第 5 章 引入价值与组织视角

学习目标

• 说明订阅制与按token计费的差异，读懂计费表单位，按用途选择。
• 不只看单价，而是以包含准备、审核和返工的总成本及总时间，比较不同方案。
• 按效果与风险分类业务场景，选择首个引入对象。
• 用基线和可衡量指标展示引入效果，避免用量指标的陷阱。
• 说明试点顺序、扩大、修改、停止的标准，以及组织治理框架。

引言

经营家具工坊的负责人卓先生，在今年春天为全部十二名员工购买了AI付费订阅。三个月后，负责会计的员工问他：“每个月支付这笔费用后，我们的工作究竟有哪些改善？”卓先生却答不上来。员工们虽然说“工作方便了”，但究竟哪项工作加快了多少、错误有没有减少，却没有人说得清楚。十二名员工中，每周都会使用AI的只有四人。会计建议取消所有订阅，而经常使用AI的员工却认为需要购买更贵的套餐。由于缺乏相应的数字，无法判断双方的意见究竟哪一方更有道理。

问题不是AI没有用，而是没有选择用AI做什么，没有衡量引入前的状态，也没有定义什么算成功。因此，没有依据判断应继续、扩大还是停止。

本章从管理者的角度判断引入AI。先理解成本结构（订阅、token计费、总成本），再了解优先选择哪项工作的标准。随后讨论用数字体现效果的指标与基线、如何设计试点并作出结论，以及组织层面的运作框架。这些内容也适用于想向团队提议引入AI的一线人员，将AI运用能力中的委派与尽责扩展到组织层面。

核心概念

订阅制与按token计费：包月套餐与电费

AI费用主要有两种形式。

对于员工每天用来处理文档的工具，采用订阅制更易于预测费用；对于系统自动处理的大批量工作，按token计费往往更合适。还要记住，这两种计费体系相当于两个独立的钱包。OpenAI说明，订阅中包含的使用量与API使用量分别计算，API使用遵循其自身的价格规则；使用自己的API密钥时，同样适用API价格。

阅读计费表时应确认的单位

比较计费表，必须先统一单位。请确认以下项目。

这里还需要补充两点。第一，采用订阅制，并不意味着所有功能都可以无限使用。多数套餐都会为各项功能规定使用上限。第二，即便采用token计费，也并不是只有一种单价。OpenAI说明，输入token、缓存输入token和输出token的价格可能不同，并提供一种批处理方式，让不需要即时回答的任务以比普通调用低50%的价格完成。具体价格经常变化，因此在作出决定之前，应再次查看官方价格页面。

看总成本，而不只看单价

OpenAI说明，每百万token价格低，不代表总成本低。不同模型把相同文字切成的token数不同，生成的输出和推理token数量也不同（推理token是第1章所述的回答前内部使用、按输出收费的token）。因此，它建议用自己工作的代表任务实际运行结果比较，而不只看可见答案长度。

还要加上人的成本。引入AI的总成本不只是使用费。

1. 准备成本：整理资料、编写指令与模板、制作检查案例。
2. 培训成本：培训员工、编写使用指南。
3. 运营成本：管理员设置、权限管理、政策更新。
4. 审核成本：检查和修改结果的时间。
5. 返工成本：结果无法使用、从头重做的时间。

使用费便宜的工具，审核与返工多，也会变贵。简单表达为“总成本＝使用费＋准备、培训、运营成本＋（审核时间＋返工时间）×每小时人工成本”。

用例选择标准：选择工作中的一个步骤

“在销售岗位引入AI”这样的目标，范围过大，无法验证。应选择工作中的一个步骤，而非整个岗位。以销售为例，可以拆分为收集资料、起草提案、起草客户问题的答复、审阅合同条件等步骤，再从中选择一个，作为第一个引入AI的对象。

