节省时间为什么不等于创造价值？同时测量采用率、返工、周期、转化、风险和机会成本

先看结果：团队自报每个商品省20分钟，事件日志只看到3分钟；加购率高0.1个百分点，却不足以证明内容创造了价值

澜序电商的商品内容部为消费电子新品建立标题、结构化属性、卖点说明、搜索摘要与无障碍替代文本。AI读取已批准的供应商规格、内部产品主数据和写作规则，生成有来源的候选；商品编辑逐字段验证，质量复核人签署后才发布。价格、库存、促销、合规结论与供应商承诺不由AI决定。业务负责人最初准备把“每页节省20分钟×页面数×人工费”写进投资回报率。

团队将800个新库存单位按编辑、品类、价格带和活动批次分块，再在各块内随机分为400个AI组与400个现有模板对照组。主要分析按原分配计算：被分到AI组但没有使用的48个库存单位仍留在AI组。对照组平均人工处理49分钟，AI组为46分钟，实际仅省3分钟；400×3=1,200分钟=20小时。自报节省20分钟，是因为只比较“写初稿21分钟”和“生成1分钟”，遗漏了更长的输入整理、属性核验、编辑与返工。

为了看页面内容是否影响客户行为，团队另选120个高流量库存单位，为同一商品制作经人工签署的人工版与AI 辅助版，访客随机看到其中一版；价格、库存、图片和促销保持相同。AI版120,000次合格会话有9,000次加购，7.50%；人工版118,000次有8,732次，7.40%。差0.10个百分点，但粗略95%区间约为−0.11到+0.31个百分点，仍包含无提升；不能写“转化提升1.35%已验证”。

试点工具、平台、运营和训练的持续成本为¥44,880，20小时按内部规划价¥220/小时只对应¥4,400容量信号；而项目发现、双版本制作与评估投入420小时另列。结果不是“AI无价值”，而是价值形态与原假设不同：周期和按时上线改善，返工变差，转化仍不确定。团队只在结构稳定的配件品类继续，先修主张/来源核验和返工，再收集下一批证据。

这是一个虚构教学案例，所有公司、商品、流量、费用、比例、实验和结果均为教学数据，不是电商行业基准或供应商案例。本文解释怎样测企业AI的价值证据，不提供统计、财务、审计、法律或产品合规结论；显著性、货币化、数据用途和实验伦理应由相应专业人员判断。E36讲90天推进，本文从评估问题出发；E40另讲何时因价值与责任债务退役。

先拆开六个经常被混用的词：采用、产出、效率、效果、价值与投资回报不是同一层

采用回答谁在什么合格任务中实际使用；产出回答生成或签署了什么；效率比较完成同一最终结果所需资源；效果看周期、质量、客户行为与风险是否改变；价值将这些变化放回组织目标和替代用途；投资回报率才把可归因收益与完整投入按明确期间货币化。任一上游指标可以改善，而下游结果不变甚至变差。

采用率低，可能来自访问、培训、任务不适合或用户作出安全拒绝；采用率高，也可能来自强制默认。产出增加会制造更多复核与库存。只有最终结果、质量、案例组合和测量边界相同时，效率才可以比较。投资回报率若忽略建设、数据、复核、风险、维护和被挤出的工作，只是一个看起来精确的分数。项目先决定要作什么业务决定，再选择需要的指标层级，不以收集所有指标为目标。

六层之间还要防重复计数。同一页提前发布带来的贡献若已进入加购或订单，就不能再把“提前天数×预计日销量”加一次；20小时若已用于120个旧库存单位，其价值先落在积压产出，不能同时按工资当现金节省。团队维护收益标识与父级结果，任何金额标出是否与另一项互斥、包含或尚待验证。汇总表允许保留不同单位，不强迫把风险、时间和客户体验全部换成人民币。

