只看生成速度，几乎所有 AI 项目都显得很划算
原来写一份客户回复需要二十分钟，AI 三十秒就能给出草稿，演示数据看起来提升巨大。可真正使用时，员工要核对客户名称、价格、历史沟通和产品参数，还要把不合适的语气改掉。最后完成一份合格回复，也许仍然需要十五分钟。
更麻烦的是，返工常常没有被记录。系统只知道生成成功，却不知道员工复制到 Word 后改了多少、因为错误重新联系客户几次。管理层看到调用量上涨，以为效率提升；一线却觉得工作没有变少，双方说的都是真话，只是看的时间段不同。
把一项任务从开始到交付完整计时
评估时不要只测按钮响应，要从员工收到任务开始，到结果真正进入客户或业务系统为止。时间应拆成资料准备、AI 生成、人工核对、修改、审批、系统录入和异常处理。再与旧流程做同样口径的比较，才能看出工作到底减少在哪里。
还要区分不同任务。标准咨询可能明显提速，复杂报价反而需要更多核对；新员工受益很大，老员工只觉得多了一个步骤。把所有任务取平均，会掩盖最适合和最不适合的场景。按类型统计，项目才知道下一步该扩展还是收缩。
- 记录完整完成时间，不只记录模型响应时间。
- 统计人工修改率、退回率和重复处理次数。
- 按任务类型和使用角色分别比较。
返工记录能告诉你应该改模型还是改流程
如果员工总在改事实，可能是知识库和数据接口有问题；总在改格式，可能是模板没有固定；总在删夸大措辞，说明生成规则和审核边界需要调整；总要重新录入，则是系统集成没有做好。不同返工对应不同原因，不能都归结为模型不够聪明。
最有价值的不是一句“答案不准”，而是保留修改前后差异和原始任务。用几十份真实样本分类后，技术团队才能有针对性地补数据、改流程或缩小自动化范围。返工并不可怕，无法解释的返工才会长期吞掉成本。
真正的 ROI 是完成成本下降，而不是生成量上升
有些 AI 功能每天生成几百条内容，却没有减少人工；另一些功能调用不多，但能把高风险核对从半小时缩到十分钟。企业应该把节省时间、减少错误和缩短交付周期结合起来看，而不是拿生成次数当价值。
算清返工账后，项目讨论会更务实。适合的任务继续优化，不适合的环节保留人工，系统缺的接口安排补齐。AI 服务的价值不是让每个人都点一下，而是让一项真实工作以更低成本、更少错误完成。
要点总结
- 不只看工时，还应考虑错误减少、交付速度、客户体验、风险和持续维护成本。
- 保留 AI 初稿与最终结果的差异，并记录修改原因、耗时、退回和重复处理。
- 要看完整完成成本。若修改原因集中且可修复，可以继续；若长期高返工，应缩小场景。
参考来源说明
本文围绕“企业 AI 到底省没省钱？先把修改、核对和返工时间算进去”展开，结合 5 份公开资料及一路凯歌在“企业 AI 服务”方向的执行经验整理，重点看它对官网可引用结构、FAQ 设计和后续获客复盘的影响。