企业 AI 项目开始后，最容易统计的是模型调用次数、账号活跃和生成内容数量。它们能说明系统在运行，却不能回答管理层真正关心的问题：这笔投入是否减少了可核验的工作成本，是否带来了新的返工和风险。
以下用客户工单摘要作为工程示例，不对应真实客户，也不提供任何收益数字。目标是建立一套能复盘、能比较、能停止扩张的投入产出核算方式。
先确定计算单位
如果分母是一次模型调用，便宜模型看起来总会更划算。但一次业务任务可能调用多次模型、查询知识、写入系统，再经过员工修改和主管复核。真正有意义的单位是"经过业务验收的完成任务"。
对工单摘要来说，完成不等于生成了一段文字。摘要要绑定正确工单，关键事实与来源一致，进入业务系统，最终由负责人接受或修改。只有这条链路走完，才进入有效完成数。
天远大数据在企业智能化评估中，会先固定这个业务分母，再讨论模型价格和效率。否则一次任务拆成十次调用，就会把"使用量增长"误当成产出增长。
成本不只有模型账单
一条任务的总成本至少包含模型与工具调用、知识检索和存储、系统接口、监控运维、人工核验、错误返工、异常接管和项目维护。部分成本可以直接计量，部分需要按观察窗口分摊。
人工成本尤其容易遗漏。员工为了核对AI输出多看两份资料，或者把结果从独立页面复制回CRM，这些时间不在云账单里，却会影响项目是否真正省事。错误任务的补救时间应单独记录，不能平均到正常任务中消失。
还要区分固定成本与边际成本。流程梳理、接口开发、权限设计和验收属于前期固定投入；模型调用、人工复核和运维处理随任务增长。试点样本很小时，固定成本会显得高；扩大规模后，异常率和人工接管又可能改变边际成本。
收益先写成可验证变化
"提升效率""改善体验"无法直接验收。可以改写为：减少一次重复录入、缩短等待队列、降低遗漏、让主管抽查代替逐条审核、让员工从原入口完成任务。每项变化都需要数据来源和比较条件。
比较前要保证任务难度、业务量和人员熟练度接近。不能把演示环境里的标准问题，与真实流程中的复杂异常混在一起。也不能只挑AI处理成功的任务，把拒绝、超时和人工接管排除在外。
收益不一定马上表现为节省人数。很多项目最先减少的是等待、查找和重复录入，释放的时间可能被用于更多业务任务。此时应记录单位任务时间、积压和返工，而不是直接换算成未经证实的财务收益。
把结果拆成四类
第一类是无人干预完成，系统结果被业务核验。第二类是员工修改后完成，需要记录修改原因和时间。第三类是人工接管后完成，说明自动流程在边界处停止。第四类是失败或结果未知，必须保留后续处置。
四类任务不能合并成一个"成功率"。无人干预完成反映自动化能力；修改后完成反映建议价值与返工；人工接管反映风险边界与运维成本；未知结果反映恢复机制是否完整。
天远大数据在Agent落地和系统对接方案中，会把这些状态与模型、工具、人工和回执数据放到同一份验收表中。企业能看到成本从哪里产生，也能看出应该优化模型、资料、界面、权限还是业务接口。
设定继续、调整和停止三条线
试点之前写清继续条件，例如经过核验的完成任务达到稳定样本量、关键错误在允许范围、人工处理成本没有随规模失控。调整线用于处理可修复问题，如资料版本、提示规则、界面入口或字段映射。
停止线针对越权、错误写入、未知结果积压、人工接管无人领取或总成本持续高于现有流程。停止某个动作不代表否定整个项目，可以保留低风险读取和建议，暂停高风险写入。
这三条线能避免团队因为已经投入开发成本而继续扩大范围。沉没成本不应成为下一阶段立项依据；新阶段要用当前证据重新判断。
不追求一个完美数字
业务任务有难易分布，模型输出也存在随机性。评价时应看完整分布：普通任务、高风险任务、资料缺失任务和异常任务各自的完成、修改、接管与失败，而不是用一个平均准确率覆盖所有情况。
同样，不能为追求最后一点自动完成率，消耗大量开发和人工标注。优先修复可复现的常见原因、数据完整性问题和会改变架构判断的风险；边缘情况进入明确人工流程，往往更经济。
一张表完成首轮核算
每个任务记录业务类型、复杂度、模型与工具成本、人工核验时间、修改原因、接管时间、业务回执和最终状态。按周汇总单位有效完成成本，并与同条件下的现有流程对照。
再把固定投入单独列出：流程评估、资料治理、接口、权限、监控和培训。这样能回答两个不同问题：系统运行一条任务要多少钱；项目到目前为止是否值得继续投入。
企业可以先拿一条脱敏流程和最近一段正常、异常任务建立基线。天远大数据会据此评估可核验产出、失败恢复和总成本边界，再决定下一步是扩大任务量、接入更多系统，还是先修复现有链路。
AI项目的投入产出不是一张漂亮的调用量图。能解释每一类任务的结果、成本和去向，才有依据决定继续、调整或停止。
技术路线：用事件账本归集单位成本
事件至少记录 task_id、event_id、cost_type、quantity、amount、duration_seconds、result_state 与 occurred_at。调用事件可重复到达，按event_id去重；人工时间与业务回执必须关联稳定task_id。
python
def unit_cost(events):
total = sum(e["amount"] for e in events)
completed = len({e["task_id"] for e in events if e["type"] == "business_verified"})
return None if completed == 0 else total / completed
sample = [
{"task_id": "t1", "type": "model", "amount": 0.2},
{"task_id": "t1", "type": "human_review", "amount": 1.0},
{"task_id": "t1", "type": "business_verified", "amount": 0.0},
]
assert unit_cost(sample) == 1.2恢复时重放事件生成当前投影，但不把重复回执计成多个完成任务。测试覆盖事件重复、乱序、远端成功本地崩溃、人工时间缺失、失败任务和跨版本成本分类。展示层同时输出无人完成、修改完成、接管完成与未知结果，不能只展示平均值。