从概念到因果链：先说明AI怎样可能创造价值，再决定该测什么

先画变革理论：AI候选怎样经过人员、流程和市场条件才可能影响业务最终状态

本案例的因果链是：批准来源和规则进入候选生成，编辑验证来源并修改，复核人签署可发布包，页面按时上线，客户看到清楚准确的属性，搜索与选择成本下降，才可能影响加购、退货或咨询。每个箭头都有假设：文件完整、编辑有容量、库存可售、流量不被活动改变、文案确实是行为瓶颈。AI只作用于链的前半段。

团队在实施前写出支持与反驳证据。若草稿更快但复核队列未变，第一条成立、第三条未成立；若按时页增加但库存缺货，加购不会随之增长；若退货下降同时供应商换了产品版本，不能全归内容。变革理论不是美化路线图，而是暴露最脆弱的因果接口，并决定哪些中间指标与业务指标必须一起采集。

每条箭头附一张因果声明卡片：主张、机制、受影响群体、必要条件、支持样本、反证、替代解释、可观测窗口和负责人。以“更快页面提高加购”为例，反证包括页面已按时但流量不增、内容变体被看见但客户行为相同，以及库存缺货中断链条。项目在结果出来前写清什么会推翻假设，避免只寻找支持赞助人故事的证据。

价值评估从决策和时间窗开始：要回答继续、修复、扩展还是停止，而不是证明赞助人当初正确

评估章程写三次决策：第4周判断数据和控制能否继续，第8周判断流程试点是否扩大，第12周决定品类范围与下一期投入。不同问题需要不同时间窗：人工时间和返工数周可见，加购需要足够会话，退货可能跨30—60天，品牌与人员能力需要更久。不能因季度汇报截止就把未成熟结果填成零。

评估团队独立记录不利结果，赞助人不能在看到加购差异不确定后把主目标改成“员工喜欢”。指标可因学习而更新，但原指标、理由和结果保留。每项结果标为观测、估算、已建模或尚未可观测；尚未到时间窗不等于没有风险或没有价值。决策备忘录可以合法写“证据不足，延长”，不强制二元成功/失败。

证据成熟度也写进时间表：只有完整事件日志和可对账分母是第一级；加入可比对照是第二级；具备预先登记的反事实和不确定性分析是第三级；能够跨时间和品类复现是第四级。本案例的人工时间差达到第二级，加购实验接近第三级，退货与长期毛利仍处于尚不可观测或只有初步记录的阶段。决策者看到的不是一个“数据已收集”勾选，而是每个主张能承受多大范围的资源承诺。

指标树至少有投入、使用、输出、过程、业务、风险和机会七层，并为每项固定分母

指标树从业务最终结果向上反推：商品页要准确、及时地帮助客户选择，而不产生不实主张。页面数只是输出；完整属性、周期、加购、规格咨询和退货才逐步接近业务结果。每个指标登记定义、分子、分母、事件起止、数据源、延迟、负责人、分层维度、护栏与触发决策，防止团队各自算一版采用率。

仪表盘先显示分母和缺失，不用只显示百分比。352/400是分配采用率 88%，若只除以“打开工具的人”会变成100%并隐藏48个未使用。风险用绝对严重和速率并列，低流量不能让零事件看起来安全。金额保留币种、期间与现值假设；跨季度比较时注明价格、人员与流量变化。

可复制的指标定义卡片至少要有指标编号、业务问题、公式、单位、分子、分母、符合条件与排除条件、开始与结束事件、来源、延迟、分层维度、负责人、质量检查、护栏和对应决策。例如，“第90百分位周期”的开始事件是来源包就绪，结束事件是匹配的发布回执，排除只允许事先列明的供应商取消；若用“任务创建”或“模型完成”替换任一端，必须新建指标版本，不能覆盖历史。

流程价值要用同一业务结果测量：采用、时间、返工和周期必须放在一起看

采用率要以合格分配为分母，并区分分配、尝试、有效使用、签署和重复使用

400个AI 分配的商品库存单位中352个发起生成，332个进入人工复核，296个最终保留了部分候选；36个在复核后完整拒绝，另20个已尝试但未到复核（10个运行失败、10个任务撤回）。还有48个根本未尝试：18个来源未准备、12个编辑选择人工、10个账号/入口未就绪、8个实际越范围。系统默认生成不算用户主动采用；“接受至少一段”也不代表页面价值。

