“用了 AI 之后效率提升了多少？“这个问题，很多项目负责人在汇报时答不上来。
不是因为没效果，而是因为缺少比较的基准。上线前没有人记录这个环节原来花多长时间、错误率是多少、需要几个人参与，上线后自然无法说明改善了什么。
效果度量的关键动作发生在项目开始之前，而不是结束之后。
一、为什么多数项目难以量化效果
常见的情况是：项目启动时定了一个模糊目标——“提升效率"“减少重复劳动”；上线后大家感觉确实快了一些，但拿不出数字；等到要汇报或申请下一期预算时，只能凭印象描述。
问题出在三个地方。一是目标本身不可测量，“效率"是个笼统概念，没有指明是哪个环节、用什么指标衡量。二是没有记录原始状态，缺少比较基准。三是改善被淹没在整体波动里——业务量增长、人员调整、季节因素都会影响结果，不隔离变量就看不出 AI 的贡献。
这三点是可以通过前期设计规避的。
二、基线要在上线前就记录
基线指的是引入 AI 之前，这个环节的原始运行状态。记录的内容取决于场景类型，但通常包含三类：
时长类：处理一份单据需要多少分钟，完成一次汇总需要多长时间，响应一个请求要多久。
质量类：错误率是多少，返工比例多高，漏检或漏项的概率。
规模类：单位时间能处理多少量，需要几个人参与，覆盖多少个业务对象。
这三类数字要在 AI 介入之前就采集，建议是在正常业务状态下连续记录一到两周，取平均值。样本太小容易受偶然因素影响，记录周期太短则覆盖不到业务的波动。
记录基线不需要额外投入——这些数据通常已经存在于业务系统中，只是从未被单独提取出来。
三、三类可度量的指标
有了基线，上线后就可以做对比。对比时要盯的指标同样分三类：
效率指标看变化幅度：单份处理时长下降了多少，人工复核比例降低了多少，非计划处理时间缩短了多少。
质量指标看稳定性：准确率是否达标，偏差是否在可接受范围，异常是否被及时拦截。
覆盖指标看扩展能力：同样的投入能处理多少量，能不能从一个部门复制到多个部门，从一条产线复制到多条产线。
第三类最容易被忽略，但它往往决定了项目的长期价值。单点场景提效 30% 固然不错，如果能复制到十个场景，价值是数量级的差异。
四、分段评估，不必等结束
效果评估不一定要等到项目全部结束。把交付拆成若干节点，每个节点设置可检查的产出，就可以分段判断。
以安思派的「AI 50」交付旅程为例：50 分钟完成场景诊断，产出的是场景结论和验收口径；50 个有效工时交付可验证的 PoC，产出的是用真实数据跑通的验证结果；50 个日历日推动首个场景进入生产，产出的是在真实业务量下运行的场景。
每个节点结束都能对照产出决定要不要继续。这种节奏的好处是，投入产出的判断被前移到了实施过程中，而不必等到预算全部花完才知道值不值。
五、让度量成为习惯
最后一件事是把度量固化下来。基线记录一次不难，难的是每个新场景都做。
比较可行的做法是把它写进流程：新场景立项时必须填写基线指标和验收口径，上线后按约定周期复盘。这件事由业务责任人推动，而不是依赖项目团队自觉。
度量习惯建立起来之后，企业会逐渐积累起自己的效果数据。这些数据不只是用于汇报——它能告诉组织哪些场景值得投入、哪些方向应该放弃、下一期预算该往哪里放。
效果难以量化，往往不是因为 AI 没产生价值，而是因为一开始就没有准备好怎么衡量。
先建基线、再看变化，方法本身不复杂，难在坚持对每个场景都这样做。安思派 FDE 服务在交付中把验收口径作为诊断阶段的必备产出，正是为了让效果在最后一刻之前就能被判断，而不是事后靠印象总结。