降本增效 × AI 提效

源自 1.1 核心主张与钩子

三句话版本（开场用）

• AI 已经不是选择题。国务院定了时间表：2027 年智能终端与智能体应用普及率超 70%。
• 但用了 ≠ 赚到。全球 88% 的组织在用，只有 13% 报告企业级价值。
• 差在哪？ 差在没人把"省下的三小时"翻译成利润表上的一个数字。

为什么这个主张能打动老板

钩子三：−19% 的那个实验

主张   ── 差距不在技术，在经营闭环
数字   ── 88% 在用，13% 拿到企业级价值 → 75 个百分点的套利空间

三钩子 ── ① 75 个百分点的空档：同行都在跑，多数在原地跑
        ② 超级明星：+33.5% vs +163%，AI 放大差距不缩小差距
        ③ +55% 还是 −19%：同一工具两个方向，差别全是管理问题

收尾   ── 不教你用 AI，教你验收 AI：
          价值在哪里 · 证据有多强 · 由谁负责 · 如何规模化且不失控

源自 2.1 价值断层三组数

核心三根柱子

不加这句 = 被懂行的 CFO 当场拆台。加了这句 = 显得你比咨询公司还严谨。

佐证层（同一结论的其他角度）

源自 2.5 人才与组织

超级明星效应（全课最有冲击力的一组数）

技能溢价：人才市场已经用钱投票

两轨制劳动力市场（讲岗位重构，不讲裁员）

［R025］AI 正把岗位撕成两条轨道：

• AI 高暴露岗位的技能需求变化速度，是低暴露岗位的 2 倍
• 依赖同理心、判断力、创造力的新任务，增加速度快 2.5 倍

入门级岗位的剧变（最值得管理层警惕）

全球劳动力大盘（WEF，用于宏观背景页）

源自 2.4 生产率实证

任务级：有效的证据（都是受控/准实验）

一条规律（本节结论，写成大字上PPT）

源自 2.3 中国政策与产业

国务院定了时间表（最硬的一页）

《关于深入实施"人工智能+"行动的意见》，2025年8月发布 —— ［R013］

发改委的定调：阶段变了

产业规模：市场已经足够大

能力跃迁：国产不再是短板

最扎心的一个数：数据质量

源自 2.2 全球大势速查

钱：投资在翻倍，而且不看短期回报

人：一把手亲自下场

速度：史上扩散最快的技术之一

源自 2.2 全球大势速查

落地：从试点冲向生产

钱  ── 94% 不回本也继续投，只有 6% 会撤
人  ── 72% 的 CEO 说"我就是决策人"
快  ── 3 年 53% 使用率，快过 PC 和互联网
近  ── 半年内，生产环境部署比例从 25% → 54%

制图建议

源自 2.7 BCG价值分层

三档分层（可直接做成一页）

差距有多大 ⭐

源自 2.7 BCG价值分层

第一档在做什么不一样

两组数不是同一件事，不要混用：

• 开场用 88/36/13 建立"用了≠赚到"的认知
• 自评环节用 5/35/60 让他们对号入座
• ⚠️ 不要把两组数画在同一张图上——口径不同，会被质疑

源自 2.7 BCG价值分层

好消息（不要只留焦虑）

5%   未来就绪  ── 收入增长 5倍 · 成本下降 3倍 · 1/3 已用 Agent
35%  规模化中  ── 开始见到价值 · 12% 用 Agent
60%  落后档    ── 投入可观，几乎无实质价值 · 几乎不用 Agent

第一档在做什么：
  IT 投入 +26% · AI 占 IT 预算至多 64% · 收益再投入 · 15% 预算给 Agent
  → 2028 年预期：收入增长 2倍于落后者，成本下降多 40%

关键机制 ── 复利：收益 → 再投能力 → 更大收益

源自 5.6 成熟度自评问卷

使用说明

维度一：战略与责任

□ 1. 公司有明确的 AI 优先级排序（哪些先做、哪些不做）        ___分
□ 2. 每个 AI 应用有明确的业务第一责任人（不是 IT）           ___分
□ 3. 高管团队能用同一套话说清"我们为什么做 AI"              ___分
□ 4. AI 结果写进了某个人的绩效考核                          ___分
                                            维度均分 ___