主分析仍比较400对400，避免只分析296个成功使用者产生选择偏差。按方案结果可以解释机制，但必须标为次要：愿意使用、来源齐全和简单库存单位本来就可能更快。采用下降若来自系统正确暂停高风险主张，不能作为负面价值；采用上升若因经理要求全部接受，也不能作为正面价值。用户反馈与事件日志一起解释原因。

48个未使用不能简单归为“员工抗拒”。访问检查清单逐项核对账号、来源完整、工具可用、任务合格、培训分配和人工替代；10个账号或入口问题进入访问缺口，18个来源未准备进入流程缺口，12个主动选择人工的案例需要阅读原因，8个实际超出范围的案例应从未来合格定义中修正，但仍留在本次按原分配分析中。另有10个已发起但失败的运行进入可靠性分母。纠正未来分母要形成新版本，不能回溯删除不利案例。

时间测量必须覆盖同一业务最终状态：生成1分钟不是从原来的49分钟直接减20分钟

编辑自报节省来自最显眼的草稿动作：对照组写作21分钟，AI生成约1分钟，表面少20分钟。但AI路径需要用12分钟把来源整理成可引用输入，而对照组只需9分钟；验证需要13分钟而不是8分钟，另外还有8分钟编辑、7分钟复核和平均5分钟重新打开修正。最终46分钟只比49分钟少3分钟。机器等待与人工处理分开，日历周期另算。

计时来自工作流事件，并用20%的分层观察样本校准，不依赖一句“你省了多少”。并行等待不相加，编辑切换任务的空白不随意算作AI成本；但为AI额外查来源、修改主张和报告问题必须计入。中位数和第90百分位要单列，平均数不能掩盖复杂产品。若最终质量不同，时间差先按质量调整，不能把少做检查称为效率。

观察模板每15秒不记录员工屏幕内容，而按预定义任务代码记录开始、暂停、等待、交接和完成；参与者知道用途、可见人、保留期与申诉渠道。速度不是人员绩效排名，慢可能来自复杂来源或正确发现风险。抽样覆盖不同班次、经验与品类；观察者影响、多人协作和后台任务写进备注。日志与观察差异超过20%时先审测量，而不是择取更好看的数字。

返工要追到谁在什么阶段重新打开什么对象，不能只统计最终页面是否发布

控制有72/400在正式复核后重新开启，18%；AI组104/400，26%，多32件/8个百分点。AI返工集中在主张范围 34、属性/来源冲突28、模板语气18、重复/缺字段14、其他10；这些类别互斥合计104。部分返工发生在发布前，是控制成功但仍消耗容量；发布后返工后果更大，要另列。

“最终都改对”不能把104次返工归零。记录原始候选项、编辑差异、原因、执行者、分钟、检测阶段和已发布影响，才能判断是模型、来源、模式还是策略问题。返工率上升解释了20分钟名义节省为何只剩3分钟，也是限定品类的直接证据。若经理为降低重新开启率要求复核人不要重开，护栏会从指标优化变成风险隐藏。

返工还要按严重度和发现时点计算：发布前的小结构修改、发布前的关键暂停、发布后但尚无流量时修正、已有客户暴露后的纠正，不能等价计为一件。104件中若大多数是5分钟小改，容量影响有限；若一个错误主张影响十万次会话，就应优先看绝对后果。返工记录模板保存曝光开始与结束、受影响会话、回滚、通知与最终状态，让质量改进能追到真实影响，而不是只看工单数量。

周期指标用完整事件和分位数：第90百分位改善1.2天可能有价值，但要排除库存、批次和队列变化

周期从“全部批准来源已经到齐”到“收到已签内容的发布回执”，不从模型运行到草稿。对照组中位数为2.7天、第90百分位为4.8天；AI组中位数为2.3天、第90百分位为3.6天。长尾改善比均值更重要，因为活动页错过活动才有业务后果。团队还要拆分来源等待、编辑队列、领域复核和发布窗口。

