CATLAXY 洞察

AI效果追踪三步法

零售/跨行业

10家企业用AI，8家不知道有没有效

场景还原

连锁零售数字化总监季度复盘，三个AI项目上线半年，CFO询问具体ROI，团队无人能给出确切数字

CATLAXY 方法

上个月在上海见了一家零售企业的数字化总监。三个 AI 项目上线已经半年，每周还在出操作报告。季度复盘，CFO 问了一句：AI 的投入具体带来了什么回报？会议室安静了几秒。有人说"用户反馈不错"，有人说"某个流程快了一些"。但没人能拿出一个确切数字。

这不是个例。Thomson Reuters 今年调研发现，专业服务行业 AI 全面采用率已翻倍至 40%，但只有 18% 的企业实际追踪 AI 投入产出。卡在哪里？三个层次：上线时没有同步建立效果追踪机制；AI 的影响分散在多个流程，没有人来汇总数字；IT 跟踪系统运行、业务跟踪 KPI，"AI 效果"就这样掉在中间没人认领。

BCG 调研了 2400 名高管，结论是 70% 的 AI 价值来自人和流程，算法本身贡献排第三。把这两个数字放在一起：大多数企业的 AI 投入不在价值最高的地方，而且没有机制让自己知道投错了。AI 落地失败的本质是流程问题，"不知道有没有效果"本身就是一种失败形态。可管理优先于可炫技——系统能不能回答"AI 做了什么、带来了什么"，是治理能力的最低门槛。快验证的前提，是先有可以被验证的东西。

效果追踪机制怎么建，分三步。第一步，锁定追踪单元：每个 AI 部署对应一个具体的业务产出指标——不是"整体效率"，是"这道工序的日均处理时间"或"这个场景的出错率"，精确到一个数字，可查可追。这一步不做，后面什么都是在猜。第二步，建立或补建基线：如果上线前没留基线，现在从历史数据里重建；下个项目，把"基线采集"和"系统上线"并排列进启动检查清单，缺一个不开始。第三步，绑定汇报节奏：月度拉一次追踪数据，三分钟出对照表，直接进现有业务周会或复盘——不新建机制，寄生在已有流程里，阻力最小，执行最稳。

下个 AI 项目启动时，"效果怎么量"要和技术选型放在同一张计划表上。这不是最后才做的补充，是和部署同步的要求。轻启动、快验证——验证的前提，是先把可以验证的机制建好。没有这个机制，下次 CFO 再问那个问题，还是那几秒安静。