AI数字员工 ROI 怎么算？省下来的人工怎么折成钱？
一句话结论：算 ROI 的公式只有一行：月度可核算节省 = 月业务量 × 可替代占比 × 实际拦截率 × 单件耗时 × 释放比例 × 人力单价，再减掉一次性投入摊销、年费和内部人力时间。算不清的通常不是公式，而是三个取值：拦截率用了理论上限、释放比例默认 100%、内部投入压根没算。这三项一项取错，ROI 就能翻倍。
是什么：ROI 要分三层算，别一上来就要钱
先说结论：老板要的是第三层的数字，但直接跳到第三层一定算不准。前两层是地基。
| 层级 | 算的是什么 | 什么时候用 | 最常见的错 |
|---|---|---|---|
| 第一层 · 效率口径 | 处理同一件事的时间或成本变化 | 上线后第 1 个月 | 拿"AI 一天能答 800 条"当成果，却不问实际有多少条走了 AI |
| 第二层 · 产能口径 | 同样的人手多做了多少事 | 第 2～3 个月 | 默认省下的时间自动变成了产出（通常不会） |
| 第三层 · 财务口径 | 现金上少花了多少、多赚了多少 | 第 4～6 个月 | 把"本来打算招但没招的人"当成已节省现金 |
真正能进财务报表的只有第三层，而第三层必须靠第一、二层的真实数据撑住。所以上线第一个月不要谈回报率，只谈数据和口径（口径怎么定，参考AI数字员工项目怎么验收）。
为什么：三种"假 ROI"，几乎每个项目都踩
- 把理论上限当实际值。后台显示 AI 能处理 100% 的咨询类型，实际拦截率只有三成多。ROI 必须用抽检出来的实际拦截率，不是配置能力。
- 默认省下的时间全部变成钱。人少干了两小时，很可能只是早下班两小时，而不是多做了两小时业务。这个折算系数就是释放比例，保守先取 30%～50%。
- 只减年费，不减内部投入。知识整理、每周例会、答错复核，这些花的是公司自己的工时，也是成本。少算这一项，回报率就虚高。
一句话：算 ROI 的难点不在算，在于敢不敢用难看的真实数。
怎么做：两步分类、一张表、连续测六个月
第一步：先判断这个岗位是"被替代"还是"被加速"
结论：替代型按工时折钱，加速型按增量产能折钱，两者混在一起算必错。
| 类型 | 判断特征 | 怎么折成钱 | 最容易乐观的地方 |
|---|---|---|---|
| 替代型 | 岗位工作里 70% 以上是可枚举的标准问答、录入、初筛 | 月业务量 × 拦截率 × 单件耗时 × 释放比例 × 人力单价 | 释放比例按 100% 取值 |
| 加速型 | 判断和决策仍然由人做，AI 只负责提速和补料 | 单件耗时下降量 × 单件带来的收入（或成本节约） | 增量产能其实卖不出去 |
多数"看起来最该上 AI"的岗位其实是加速型。加速型的 ROI 要挂在业务结果上，而不是挂在工时上。
第二步：按同一个口径走一遍（参数可替换）
下面是一组示例参数，用于演示算法，不是效果承诺——实际取值请用你自己的业务量和抽检结果替换。
- 某企业客服岗 2 人，日均咨询 300 条，人工平均 6 分钟/条
- 标准问答类占比 70%；上线第 3 个月抽检实际拦截率 40%
- 释放比例取 50%；人力单价按 30 元/小时
① 算节省
- 月咨询量 = 300 × 30 = 9,000 条
- 走 AI 的量 = 9,000 × 70% × 40% = 2,520 条
- 可替代工时 = 2,520 × 6 ÷ 60 = 252 小时
- 真实释放工时 = 252 × 50% = 126 小时
- 月度可核算节省 = 126 × 30 ≈ 3,780 元
② 算成本（5 项，一项都不能漏）
| 成本项 | 一次性还是经常 | 示例金额 | 折算到月 |
|---|---|---|---|
| 知识整理与流程显性化 | 一次性 | 5 万元（含系统与对接） | 约 2,083 元（按 24 个月摊） |
| 系统年费与调优 | 经常 | 2 万元 / 年 | 约 1,667 元 |
| 内部人力时间 | 经常 | 每月 4 小时 × 30 元 | 120 元 |
| 答错复核与兜底 | 经常 | 由转人工部分承担 | 已含在人力成本内 |
| 总计 | — | — | 约 3,870 元 / 月 |