各阶段中位数与端到端第90百分位来自不同分布，不能相加推导全程。签署至发布的改善可能来自试点期间增加发布批次，不应全部归因于AI。评估记录两个组使用相同发布窗口的日期，并用流程访谈确认机制；仍无法完全隔离时，应写“AI与流程改造共同贡献”。按时页面多24个是观测结果，但是否创造销量还取决于库存和流量。周期价值不能直接按每小时工资换算。

团队同时报告未完成案例：观察窗结束时仍未发布的库存单位不能删掉，也不能假装在截止日完成，应保留为待定并用一致方法处理。供应商取消与内部延迟分开，对照组和AI组使用同一规则。第90百分位至少要同时给出样本数和分层分布，不能因平均改善就承诺每个库存单位都缩短1.2天。截止日期命中率要绑定原活动日期，事后改期不算按时。

转化评估要建立可比较的反事实：同一商品随机内容版本比拿本月对上月更可信

800个库存单位的流程对照适合测人工时间与返工，但不同产品的加购潜力差异很大。团队从中选120个预计流量足够、库存稳定的库存单位，分别制作人工版与AI辅助版，两个版本都完成人工签署；会话按稳定的访客标识随机分配，价格、图片、库存、促销和页面组件保持相同。机器人、员工、无库存和重复异常会话按预先登记的规则排除。

AI版9,000/120,000=7.50%，人工版8,732/118,000=7.40%，绝对差0.10个百分点、相对差约1.35%。粗略区间包含0，且库存单位内聚类会影响不确定性，正式推断由分析人员按预注册方法完成。报告正确写“未观察到可确认的加购改善”，而非“AI提升1.35%”。观察窗不足的退货不提前货币化。

实验前用历史基准率、最小值得检测差异、库存单位聚类、预计流量与运行期做功率规划，而不是看到第一个正数就停止。每周可以检查安全护栏，主要转化结果要在约定日期统一读取，并按预先写明的方法修正；反复查看结果，再挑最好的一天宣布成功，会放大假阳性。120个库存单位中若某一品类流量过低，合并或延长必须按预先登记的规则执行，不能在看到结果后重新分组寻找显著子群。分析清单保留所有探索指标，并明确标为探索性。

业务结果、风险、机会成本和全成本必须同表出现，不能只货币化好消息

风险不是投资回报率表末尾的备注：既测已发生影响，也测被控制拦下的未遂事件与剩余暴露

AI组在发布前发现12个关键声明候选项，控制发现3个；这不表示AI造成12次客户伤害，因为全部被暂停，也不表示系统安全，因为分母和暴露不同。发布后严重误导主张两个组均为0，但零事件的样本不能证明未来风险为零。规格相关咨询按会话为控制 142/118,000=12.03/万，AI 156/120,000=13.00/万，差异需继续观察。

未遂事件进入风险登记册并估计若漏过的影响对象、可撤回性和修复成本，但不随意乘一个巨额“避免损失”制造收益。真正发生的退货、客服、纠正、通知和声誉成本按证据记录。风险负责人可以因一个严重破坏停止，即使平均转化显著提高；财务负责人不能用期望收入覆盖未经授权主张。

风险货币化需要概率、暴露与损失都有依据，并单独展示区间；极低频高影响事项更适合用门槛、场景和残余风险接受，而非塞进期望值后被平均。12个被拦候选项主要说明当前模型/来源的失败模式和复核负荷，不证明12次事故必然发生。若控制成本太高，合法选择是缩小AI 范围，而不是把未遂事件改名为“创造价值”。

机会成本只计算被真实重新分配的稀缺容量：空出的20小时若消失在会议里，价值仍是零

20小时的观测人工时间差是容量信号，不是现金。若没有减少加班、延后招聘、增加高价值产出或降低排队，它不会自动进入利润表。团队为释放时间指定了新的用途：编辑要修复旧目录中的缺失属性，不能默认把时间吸收进“做更多AI实验”。事件记录显示，实际有16小时用于修复120个旧库存单位，另有4小时被临时会议占用。

