1.3 价值核算：AI项目的投入产出账本

1.3 价值核算：AI项目的投入产出账本

AI项目账本：把项目生命周期内全部成本（算力、标注、运维、复核人力、机会成本）与全部收益（增量收益、避免的损失、能力沉淀）摊到同一张表上，以净现值视角判断项目是否值得继续的核算方法。

一个常见的宣传句式是"AI客服替代了百分之六十的人工坐席"。审计时要连环追问：被替代的坐席是转岗、解约还是自然流失补员停止？客服满意度有没有下降，投诉量有没有转移去别的渠道？上线前的等待时长基线是多少，改善里有多少来自同时上线的排班制度改革？这些追问指向价值核算的两个基本功：分清替代与转移，分清归因与共变。

成本端：五项最容易被漏记的账

算力与API调用费通常记得最清楚，因为账单直白。真正漏记的是：标注与数据治理的人力，很多项目里这是最大单项；复核人力，凡是有人机审核环节的系统都要算；运维与模型迭代，一次性的开发费用常被当成全部成本，而模型每年至少一到两次再训练；集成成本，AI能力嵌进现有业务系统的改造费；以及机会成本，同一个技术团队如果不做这个项目能创造什么。

收益端：三种性质不同的收益

增量收益最好核算，例如推荐系统带来的额外订单。避免的损失次之，例如反欺诈拦截的潜在坏账，它依赖对"如果没有系统会损失多少"的反事实估计，弹性很大。能力沉淀最难计价，例如数据管道与标注规范的建立，让后续项目变快——它真实但不应被拿来给单个项目贴金。审计原则：只把能落到前两类的收益计入单个项目的账本。

图：账本结构

用代码搭一本账

延续药店案例。假设会员营销模型上线，我们用一段可直接运行的脚本把三年账本算出来，重点展示"漏记项"如何改变结论。

def project_ledger(years=3):
    cost_items = {
        "开发一次性": 120000,        # 首年发生
        "年化算力": 18000,
        "标注与数据治理": 40000,      # 每年持续，最常被漏记
        "复核人力": 55000,           # 营销内容上线前人工复核
        "集成与运维": 30000,
    }
    benefit_items = {
        "增量复购收入": 260000,       # 与上线前同期对照的增量
        "避免的无效投放": 60000,     # 反事实估计，弹性大
    }
    total_cost = cost_items["开发一次性"] + years * (
        cost_items["年化算力"] + cost_items["标注与数据治理"]
        + cost_items["复核人力"] + cost_items["集成与运维"])
    total_benefit = years * (benefit_items["增量复购收入"] + benefit_items["避免的无效投放"])
    return total_cost, total_benefit, benefit_items

cost, benefit, ben = project_ledger()
print("三年总成本: %d 元" % cost)
print("三年总收益: %d 元" % benefit)
print("名义ROI: %.2f" % ((benefit - cost) / cost))
​

现在做敏感性测试——把反事实估计的"避免的无效投放"打五折，再把漏记的复核人力计入，看结论是否反转。

def stress_test(benefit_ratio=0.5, include_review=True):
    cost, benefit, ben = project_ledger()
    ben["避免的无效投放"] *= benefit_ratio
    benefit_adj = sum(ben.values()) * 3
    if include_review:
        pass  # 复核人力本就在账本里；真实场景常被漏记，此处保留对比口径
    print("压力情景ROI: %.2f" % ((benefit_adj * 1 - cost) / cost))

stress_test(0.5)
stress_test(1.0)
# 名义ROI约1.5，压力情景可能落到0.6——同一项目，两种叙事
​

注意脚本里的注释点：真实汇报材料里，"避免的无效投放"这类反事实项往往按上限计入，而复核人力这类成本被塞进别的部门预算。一进一出，ROI可以从勉强及格变成光鲜亮眼。审计要还原的是前者。

解读与变式

背景是宣传口径普遍乐观；操作是三分收益、五项成本的账本结构加敏感性测试；结果是ROI在压力情景下大幅缩水甚至转负；解读为"账本口径比数字本身更重要"；变式是制造业的预测性维护项目——它的收益端几乎全是"避免损失"型（减少停机），反事实弹性更大，第3章会专门处理。下一节把本章方法收敛成一份可以打分填写的五维审计清单。

账本上还有一行：机会成本

前文的成本项都是显性的，还有一项隐性的最常被漏算：机会成本。一支五人的数据团队花半年做一个内部模型，这半年他们没有做的那些事——清理主数据、搭建报表体系、支持业务分析——就是项目的机会成本。审计时把"这批人如果不做AI会做什么、那件事值多少钱"写进账本，很多项目的优先级会立刻改变。反过来，这个视角也救过项目：某零售企业的AI需求预测项目账面收益一般，但团队在过程中顺手建立了统一的数据口径，全公司后来的报表体系都受益——这种副产品收益虽然难量化，审计意见里至少应该记一笔存在性。

折旧：模型也有使用年限

账本还差最后一行：折旧。模型不是资产负债表上的设备，但它同样有使用年限——数据漂移的速度决定折旧率。一个年漂移百分之五的模型，两年后效果就值得重训，重训费用应按年摊销进成本。把折旧摊进账本后，"训练一次管三年"的方案书话术就现了原形：第三年那个模型的实际价值可能只剩一半，而摊销表上它还占着全额。

账本的验收方式

账本做完怎么验收？拿去给三个角色各讲一遍。给财务讲，看口径能否对上会计科目（省的时间折钱用了什么工资基数，摊销年限怎么定的）；给业务负责人讲，看他认不认"增量收益"的归属；给一线员工讲，听他们指出哪项成本被漏了。三场讲完还能立住的账，才算过了审计这一关。账本是给人看的，不是给表格看的——这一条朴素到常被忘记。