好的初始候选具备以下条件。

比起演示中引人注目的工作，每周反复出现、人容易核查的工作，更能持续积累价值。

按效果与风险分类

把候选工作按效果（节省时间、提高质量）与风险分类，就能看出优先级。

风险不宜简化为一个数字，应看四个因素的组合。

1. 错误可能性：AI在这项工作中的出错频率。
2. 损害规模：一次错误会造成多大损害。
3. 发现难度：人是否容易察觉错误。
4. 可撤回性：错误结果是否可以撤回。

经常出错但一眼可见、容易修正的工作，可能风险低；很少出错但难发现、对外产生无法撤回影响的工作，风险可能高。“效果大、风险低”通常包括会议纪要整理、内部咨询分类、草稿撰写。第4章高风险领域的决定，即使效果大，也应先设计人工审核流程。

与不使用AI的改进方法比较

并非所有问题都应该用AI来解决。如果是文档格式各不相同，导致处理耗时，那么制定一份标准模板，可能就足以解决问题；如果同样的问题反复被提出，那么先整理好一个说明页面，可能更有必要。评估是否引入AI时，应把“不使用AI也能作出的改进”纳入比较对象。先排除通过改进现有模板、使用普通搜索和计算工具、梳理业务规则就能解决的部分，之后仍然存在的价值，才是AI真正能够贡献的价值。Anthropic在设计智能体时建议先寻找尽可能简单的方案，也是同样的道理。

好的引入效果指标的四个条件

Anthropic通过以下四个条件，说明怎样才算好的成功标准。

• 具体：说明要实现什么，如“准确分类咨询”，而不是“良好成效”。
• 可衡量：使用数字或能一致应用的评价量表。
• 可实现：参照行业标准、既有实验和专家知识，设定现实目标。
• 相关：指标应符合业务目的和用户需求。

Anthropic还解释说，在大多数情况下，成功标准应当包含多个维度，而不只是一个。只测量处理时间，就可能漏掉质量已经下降的情况；只测量质量，则可能忽略成本已经增加。衡量AI引入效果时，基本做法是把时间与质量配对测量。

基线与测量设计

基线是指在引入AI之前，对同一个指标测量得到的数值。如果没有基线，就无法证明“情况变好了”。OpenAI同样建议，将改进提示词阶段建立的评估集，作为今后比较时的基线。设计测量方案时，需要确定以下事项。

1. 测什么：指标定义与分母（每件还是每天）。
2. 何时测、测多久：在引入前后的对比周期内，季节和工作量应相近。
3. 用什么样本：难度相近，不只挑简单任务。
4. 谁按什么标准判断质量：使用同一标准表、同一评判者。
5. 如何记录例外：单独保留失败案例和人工重做案例。

指标类型与陷阱

常见陷阱有三种。

• 把用量当成成效：登录或提问增加，只代表关注度，不是价值证据。
• 只测生成时间：草稿一分钟生成，审核和修改却很久，工作并没有变快。应测从准备资料到批准、交付的完成全过程总时间，也包括无法使用、从头重做的时间。
• 把节省时间直接算成降低成本：员工完成工作的时间减少，并不等于组织的实际支出随之减少。省下的时间是“释放出的可用工时”，还需要单独说明这些工时用于何处，例如处理更多业务、减少外包或开展新工作，才能体现实际价值。同时，应注意避免把同一项收益重复计算两次。

试点顺序与扩大、修改、停止标准

试点是先在一个小范围内进行试验性运行。为了确认引入AI的效果，需要按照下面的顺序推进。由于每个步骤都把前一步骤的结果作为输入，所以很难任意改变这个顺序。

1. 收集候选工作。
2. 按效果与风险排序，选首个对象。
3. 提前确定成功标准与停止条件。
4. 测量所选工作的当前值，建立基线。
5. 小规模试点，用相同方式重新测量。
6. 对照两组数据，决定扩大、修改或停止。