维度二：成本与价值

□ 1. 说得出主要流程的单位成本（每单/每工单/每次对话）        ___分
□ 2. 每个 AI 项目立项前有基线数据                           ___分
□ 3. 有 AI 收益被 CFO 或财务 BP 正式确认过                  ___分
□ 4. 算 ROI 时包含了人工复核和数据治理成本                  ___分
                                            维度均分 ___

维度三：数据基础

□ 1. 主数据已标准化（物料、客户、供应商编码统一）           ___分
□ 2. 关键流程的事件日志可导出（案例ID+活动+时间戳）          ___分
□ 3. 数据做了分级分类，权限最小化                           ___分
□ 4. 知道自己有多少条"结构完整、带标签"的可用数据            ___分
                                            维度均分 ___

维度四：流程与场景

□ 1. 知道标准流程和真实流程的差距（有多少种变体）            ___分
□ 2. 知道哪一步等待最长、返工最多                           ___分
□ 3. 在推的 AI 项目 ≤ 5 个，且有"不做清单"                  ___分
□ 4. 试点有对照组或历史基线                                 ___分
                                            维度均分 ___

维度五：组织与人才

□ 1. 有"AI 如何重塑岗位"的路线图                            ___分
□ 2. AI 预算中给人（培训、变革）的比例 ≥ 25%                ___分
□ 3. 会用 AI 的骨干有额外的保留机制                         ___分
□ 4. 员工清楚公司对 AI 与岗位的立场（增强还是替代）          ___分
                                            维度均分 ___

源自 5.6 成熟度自评问卷

维度六：治理与风险

□ 1. 有书面的 AI 使用指引，并已宣贯                         ___分
□ 2. 有明确的牵头部门或治理组织                             ___分
□ 3. 高风险输出有强制人工签字环节                           ___分
□ 4. AI 参与的决策有留痕，可审计回溯                        ___分
□ 5. 有供应商退出方案（能换、数据能带走）                    ___分
                                            维度均分 ___

计分与定位

雷达图（现场画）

        战略与责任
            5
   治理  4     成本
   与风险 3      与价值
        2
   组织 1        数据
   与人才        基础
        流程与场景

六个维度的最快补短板动作

六维度 ── 战略责任 · 成本价值 · 数据基础 · 流程场景 · 组织人才 · 治理风险
计分   ── 每项 1-5 分，六维均分求和，满分 30
定位   ── 24-30 未来就绪(5%) / 15-23 规模化中(35%) / 6-14 落后档(60%)

⭐核心 ── 看最短的那根，不看最长的
         规模化是串联过程，任何一环断了后面全断

补短板 ── 六件事里四件零成本，这周就能做完

• 不记名是关键。记名的话所有人都会打 4 分。
• 现场念几张时，只念分数分布，不评价具体公司。
• 如果全场普遍在 10 分以下——这是好事，说明他们诚实。要立刻说："全球 60% 的公司在这一档，你们不孤单。"
• 如果有人打了 28 分——私下问一句"哪个 AI 收益被 CFO 签过字？"，通常会发现是高估。

源自 2.1 价值断层三组数

反向证据（让 13% 变成可达目标）

不要只讲断层，否则老板会得出"那就再等等"的结论。必须紧跟一句：断层是可以跨的，而且有明确条件。

三根柱  ── 88% 已采用 → 36% 已规模化 → 13% 拿到企业级价值
⚠️必说  ── 三项调查口径不同，不构成同一漏斗

佐证    ── 只有 34% 在真正重构业务（Deloitte）
        ── 技术预算 : 人的预算 = 3 : 1（Accenture）
        ── 仅 35% 高管有劳动力重塑路线图

三成因  ── 成本不透明 · 流程不可见 · 收益不认账

13%不是运气 ──
  ×2.5  五项要务全落实      ×3    做深一个核心流程
  ×4.5  战略投入 Agent 架构  +88%  重塑工作方式得分

源自 2.1 价值断层三组数

制图建议

• 图型：三根柱子（88/36/13），断崖式，柱间用虚线箭头连接并标注"口径不同"。
• 配色：88% 灰、36% 中灰、13% 高亮色（红或橙）。
• 页脚：数据来源：Stanford HAI, AI Index 2026；Accenture, Making Reinvention Real with Gen AI。三项调查样本与口径不同，不构成同一漏斗。访问日期 2026-08-05。
• Mermaid / ECharts 源码见 6.2。