120个旧库存单位被修不等于销售提升，需要观察搜索曝光、咨询与转化，并避免与SEO项目重复归因。若组织把AI节省全部填满更多低价值内容，吞吐增加但机会价值可能低于复核成本。负责人在试点前给释放容量排优先级，月底以回执核对；未落地的“理论可节省”只保留为场景，不进入已实现收益。

容量登记给每项释放时间唯一状态：理论、观测、已分配、已使用、现金已实现或已过期。只有减少付费加班、取消外包或延后已批准招聘才可能成为近期现金；转去高价值任务是非现金容量，需另证结果。若员工因监测压力少报返工，时间数据会失真，因此经理不得把个人“节省率”设绩效目标，评估看流程层分布。

全成本按一次性、持续、按量、人员、风险和退出六类登记，不能只看模型账单

持续试点成本¥44,880由工具与供应商¥12,800、平台与可观测性分摊¥18,000、培训与运营64小时×¥220=¥14,080组成。项目发现、数据准备、双版本内容、建设、评估和治理共420小时，是一次性投入，要单列并说明其中多少可以复用；人工处理时间已经进入流程比较，财务模型要避免与64小时运营投入重复计算。

20小时×¥220=¥4,400只是按内部规划价估算的容量，不是工资现金流；44,880−4,400=¥40,480的持续成本缺口也不能直接判失败，因为周期、按时发布、风险和学习尚未全部货币化。报告分别列现金、容量、未货币化结果与不确定性，禁止把同一24个按时页面同时算工时、机会收入和转化三次。

未来成本用数量×单元、固定平台、每次变更、周期性评估、人员复核与退出六个驱动因素建基准/下行/上行，而不把试点单价线性外推。规模可能摊薄固定成本，也会增加复杂品类、支持和事件。财务模板列价格日期、合同最小消费、汇率、税、内部率、折现期间与敏感性；无法确认的供应商价格标待核验，不在文章中制造永久报价。

评估设计采用分块随机、意向治疗和嵌套页面实验，并预先写污染与停止规则

流程层的随机单位是库存单位内容包，按编辑、品类、价格区间和活动批次分层后各分配400个；系统路径决定是否提供AI，避免编辑主动挑选简单案例。主分析按原分配计算，用来估计“部署这套可用路径”的整体效果；按实际使用的分析只用于解释机制。编辑同时处理两组会产生学习影响，但也能让两组人员能力保持均衡，因此记录处理顺序并做敏感性检查。

嵌套120 库存单位实验用于同商品客户行为，不把流程随机结果直接外推转化。若随机化不可行，才选择匹配、差分或基于理论的贡献，并明确更强假设。实验不能为了测价值发布已知不安全版本；两版都过同一质量与权限门槛，严重立即下线。受影响用户、数据收集、隐私和实验治理按组织要求处理。

方案在分配前冻结假设、实验单元、试验组、分层区块、主要结果、护栏、最小时间窗、剔除、缺失、不合规、分析、停止和批准规则。分配失败仍按原分支分析，并另报可靠性；交叉使用与人工绕过都要保留。紧急安全停止可以提前，但商业结果不能随意提前读取。若业务无法接受随机分配，评估负责人应记录原因和次优设计所依赖的假设，而不是把普通前后对比假装成等价实验。

测量数据需要一条从分配到业务结果的最小链，并允许审计分母与缺失

事件数据结构用实验编号、库存单位编号、分配结果、是否合格、是否尝试、来源包、系统与策略版本、人工决策、人工时间、重新打开、发布回执、会话版本、业务结果和风险事件连接全链路。个人层只收集完成评估所需字段，学习用途与绩效用途分开；访问、保留、更正和删除由数据负责人批准。

仪表盘每天对账已分配=已发布 + 手动 + 保留 + 待处理，不能丢掉失败案例；流量分母说明机器人、缺货与异常排除。延迟事件在窗口关闭后进入修订版，不偷偷回填旧报告。若无法从加购追到变体或从页面追到签署包，就降级相应主张；数据链断裂不能用人工Excel补一个漂亮比率。

