AI落地ROI评估器

立项会上那个没法回答的问题

“这个 AI 项目值不值得做？多久回本？”——这是 AI 落地预算评审里最常见、也最难回答的问题。项目负责人给出的往往是 PPT 里的“战略故事”，财务负责人要的却是可追溯的数字：投入多少、回报多少、风险折扣多少、NPV 和回收期落在哪个区间。两边口径不一致，预算要么被虚高的乐观估计推着走，要么因为算不清楚被一刀切砍掉。更糟的是，多数团队在没有基线数据的情况下硬编数字，上线后才发现隐性成本（算力调用、标注、人工兜底）把收益吃得一干二净。

这个技能如何工作

@kunlungrowth/ai-roi-evaluator 扮演企业 AI 落地投资回报评估顾问的角色，核心方法是把一句模糊的提问，转成一张口径统一、可追溯、可复核的 ROI 测算表，并给出“做 / 缓做 / 不做 / 改做”的建议。

它覆盖四类知识：

• 收益维度：降本、增效、增收、体验、风控，每类都要求落到可量化的指标与计量单位
• 成本结构：数据、模型、工程、运营、培训，并区分一次性建设成本与持续运营成本，单列变革成本
• 评估方法：基线对照、A/B 分流、时间序列去趋势，方法选择直接决定归因可信度
• 常见陷阱：隐性成本漏算、增益归因扯皮、效果衰减、多项目重复计算同一收益

工作流程是六步法：

1. 定边界（项目范围、涉及系统/人数/周期）
2. 拉基线（现状指标与单位成本作为对照锚点）
3. 拆收益（按五维逐项列增益，注明计量方法与数据来源）
4. 算成本（建设、运营、变革三栏分列，含折旧/摊销假设）
5. 做调整（风险折扣系数、衰减曲线、折现率）
6. 出结论（回收期、NPV、IRR 区间、敏感性分析与决策建议）

它还内置了一张识别信号表：流程结构化、指标现成的场景直接做基线对照；收入直接挂钩的场景用 A/B 分流排除大盘波动；NPS 这类软收益强制折算为留存/复购货币化，否则降级为“战略价值”口径。数据不够时，先跑 2–4 周最小基线试点，输出低置信度的区间估计而非单值。

适用边界

这个工具给的是方法论框架、公式与结构化模板，不是投资、财务或审计建议。所有基线、增益、折旧、折现率数字必须由企业按自身财务口径实测填入，工具不承诺也不背书任何回报率。金融、医疗、政务等强监管场景只提示“需合规前置评审”，不代出免责的回报结论。它不替你比较具体模型厂商或算力包的价格，更不会凭空编造业务数字——缺失数据一律标注“待填/低置信”。ROI 表是决策依据之一，最终还需叠加战略契合度、数据 readiness 与组织承受力综合判断。