋上同样的事件。异常原因用代码保存，工作日扣除泰国公共假日计算，仪表盘直接基于事件表生成。
我们在动手开发之前先定好指标
SOFTWARE ENGINEERING GLOSSARY
软件工程术语表
| 术语 | 是什么 | 通俗示例 | 高管应问开发团队的问题 |
|---|---|---|---|
| 基线（Baseline） | 系统改变之前工作的数值 | 上 OCR 之前的发票录入时间 | 来自系统数据，还是估算？ |
| 处理周期（Cycle Time） | 从工作进来到完成的时间，包括等待 | 从发票邮件到达到录入 ERP | 时间主要花在处理上，还是等待上？ |
| 人工处理时间（Touch Time） | 人实际动手处理的时间 | 录入一张发票所花的分钟数 | 省出的时间用来做什么？ |
| P90 | 90% 的案件在这个时间内完成 | 10 份审批中有 9 份在此时间内完成 | 慢的案件也改善了吗？ |
| 异常率（Exception Rate） | 需要人来看的案件比例 | 扫描模糊的发票 | 谁负责处理异常队列？ |