数据质量检查表每天抽查唯一性、完整性、时序、组别一致、版本匹配和迟到率；每周用10个案例从分配重放到结果。标识符映射由受限服务管理，分析表只使用必要编号。事件结构变更时先并行写入新旧字段并对账，旧字段要有下线日期。缺失按原因分组，若两组缺失不平衡就必须进入主报告；“系统没记录”不是自然零值。

用一个完整案例和平衡账作决策：平均值不能掩盖复杂品类的负面价值

完整走例SKU-E842：一句“IP67防水”省下写作，却增加14分钟核验并被正确暂停

库存单位SKU-E842是一款户外网关。批准输入包括产品主数据第5版、供应商规格S-8和实验附件L-2；供应商营销表另写“IP67防护外壳已测试”。AI把三处文字合成“整机达到IP67防水，可在户外长期使用”，并引用L-2。编辑打开原文位置后发现，L-2只测试实验样机的外壳，产品主数据中的防护等级仍为状态未知，且安装条件没有定义；这项主张不能从原型外壳迁移到量产整机。

这条案例比人工多14分钟，表面效率为负，但防止未经证据的外部主张。不能把假设中的退货或罚款全算“避免损失”，只记录未遂事件、复核成本和暴露对象；也不能因它拖慢就删除控制。对照是一条标准HDMI线，来源字段一致，AI候选只需小改，实际省11分钟且无重新开启。分层结果因此决定结构稳定配件继续、复杂防护等级品类暂停。

SKU-E842的价值案例表同时留下负面价值：候选项生成只需1分钟，核验与咨询却多花14分钟；已发布关键问题为0，记录未遂事件1件，客户行为没有发生。若只展示安全发布，会遗漏效率成本；若只展示多14分钟，又会遗漏阻断作用。完整工作表让业务、风险和财务在同一对象上看见不同单位的结果，并由有权限的人决定是否让此类来源冲突继续进入AI路径。

把所有结果放入一张平衡账：一项变好、一项变差、两项不确定时，结论应是限定而非平均成绿色

800个内容包的结果可以闭合：对照组400个、AI组400个；AI组采用352/400，人工时间少20小时，重新打开多32个，第90百分位周期快1.2天，按时页面多24个。120个库存单位实验的238,000次合格会话可以闭合为120,000+118,000，加购17,732次可以闭合为9,000+8,732。风险表显示发布前险些出错与发布后修正，不混入转化分母。

用权重求一个总分会隐藏严重边界和不同单位。决策先通过不可协商的风险门槛，再看业务结果与成本；无法货币化的周期改善保留原单位。若管理层仍需要财务场景，就给出基准、下行、上行三种情形和各自假设，不把中间场景冒充已观测投资回报率。当前证据只支持修复后限定继续，不支持全目录扩展。

决策规则先应用三道门：关键影响必须为0且可以恢复；目标分层的流程结果达到预先签署的门槛；持续资源有明确负责人和预算。通过后才比较增量业务证据与替代方案。稳定配件选择以25%流量继续，复杂设备暂停并重做来源管理，转化则继续收集证据。一个项目可以同时有三个不同状态，不需要为了汇报统一成“成功”。

分层看“对谁、什么任务、在何种条件下有效”：总体平均会把配件收益与复杂规格风险互相抵消

按来源一致性分层：220个结构稳定配件的AI组人工时间比对照组少9分钟，重新打开率为14%；180个复杂设备的时间有增有减，平均反而多4分钟，重新打开率为41%。编辑经验、源文件完整度、主张数量和品类共同影响机制。小样本层只作描述，不用过度精确的数字给人员排序。

这些行是两套不同的分层，不可横向相加：前两行按品类互斥，合计400；后两行按来源状态重新切分，也合计400。限定范围要写进路由与身份权限，而不是停留在培训口头提醒。若下一期通过来源注册表改善了复杂设备，就重新做随机对照，不能把配件结果直接继承过去。