③ 结论：这套示例参数下，项目基本打平，还没到"明显划算"。要让 ROI 转正，只有两个方向：把拦截率从 40% 往上推，或者把省下的 126 小时真的用起来（第二层口径）。这两件事都是运营动作，不是换工具能解决的——这也是为什么上线后的运营才是决定 ROI 的地方。
第三步：用同一个口径连测 6 个月
| 月度指标 | 计算口径 | 判断标准 |
|---|---|---|
| 实际拦截率 | 本月走 AI 且未被转人工的条数 ÷ 可走 AI 的总条数 | 逐月上升或持平，不下降 |
| 可替代工时 | 走 AI 条数 × 单件耗时 | 与拦截率同步变动 |
| 释放工时 | 可替代工时 × 释放比例 | 释放比例要能被验证（有具体的人和事） |
| 月度可核算节省 | 释放工时 × 人力单价 | 第 4 个月起应为正 |
| 月度总成本 | 一次性摊销 + 年费摊销 + 内部人力 | 半年内不应增加 |
mermaid
flowchart TB
A["锁定一个岗位<br/>月业务量 + 单件耗时"] --> B["统计可替代占比<br/>标准问答类占多少"]
B --> C["上线后抽检实际拦截率<br/>按月更新，不用理论上限"]
C --> D["可替代工时 = 月业务量 x 可替代占比 x 拦截率 x 单件耗时"]
D --> E["乘释放比例<br/>保守取 30% 到 50%"]
E --> F["乘人力单价<br/>= 月度可核算节省"]
F --> G["减：一次性摊销 + 年费 + 内部人力"]
G --> H{"月度净额是否为正?"}
H -->|"为正"| I["扩到第二条链路"]
H -->|"为负"| J{"拦截率是否还在涨?"}
J -->|"在涨"| K["继续补知识，按季度再看"]
J -->|"不涨"| L["回查场景选择<br/>换更痛的链路或收窄范围"]什么情况下 ROI 基本算不过来
- 场景太窄：日均真实咨询量不到 50 条，分母太小，摊不开一次性投入。这种岗位先上 AI 大概率算不过账。
- 知识没整理：拦截率长期在 20% 附近徘徊，且逐月不涨。问题在知识供给，不在模型，钱要花在整理上（参考第一笔钱该花在哪）。
- 只有老板在用：业务员不用，就没有真实业务量，后面所有数字都是空的。
常见问题（FAQ）
Q1：多久能看到正回报？
结论：不要按"上线即回本"预期，通常要看 3～6 个月的趋势。判断依据不是绝对数字，而是第 2 个月的拦截率是否比第 1 个月上升。如果连续两个月拦截率不涨，说明问题在知识供给或场景选择，这时候加钱买新功能只会扩大亏损。
Q2：省下来的时间并没有变成产出，怎么办？
结论：先把释放比例调低到 30% 重算一遍，再说服老板。如果按 30% 算仍然是负的，那这个场景的 ROI 就不成立，不要用"时间早晚会用起来"来解释。把释放出来的工时明确指派到某件具体的事（比如多跟 20 个老客户），才可能把第二层转化出来。
Q3：拦截率和回答准确率是一回事吗？
结论：不是，混着看会同时放大收益和风险。拦截率是"多少条没转人工"，准确率是"答对的比例"。只追拦截率会出现"答得快但答错"的情况，涉钱、涉合同的问题一旦答错，代价远大于省下的工时。所以规范做法是：先卡准确率下限（高频问题 ≥ 85%～90%），再谈拦截率。
Q4：给管理层汇报，报哪个数字最不容易被打回来？
结论：报"月度可核算节省"，并附上穿透到业务数据的口径。也就是报第三层数字，但同时说明拦截率、释放比例、人力单价各是多少，以及哪些是抽检得出的、哪些是保守假设。管理层真正会质疑的从来不是金额大小，而是"这个数怎么来的"。
Q5：一次性投入应该按几年摊？
结论：建议按 24 个月摊，最长不超过 36 个月。系统和大模型的迭代周期很短，摊得太长会把未来的替换成本藏起来。如果按 24 个月摊完还是算不过账，说明这个场景的投入偏重，应该先压缩一次性投入、把试点范围收小。
相关方案
联系我们
想算清楚手上这个场景到底划不划算？欢迎联系我们。把岗位的日业务量、单件耗时和现在的处理方式给我们，我们可以用你真实的业务量代进公式跑一遍，给出"这个场景值不值得做"的具体判断（西安及周边可上门，外省可线上）。