「每美元有用智能」係咩玩法？OpenAI CFO 新計法教企業計清AI回報

Friar喺LinkedPost上面話：「過往咁多年，軟件嘅回報都係睇採用率：買咗幾多個seat、有幾多活躍用戶、續約率。但AI唔同——佢應該用完成咗幾多工作嚟衡量。」 呢個框架清楚指出，最低嘅每token成本並唔一定等於最低嘅每項成果成本，企業應該追求總價值創造，而唔係淨係睇單位價格 。

AI回報計分卡：四個關鍵問題

Friar嘅方法用四個具體問題取代咗以往模糊嘅採用率指標，形成一個AI回報計分卡 ：

1. AI係咪做緊有意義嘅工作？

要量度嘅唔係用咗幾多次或者問咗幾多個prompt，而係實際完成咗幾多項有成果嘅任務——例如解決咗幾多個客戶問題、推送咗幾多次程式碼更新、審查咗幾多份合約 。Friar話：「Token只有轉化成有人用嘅工作先會創造價值。」 呢個係由「活動指標」（問咗幾多次）轉向「影響指標」（完成咗啲乜）。

2. 每個成功任務嘅成本係幾多？

要計嘅係每個達到品質標準嘅任務嘅總成本，包括AI運算、重試、人工審核同修改 。一個平價模型如果成日出錯，最終每項成功成果嘅成本可能仲貴過一個高階模型一次過搞掂 。呢條問題逼企業唔好淨係睇每token嘅價錢，而係要考慮犯錯同修正嘅隱藏成本。

3. AI做得啱嘅機會率有幾高？

追蹤AI嘅可靠性——即係佢嘅輸出有幾大機會「即刻用得」，定係要人改過或者升級處理 。越少人工介入，總成本就越低，信任度亦越高。呢個係AI輸出嘅質量保證指標，承認可靠性同能力一樣重要。

4. 每蚊AI支出會唔會隨住用量增長而產生更多價值？

監察AI能否隨時間完成更多高質素工作，而成本唔會指數式增長——呢個概念叫做「運算回報」（return on compute, ROC），係由半導體同數據中心財務領域借用過嚟嘅 。呢條問題幫企業判斷AI投資係咪有複合回報，定係越用越冇效益，對決定係唔係要擴大規模好重要。

點樣實際應用呢個框架？

呢個方法設計到可以用現有工具嚟審計 。團隊要定義清楚某個工作流程「完成」係咩意思，然後數吓成功完成咗幾多次，加埋總成本（包括人力間接成本），再追蹤通過率同質量趨勢 。

Friar嘅做法係將AI視為生產性資產而唔係軟件牌照，為CFO同科技主管提供一個結構化嘅方法，回答佢最成日聽到同行問嘅問題：「點樣先可以喺AI開支度拎到更多價值？」

點解呢個框架咁重要？

呢個建議出爐嘅時候，企業AI開支正急速增長，OpenAI自己都報告每月收入達到10億美元，賣出咗超過5億個企業用戶 。但好多機構都仲缺乏清晰嘅回報評估框架，做成「AI能力同企業實際得到嘅價值之間存在錯配」。Friar之前將呢個現象形容為「能力過剩」（capability overhang）——即係AI可以做得到嘅嘢同組織實際上識得點樣用嚟賺錢之間嘅差距 。

透過將呢四個問題建立喺可審計嘅成本同質量數據之上，「每美元有用智能」呢個框架俾咗企業一個實用工具，由「靠信念去投資AI」轉向「用證據做決定」。