细分决策卡记录定义、样本、影响、不确定性、风险、容量、负责人、允许操作、过期和重入测试。禁止只选表现最好的事后子群：稳定配件是预先登记的品类层，其他新发现只生成假设。还要检查效果是否集中于少数资深编辑；若新人需要更多核验，扩量先补流程与培训，不把平均收益承诺给所有班次。

归因报告必须列替代解释、数据缺口和能说到哪一级：观察到、贡献、因果与模型推演分开

周期改善与发布批次增加同时发生；按时率也可能受库存到货影响；采用者可能更熟悉工具；高流量库存单位实验虽采用随机分配，但内容版本制作过程仍可能存在不可见差异。报告为每项主张写替代解释与反证。流程层的按原分配随机分析支持较强的工作流差异判断；页面会话随机分配支持估计内容版本对加购的影响；旧库存积压与后续搜索效果只能说存在贡献或尚未验证。

如果没有可靠反事实，使用变革理论、过程证据、访谈、版本追踪和替代原因做贡献分析，也不能声称精确因果。分析代码、排除规则、数据集版本和不利结果可复原；小样本、迟到数据与多重探索明确披露。业务负责人签的是基于当前证据的决定，不是对永恒价值的证明。

意外结果进入专门日志：谁受影响、变化方向、发现渠道、是否与AI有关、需要怎样追踪。员工额外认知负荷、供应商内容趋同、客户对语言的信任变化和下游搜索行为，都可能不在原来的业绩指标中。定性访谈不能给出效应量，却能发现指标树缺口；定量没有变化也不能证明体验没有影响。多种证据矛盾时保留冲突，并设计下一次能够区分原因的试验。

交付一套持续价值运营包：指标必须连接负责人、触发器和停止/扩展动作，而不是季度展示后归档

价值仪表盘按周看分配、人工时间、重新打开、周期、风险与成本，按月看业务结果和案例组合，按季度重审变革理论和替代方案。每个指标预先连接动作：出现关键的已发布错误声明就立即停止；复杂设备重新打开率超过30%就转人工；配件的第90百分位周期与来源完整度稳定后才扩；转化证据不足则继续实验，不写收益。指标本身也要被审计，防止分母漂移和为了指标而扭曲行为。

运营节奏包含每周指标质量复核、每月价值决策、每季度独立挑战；放行、源注册表、价格、品类组合或工作流改变触发重新评估。价值负责人不能与产品采用目标只设同一人而没有挑战。过期指标、无负责人收益和无法复原的金额从仪表盘撤下而不是永久累计。运行手册写明数据失败时报告如何降级、谁能暂停以及历史结论何时失效。

来源边界：英国财政部 2026版紫皮书用于变革理论、反事实、实验/准实验与无法建立反事实时的基于理论的评估；其AI 干预影响指南用于AI结果可能广泛、不可预测、因群体而异以及基线/反事实的重要性，并支持实验与基于理论的方法组合。GOV.UK 服务标准点 10和绩效数据指南用于从开始定义服务目标、分母与跨渠道指标并用数据改进。NIST AI RMF Core用于同时测成本、收益、部署情境、风险、生产监测与指标有效性；GAO AI 问责框架只用于治理、数据、性能、监控四类问责视角。上述政府框架不是澜序企业的适用法规或统一投资回报率标准；本文随机设计、阈值、货币和案例均为教学方法。来源核验于2026-07-22，NIST页面注明AI RMF 1.0正在修订。

• HM Treasury：Guidance on the Impact Evaluation of AI Interventions
• HM Treasury：Magenta Book 2026
• GOV.UK Service Standard：Define what success looks like
• GOV.UK Service Manual：Using performance data to improve your service
• NIST AI RMF Core
• U.S. GAO：AI Accountability Framework

今天不要先向员工收集“AI帮你省了几小时”。选一个有清楚业务最终状态的流程，写下下一次继续或停止决定；把投入、分配、同一最终状态的人工时间、返工、周期、业务结果、风险影响与机会用途，各定义一个带分母的指标，再画出它们之间必须成立的因果箭头。先问哪条箭头最可能断、用什么反事实验证，价值评估才会从投资回报率装饰变成资源决定。