源自 2.5 人才与组织

组织侧最大的缺口

增员  ── AI 暴露度最高的公司，人员增速是最低组的 2 倍
放大  ── 头部 20% 人均营收 +163%，同组平均 +33.5%（5倍差）
溢价  ── AI 技能工资溢价 62%（去年 57%）
两轨  ── 22% 岗位专业化(工资+42%) / 52% 平民化
新人  ── 入门岗 52% 的新技能要求是"资深能力"（低暴露组仅 7%）
大盘  ── 全球净增 7,800 万岗位；100 人中 59 人需培训，11 人拿不到
缺口  ── 预算 技术:人 = 3:1，但差距在"人"这侧拉开

源自 4.1 经营闭环七步法

七步详解

每一步对应本库哪一节

与信通院官方框架的对照（国企/汇报场景必备）

钱在哪 → 堵在哪 → 先做哪 → 行不行 → 赚没赚 → 谁负责 → 推得开吗
  ①        ②        ③        ④        ⑤        ⑥        ⑦
                                        ↑
                              大多数公司死在这一环

源自 4.2 成本透明化

三件开源工具（课堂可演示，不需要连生产环境）

源自 4.2 成本透明化

成本树（学员产出物 1）

总成本
├── 人力          → 按流程/岗位拆 → 每个流程的人工单位成本
├── 云与算力      → 按应用/团队拆 → 每个应用的单位成本（OpenCost）
├── 软件许可      → 按使用率拆   → 闲置席位占比
├── 外包与采购    → 按品类拆     → 单价 vs 市场基准
└── 质量成本      → 返工/漏检/停线/赔付  ← 最常被漏掉的一大块

源自 4.2 成本透明化

三个必问的单位成本（学员带走）

□ 每单位业务量的成本是多少？   （每张订单/每个工单/每次对话/每份报价）
□ 这个成本在同行是什么水平？   （没有基准就没有目标）
□ 成本里有多少是"重复劳动"？   （这才是 AI 的射程范围）

源自 4.11 FOCUS成本口径

⭐ 四种成本（FOCUS 核心概念）

FOCUS 是什么

以前：AWS 一套字段，Azure 一套，阿里云一套，SaaS 各一套
      → 想看"全公司在 AI 上花了多少" → 要人肉对齐几十个字段

现在：全部导出成 FOCUS 格式 → 同一套字段 → 一张表看全部

43 个标准字段（按用途分组）

源自 4.11 FOCUS成本口径

三个可以立刻做的动作

□ 1. 让 CIO 把云账单导出成 FOCUS 格式（各大云厂商已支持）
□ 2. 查标签覆盖率 —— 有多少支出能明确归属到业务线？
□ 3. 把所有成本汇报口径统一到 EffectiveCost，写进制度

课堂演示（不用真实账单）

⭐四种成本 ── ListCost 标价 · ContractedCost 合同价
            · BilledCost 账单 · EffectiveCost 实际有效成本（摊销后）
            → 单位经济性、部门分摊、ROI 只能用 EffectiveCost

坑        ── 用 BilledCost 做分摊：预付那个月被冤枉，后面月份在白嫖

FOCUS     ── 跨云/SaaS/自建的统一成本词汇，43 个标准字段
最重要字段 ── Tags（决定"这笔钱算谁的"）
第一个KPI  ── 不是省了多少钱，是标签覆盖率

三动作    ── 导出 FOCUS 格式 · 查标签覆盖率 · 口径统一到 EffectiveCost

源自 4.2 成本透明化

责任矩阵（学员产出物 2）

源自 4.3 流程诊断

四个必问（学员带走）

□ 1. 标准流程几步？实际有多少种变体？
□ 2. 哪一步等待时间最长？等在谁那里？
□ 3. 返工率多少？返工的是同一类问题吗？
□ 4. 有多少笔业务绕过了必经审批？

