AI落地最尴尬的局面是：系统上线了，大家也说好，但老板问"到底省了多少钱、赚了多少钱"，没人答得上来。没有度量的AI落地，就像不开仪表盘开车，跑偏了都不知道。把效果量化，既是向管理层交代，也是指导下一步优化的指南针，更是争取后续资源最硬的底气。

选一个北极星指标

每个AI落地场景都要有一个"北极星"——最能代表价值的那一个指标。客服场景是"首次解决率"，招聘是"到岗周期"，财务是"单笔处理工时"。AI落地切忌用十几个指标糊弄，指标一多就没人看，也容易挑好看的报、难看的藏。北极星要可采集、可归因，最好能直接连到业务系统自动算，别靠人工填表，人工填的表往往报喜不报忧。

ROI测算的实操公式

AI落地的ROI不能只算软件费。完整公式：收益=（节省人力工时×人力单价）+（转化提升带来的毛利）−（数据准备+训练+运维+人工复核）成本。注意把"隐性成本"算进去，比如业务方每周开会对齐的时间、试错成本。多数场景回本周期在3到9个月，超过一年的要谨慎立项，或者拆成更小的可验证步骤，别一上来就押重注，避免长期看不到回报导致项目被砍。

建立双周复盘节奏

AI落地不是上线就结束，模型会随业务数据漂移。建议设双周复盘：看北极星是否达标、看bad case集中在哪、看人工复核比例是否异常升高。复盘要形成"问题—负责人— deadline"的清单，下次复盘先回头看上次的清单关没关。没有复盘节奏，AI落地效果会缓慢衰减，三个月后看似还在跑，其实准确率已经悄悄掉了十几个点，业务方却浑然不知。

用A/B或前后对比说话

证明AI落地有效，最硬的证据是对比。能做A/B的就分桶（一桶走AI、一桶原流程），不能分桶的就取上线前后同周期对比，并扣除季节因素。汇报时给一张"Before/After"表，比任何形容词都管用。AI落地最忌"感觉变好了"这种无法证伪的说法，管理层要的是数字，不是体感，能量化就别靠形容。

度量中的三个坑

坑一：只度量效率不度量质量，结果快是快了但出错率上升，省下的时间全用来救火；坑二：归因太乐观，把市场回暖的功劳也算给AI，误导后续决策；坑三：只看短期不看衰减，三个月后效果掉了没人管。AI落地的度量，要效率和质量一起看、短期和长期一起看，才能反映真实价值，避免被一时的漂亮数字误导。

把度量结果用起来

度量本身不产生价值，用起来才产生价值。建议每月出一份AI落地简报，把北极星指标、ROI和bad case清单发给管理层和相关业务方，好的结果公开表彰、差的结果认领改进。AI落地的度量数据要进入经营例会的固定议程，而不是锁在IT的报告里，否则再准的数字也改变不了任何决策，度量就成了自娱自乐。

小结

AI落地的效果度量，是把"玄学"变成"工程"的必经之路。企业从选定北极星指标、算清ROI、建立双周复盘这三步做起，就能让每一分AI投入都看得见回报，也更容易争取到后续的资源和授权，形成"投入—见效—再加码"的正向循环。