《FDE案例100》方法论特辑 · No.05｜量化 ROI：节点 ROI 与组织级 ROI 的落差

什么是节点 ROI，什么是组织级 ROI#

先定义清楚。

节点 ROI，是某个环节自己的账。 写文案快了、审材料快了、对账快了，这个环节确实省了时间、省了人。

组织级 ROI，是公司整体的账。 这个环节省下来的东西，能不能传导到业务前端，最后变成企业真正在乎的结果——收入、利润、成本、决策质量。

问题就出在”传导”两个字上。一个环节提效了，很可能这个收益走到下游就卡住了，传不过去。传不过去，就不是真收益。

组织级 ROI 的典型陷阱#

我给你描述一个场景，你大概率在真实公司里见过。

一家公司，产品、产研团队最先把 AI 用起来。因为他们离技术近、接受快、工具好上手。结果是什么？写文档快了、出方案快了、做内容快了，效率大幅提升。

听起来是大好事。但是——

前端业务没有跟上。上游产出变快了，下游消化能力没变。以前设计一天出十张图，现在一天出五十张，可业务侧还是只消化十张。多出来的四十张，没变成订单，只是躺在那里。

与此同时，产研团队在持续消耗 Token，成本实打实地在增加。 更要命的是，这些成本是显性的、能看到的；而”没传导出去”的收益损失，是隐性的、没人报的。

最后的结果就是那句话：产品提效了，公司没有。

有个电商内容生产的案例，几乎就是这个陷阱的现场版。这家企业年流水约 10 亿，员工其实早就开始用 AI 了——每个人自己开账号、自己写提示词。看起来”大家都用上 AI 了”。

但 FDE 一眼看穿了：这只是把一个新工具塞进了旧流程里。操作成本没消失，效率也没有质的变化。

他还说了一句特别锋利的话：如果 AI 只是帮员工今天多做了十张图，明天还要重新开始，那它只是工具。只有每一次使用都在给企业留下数据、素材、流程和经验，AI 才真正进入能力体系。

判断一个项目有没有做到组织级提效，就问一句话：这些东西留下来了吗？还是每次都在从头再来？

第二笔账：交付之后的持续运维成本#

很多人算 ROI，只算到”上线”那一刻。这是第二个坑。

案例里反复强调一件事：上线不等于结束。 有个制造业案例，仅陪跑就接近两个月，整个项目从立项、调研到最终陪跑大约经历半年。技术通路跑通只是其中一步，员工怎么用、哪里不习惯、老师傅愿不愿意看、新人能不能看懂，这些问题最后都会反过来要求继续改产品。

所以在 ROI 的账本上，至少得有这几栏：系统运维、持续迭代、数据更新、人的陪跑。这些是长期成本，不是一次性投入。

一个只算开发成本、不算运维成本的 ROI，基本都是虚的。

第三笔账：Token 消耗，调试和长期运行都要算#

这是 AI 时代账本里最容易被低估的一笔。

有个做电信网络数据分析的案例，把这笔账讲得很透。他说成本包含很多层，“调用模型多少钱”只是其中之一。

• 调试成本：一个不知道怎么做的团队，为了调一个东西可能花几千美元；而一个真正有经验的人，十几、二十美元级别就能完成同样的调试。差在哪儿？差在方法。
• 长期运行成本：如果架构设计不好，就像一辆漏油的车，你根本不用谈省油，因为油一直在往下掉。

这句话我太喜欢了：漏油的车不用谈省油。 你先别急着优化”每 Token 多少钱”，先看看你的架构有没有在漏。

还有个对账案例，从另一个角度点了同一件事。他说需求如果前期没问清楚，后面就会不断返工——而到了 AI 时代，返工成本”还可能直接表现成大量 Token 消耗和交付成本”。

所以呼应一下 No.02：把需求追清楚，不只是为了方案好看，它直接决定你会不会烧掉一堆 Token。

第四笔账：效果归因，别等交付后才发现证明不了#

第三个坑，也是最扎心的一个：交付完了，你证明不了自己创造了价值。

有个跨境电商案例，FDE 讲得特别坦诚。交付结束后，客户把他们的团队权限移除了，后续的营收、广告成本、利润数据他们都没拿到。时间效率是清楚的——物流照片处理从每天 4–5 小时压到 1 小时以内，补货从 2–3 小时变成看一眼确认——但这些效率到底转化成多少营收、多少利润，他们证明不了。

他自己反思：这本来应该成为 FDE 服务闭环的一部分。如果重做一遍，他会一开始就设计好一套”效果基线”：上线前记录人工处理需要多少时间，上线后持续记录；补货、广告、订单这些关键环节，都尽量找到可以量化的指标。

交付前留基线，交付后持续追踪。 这两句话，是效果归因的全部难点。没有基线，你连”改善了多少”都说不清；没有追踪，你连”效果还在不在”都不知道。

那到底该怎么算这笔账#

把上面的坑绕开，我给你一个更完整的三层结构。这是一位消费品案例的 FDE 总结的，我觉得可以直接当 ROI 的天花板来看：

第一层，降本增效。 最表层，也最容易算。省了多少人工、快了多少，都在这一层。

第二层，提高决策质量。 这一层不好算，但更值钱。AI 让企业有能力把过去因为成本太高而放弃的事重新做起来，能更快看清趋势和异常背后的原因。

第三层，把个人 Know-how 变成组织能力。 这一层最难算，也最根本。过去一个产品经理的判断只属于他自己，人走了经验就走了；现在每一次决策、每一次反馈、每一次审核都被沉淀下来，个人的经验开始服务于整个组织。

那怎么判断你有没有真正做到第三层？案例集里有句话，我建议所有 FDE 都背下来：评判一个 AI 项目，不看 Demo 多炫，看客户有没有真的改变决策方式。

还有个跨境乳企的案例，给了一个特别生动的观察点——看他们的周会。以前周会前一个小时是在对数，“这个数对不对""你那份为什么和我这份不一样”。现在数已经在那儿了，会议直接从”要不要动预算”开始，问题也变成了”这个 SKU 为什么掉了，是价格、铺货还是渠道”。能问出这么具体的问题，说明他们开始信这套东西了。 这才是组织级的价值。

一句话总结#

算 ROI，不能只算那个节点自己的账。 要追问三件事：收益能不能传导到业务前端？交付之后的长期运维和 Token 成本算进去没有？效果有没有一个能从交付前追到交付后的基线？

单点提效是入场券，组织级提效才是成绩单。

这是《FDE案例100》方法论特辑的第 5 篇，也是”立项”这一专辑的重点篇。到这里，我们从”认出真问题”一路走到了”算清 ROI”。下一篇开始，我们进入第三个专辑——构建：能力怎么真正做出来。第一站先聊一个最根本的问题：AI 到底该嵌进流程，还是停在 Demo？