从流程诊断到 AI 场景（本节的落点）

诊断完，用三个筛子过一遍：

重复多  → 自动化 / Agent 执行
等待长  → AI 预填 / 智能路由 / 并行化
返工多  → AI 规则校核 / 一次做对

源自 4.3 流程诊断

学员产出物：目标流程与瓶颈图

• 当前真实流程（含主要变体占比）
• 三个最大瓶颈（等待/返工/绕流）
• 每个瓶颈的候选动作：标准化 / 自动化 / AI

问题  ── 制度里的流程 ≠ 系统里的流程
方法  ── 流程挖掘：从事件日志倒推真实流程
门槛  ── 只要三列：案例ID + 活动 + 时间戳
工具  ── PM4Py（GPL，演示可用，商用须法务审查）
四问  ── 几种变体？等在谁那？返工率？谁绕过审批？
落点  ── 重复→自动化 · 等待→预填/路由 · 返工→规则校核
纪律  ── 先看清 → 能标准化的先标准化 → 剩下的再上 AI

• 流程变体图：标准流程 vs 实际前 5 大变体（附占比）
• 等待时间瀑布：每步耗时拆解，标出最长等待
• 前后对比漏斗：AI 介入后哪一步的等待/返工/流失下降

源自 4.4 场景优先级矩阵

价值维度（每项 1–5 分）

可行性维度（每项 1–5 分）

源自 2.4 生产率实证

宏观级：J 曲线，别急着看总账

注意那个 +4% 且"有培训的效果更强"：这是你劝老板给培训预算的最硬证据（也顺便给你自己的课卖了个好价）。

✅ 有效  客服 +14~15%／编码 +26~55%／营销 +50%／办公 +29%
❌ 反例  资深开发者 −19%，且自以为变快了
📏 规律  任务边界清晰 + 可重复 + 有质量监控 = 增益最强
👤 谁受益  新手 > 老手（AI 在缩小技能差距）
📈 宏观  欧洲 12,000 企业 +4%（有培训更强）；美国 2025 生产率 2.7%
⏳ 心态  J 曲线：先付成本，后见收益 —— 但要能证明在爬坡

源自 4.4 场景优先级矩阵

风险维度（决定气泡大小）

源自 2.3 中国政策与产业

AI 在工业的落点分布

［R015］工业大模型呈"两端深化、中间突破"：

治理：官方也在提示风险

落地方法论：信通院官方框架（可直接教）

能力分析 → 需求挖掘 → 方案设计 → 研发测试
  → 应用开发 → 效能评估 → 运维监测 → 运营管理

政策  ── 2027 年普及率超 70%，还剩不到 17 个月
定调  ── 从"试验探索"到"价值创造"，官方要求交账
市场  ── 2024 核心产业 9,000 亿(+24%)，2025 冲 1.2 万亿
能力  ── 国产芯片精度基本持平，等待的技术理由在消失
数据  ── 82.5% 的行业数据集内容稠密性缺失 ← 你的真实起点
落点  ── 运营管理 45.8% > 研发设计 28.3% > 生产制造 25.9%
方法  ── 信通院四阶段八步骤，汇报时最好用的语言

版权提示

政府文件与信通院报告原生中文、可摘要引用，但：

• 政府网站信息图（如发改委"一图读懂"）完整引用，不裁掉来源、日期和标识
• 信通院报告著作权保留，摘录数据须标明报告名与页码，整页图表转载需核验授权
• 详见 7.3 许可红线

源自 4.4 场景优先级矩阵

三条筛选铁律（来自 2.4 的实证结论）

✅ 任务边界清晰      ← 说得清"做对了长什么样"
✅ 可重复            ← 高频、模式化
✅ 质量可监控        ← 有人或有规则能验

源自 4.4 场景优先级矩阵

常见场景的预判（省时间用）

源自 4.4 场景优先级矩阵

工作坊流程（75 分钟标准版）

铁律  ── 边界清晰 · 可重复 · 质量可验（三缺一就先补）
配额  ── 立即启动 1–2 个 · 快赢 1 个 · 战略投入 1 个（只做准备）
加权  ── 数据就绪占可行性 40%（82.5% 的数据集有质量问题）
必交  ── 优先场景清单 + 不做清单 + 业务所有者签字
反直觉 ── 老板最想用 AI 的战略决策，恰恰是现在最不该碰的