用于作出决定的标准，必须在开始试点之前就确定下来。如果等开始之后再制定标准，就容易因为已经付出的努力，而倾向于对结果作出过于乐观的解释。

不要把小规模试点得出的结果，直接照搬到整个组织。少数热情积极的员工取得的结果，未必意味着所有人都能够获得同样的效果。

组织视角：治理与能力

当引入AI超出了个人使用技巧的范围，成为整个组织的工作时，就需要一套运营框架。美国国家标准与技术研究院（NIST）的AI风险管理框架（AI RMF 1.0），是一套供组织自愿采用的框架，其核心分为以下四项功能。

NIST于2024年发布了针对生成式AI风险的生成式AI风险概况文件（NIST AI 600-1）。即使小组织，把这四项功能填成一页表，也能看出缺口。尤其当存在公司不知情的AI工具使用（通常称为影子AI）时，应先摸清现状，再测量与应对。

人员具备的能力，同样是运营框架的一部分。本书使用说明中介绍的四项AI运用能力，即委派、描述、辨别和尽责，也可以作为设计培训课程的依据。应当均衡地教授如何决定把哪些工作交给AI、如何有效下达指令、如何评价结果，以及如何负责任地使用AI。只有这样，引入AI才不会仅仅停留在少数人掌握的技巧上。

深入阅读

引入后却没人使用怎么办

如果已经分发了使用许可，实际使用的人却很少，原因往往在于员工“不知道怎样把它用于自己的工作”，而非工具本身。在这种情况下，继续购买更多许可，或者强迫员工使用，效果都不大。下面这些方法会更加有效。

1. 展示各项工作的用法。 “我们团队这样缩短周报耗时”的具体案例，比一般功能介绍更能打动人。
2. 共享验证过的模板。 把第2章制作的模板和检查案例作为团队资产分享。
3. 各部门安排辅导人员。 由先行熟悉工具的员工担任同事的答疑联络人。
4. 回应担忧。 对岗位的担忧也会阻碍使用。应明确：目的是减少重复劳动，把时间用于判断和服务客户；结果责任仍由人承担。

使用率作为辅助指标，有助于观察AI在组织中已经普及到什么程度，但它不应当成为引入AI本身的目标。

避免绑定单一供应商

如果把组织的整套工作流程，都深度适配到某一家公司的某一款产品、某一个功能上，那么一旦该产品的价格、功能或政策改变，整个工作流程也会随之受到影响。这种状态称为供应商锁定。正如第3章所介绍的，产品的名称和形态，甚至在短短几个月内就可能发生变化。

虽然无法完全避免这种依赖，但可以采取一些方法减轻冲击。把指令和检查案例作为文档保存在产品之外；将业务资料的原件留在公司系统中，只让AI连接原件或使用副本；对于重要业务，事先做好准备，使其能够选用代表性案例，在其他产品上也试着运行。能否导出成果和对话，也是引入之前必须确认的事项。

工作场景

铭印印刷的询价回复试点

商业印刷企业“铭印印刷”的郑主任，收到负责人要求：“用数字说明引入AI有什么改善。”

郑主任首先向员工询问平时反复进行的工作，收集了六个候选任务。其中，“起草询价邮件的回复”每天会遇到30件以上，负责员工又能看过草稿之后进行修改，因此效果大、风险低。“客户信用评估”虽然效果也很大，但一旦出错就会对交易造成重大影响，因此风险高。郑主任选择询价回复作为第一个对象，并事先设定成功标准：每件完成时间缩短至少30%，重复咨询率不得上升。同时还规定了停止条件：只要有哪怕一封报价有误的回复发给客户，就停止。

在引入AI之前的两周里，郑主任测量了每件询价回复完成所需的时间，以及客户再次询问相同内容的比例。结果是平均每件12分钟，重复咨询率为18%。随后，他让三名员工试用了四周AI草稿。起初有人提议只测量生成草稿所需的时间，但郑主任采用的是把审核和修改草稿也计算在内的完成时间。结果是平均每件7分钟，重复咨询率为15%。有5%的草稿无法使用、需要从头重写，这部分所花的时间，也计入了平均值。

