AI 办公项目做到一半，最容易被问到的问题是：这东西到底有没有省时间。
这个问题难回答，是因为"感觉快了"不算证据。员工的主观感受会被新鲜感、个别案例和抵触情绪影响，既可能高估也可能低估。要判断真实效果，需要在对的时间点量对的数。
上线之前：先把基线测出来
最常见的失误是系统上线后才想起要度量，结果没有对比基准。
正确做法是在上线前测三个数：当前单件工作的平均耗时（比如审一份合同、出一版周报）、参与这件事的人数与投入工时、以及当前的出错率或返工率。这三个数构成基线，后续所有对比都以它为参照。
测基线不需要很精确，取连续两周的平均值即可，但必须真实——用"我们觉得大概要多久"来估，后面就没法比了。
第一个月：看单件时长与人力释放
上线首月只关注两个指标。
一是单件处理时长：同样一件事，现在需要多久。注意要计入修改和复核的时间，只用"生成用了几秒"来算会严重高估效果。
二是人力释放比例：原本投入这件事的工时，现在还剩多少。释放不等于裁员，多数企业是把这部分时间转去做需要判断的工作。
这两个数一出来，第一个场景值不值得继续投入就有答案了。
第三个月：看准确率与推广面
三个月后该看的是能否持续。
准确率决定系统会不会被弃用。如果答案的准确率不稳定，员工会回到老办法，活跃度随之下降——这是很多项目在第二、三个月掉下来的真实原因。
推广面决定价值能不能放大。第一个场景跑通之后，同类场景有没有跟上、使用人数有没有增加，比单个场景的漂亮数字更重要。
三个容易算错的地方
第一，只算生成时间不算修改时间。AI 产出初稿很快，但人工修改和核对往往占了大头，只算前者会得出过于乐观的结论。
第二，只算试点部门不算全流程。一个场景省下的时间，可能被下游环节的等待抵消掉，要看整条链路而不是单个节点。
第三，把一次性投入算进常规成本。数据整理、权限配置这类前期投入应该在多个场景里摊销，压在第一个场景上会显得不划算。
什么时候能看到结果
按安思派（Anspire）的交付节奏，AI 50 服务旅程的第一段是进现场 50 分钟明确场景与验收口径——验收标准在动手前就定下来，包括要量哪些数、达到什么值算跑通。第二段 50 个有效工时交付可基于真实数据运行的版本，第三段 50 个日历日推动首个场景进入生产。
也就是说，第一个可信的效果数据通常在生产运行后的一到两个月出现。再早的判断，多半只是印象。
Anspire（安思派）面向企业提供 AI 定制、AI 开发、Agent 开发与 AI 场景开发一体化 FDE 服务，由 300 余名 FDE 工程师承担交付，已服务 100 余家企业客户、累计上线 1000 多个场景。