费用这样计算：人在界面直接使用，因此选择按席位订阅，将三人月订阅费与释放时间（每件5分钟×每月600件＝每月50小时）并列。郑主任没有直接写成节省50小时人工费，而是同时报告：“其中30小时用于新客户咨询，20小时用于积压库存整理。”报告开头写的不是“员工满意度高”，而是“每件缩短5分钟、重复咨询率改善3个百分点、未触发停止条件”。负责人决定扩大询价回复应用，信用评估则先设计人工审核流程，再评估。

分享之桥选择首项引入工作

地方非营利组织“分享之桥”有五名全职工作人员，负责管理三千名捐助者。秘书长想尝试用AI处理三项工作，却在思考应该从哪一项开始。这三项工作分别是撰写公开活动通知、整理内部会议纪要，以及给每一名捐助者发送个性化的感谢信息。

秘书长把三项放在同一张表里。

发送感谢信息看起来效果最大，但这项工作要处理捐助者的个人信息，而且会直接向几千人发送，一旦出错就无法撤回。一位理事提出：“应该从效果最大的工作开始，才能看出成效。”但秘书长认为，高风险工作必须先建立控制措施，因此决定暂缓。活动通知的风险虽然低，发生频率却也低，难以证明引入AI的效果。整理会议纪要则是经常重复的工作，人可以轻松核查，而且能够在组织批准的企业版环境中处理。

秘书长最终把会议纪要整理选为第一个对象，并记录过去一个月撰写纪要所花的时间，以及会后有人追问“当时到底决定了什么”的次数，作为基线。至于感谢信息，决定考虑去掉个人信息，只让AI制作文字模板，再由人填入姓名和捐助记录的方式，留待下一季度重新评估。

易错点

1. “单价低，总成本就低。” 各模型切分token及生成输出、推理token的量不同，总成本可能不同。审核与返工时间也属于成本。
2. “付了订阅，就能用其中额度调用API。” 聊天产品订阅与API使用遵循不同价格规则。
3. “用得多就成功。” 用量只代表关注度，不是价值证据。
4. “草稿生成快，工作就变快。” 应按包含审核、返工的完成全过程总时间判断。
5. “省下多少时间，就省下多少费用。” 节省时间意味着释放出更多可用工时，需说明这些工时用在哪里，才体现真实价值。
6. “先引入，以后再测。” 没有引入前基线，就无法证明效果。
7. “从效果最大的工作开始。” 高效果但高风险，应先建控制。首例应选效果大、风险低的工作。
8. “看结果再定停止标准。” 标准要在开始前确定，避免被既有投入牵着走。

要点速览

查阅官方文档

• OpenAI — Understanding and counting tokens：各类token价格、总成本优先于单价。
• OpenAI — ChatGPT Work and Codex：订阅用量与API价格规则的区别。
• OpenAI — Batch API：非紧急大批量任务的折扣与处理时间。
• Anthropic — Define success criteria and build evaluations：成功标准四条件、多维度标准。
• NIST — AI Risk Management Framework：AI RMF 1.0与生成式AI配置文件概要。
• NIST — AI RMF Core：四项功能说明。
• Anthropic — The AI Fluency Framework：委派、描述、辨别、尽责的定义。

自测

5-1. 用日常比喻说明订阅制与token计费，并写出各自适合的用途。

5-2. 写出好的引入效果指标的四个条件。

5-3. 没有基线就报告引入效果，会出现哪两个问题？

5-4. 写出评估业务风险时一起考虑的四个因素，并说明“经常出错但可能风险低”的工作应具备什么条件。

5-5. 对于“借助AI，员工每个月节省了40小时，因此减少了相当于40小时人工费的成本”这一报告，请指出其中的问题，并写出应该如何修改报告。

5-6. 引入AI三个月后的报告中，只列出了“每周活跃用户数”和“总提问次数”。仅凭这份报告，无法作出哪些判断？还应增加什么指标？

5-7. 选择自己团队一项工作，设计一页试点计划。必须包含目标工作步骤、基线、时间与质量指标、期间，以及扩大、修改、停止的条件。

实操练习