源自 5.5 AI能力演示脚本

六步转译法（每个演示都走这六步）

1. 从经营问题开始      ← 不从技术开始
2. 选最小示例          ← 5 分钟能理解
3. 替换企业数据        ← 匿名化/合成/公开样例，绝不传真实敏感数据
4. 记录前后指标        ← 基线、结果、人工复核率、运行成本
5. 转成管理语言        ← 架构图旁必须写：责任人、风险、投入、扩展条件
6. 保留许可证与来源     ← PPT 备注记录仓库、版本、提交日期、许可证

准备

源自 5.5 AI能力演示脚本

现场四画面（缺一不可）

① 输入   ← 用户问了什么
② 输出   ← 答了什么，引用了哪份文档的哪一段
③ 耗时与 token  ← 这是账单
④ 人工校验     ← 对不对，谁来判断

管理问题（演示后立刻抛）

□ 答错了谁负责？
□ 答不上来的时候，会不会编？
□ 文档更新了，多久能反映到答案里？
□ 谁有权限看哪些文档？AI 会不会跨权限回答？

演示重点：人在驾驶位

AI 给建议 → 人判断 → 人决定采纳或拒绝 → 责任在人

现场对比（效果最好的做法）

源自 5.5 AI能力演示脚本

管理问题

• 受控实验：编码任务快约 55%［R049］
• 但另一研究：资深开发者反而慢 19%［R019］（附"后续未能复现"）

演示重点：它自己规划、自己调工具

接到目标 → 自主拆解步骤 → 调用工具 → 判断结果 → 继续或调整 → 交付

管理问题（本环节最重要）

□ 它能做写操作吗？（改数据、下单、发消息）
□ 写操作有没有审批？谁批？
□ 出错了怎么回滚？
□ 十步任务第七步错了，怎么定位？有没有留痕？
□ 它的自主范围边界在哪？超出了会不会停下来问人？

源自 5.5 AI能力演示脚本

演示翻车预案 ⭐

源自 5.5 AI能力演示脚本

演示纪律（红线）

🔴 绝不上传真实客户数据、合同、个人信息到公共 AI 服务
🔴 绝不在演示中出现密钥、内网地址、真实客户名
🔴 绝不承诺"我们也能做到这个效果"
✅ 一律使用匿名化/合成/公开样例数据
✅ 每个演示后立刻抛管理问题，把话题拉回经营
✅ PPT 备注记录：仓库、版本、commit、许可证

三演示  ── RAG（它答你判） · Copilot（它建议你决定） · Agent（它替你做）
风险线  ── 答错 → 你不再判断 → 做错了你不知道（递增且越来越难发现）

关键设计：
  RAG     故意问一个答不上来的 → 演示幻觉
  Copilot 现场计时对比 → 讲任务级≠岗位级
  Agent   故意演示一次失败 → 讲写操作审批

规矩    ── 只读放开，写操作必须审批 + 留痕
预案    ── 提前录屏；答得差是礼物；被质疑就坦白

源自 2.6 Agent与下一波

钱正在往这里走

谁在用，差距有多大

中国侧的证据

具身 / 物理 AI（制造业客户必讲）

管理含义：Agent 带来三个新问题

趋势  ── AI 从"能思考"到"能实干"（信通院原话）
钱    ── 领先组织 60% 的 AI 预算投向 Agent
价值  ── Agent 占 AI 总价值 17%(2025) → 29%(2028)
分水岭 ── 使用率：未来就绪 33% / 规模化中 12% / 落后 ≈0
反直觉 ── 封装好的通用智能体，性能可优于顶级大模型本身
物理AI ── 58% → 80%（两年内），亚太领跑

管理  ── 以前 AI 出错给你错答案，以后 AI 出错替你做错事
规矩  ── 只读放开，写操作必须审批 + 留痕

源自 4.9 技术选型决策表

决策一：开源 还是 闭源

□ 我们有没有能维护开源模型的团队？（没有 → 闭源）
□ 数据能不能出企业？（不能 → 开源+私有化部署）
□ 三年后换供应商，成本多大？（大 → 优先开源）

决策二：怎么让模型"懂业务"（四选一或组合）

□ 先做 RAG，跑三个月，看还差什么   ← 90% 的企业应该从这里开始
□ 差在"不懂行话" → 指令微调
□ 差在"知识不全" → 补知识库，不是微调
□ 差在"任务模式特殊" → 才考虑微调

决策三：部署在哪

源自 4.9 技术选型决策表

决策四：用多大的模型

四个决策的组合建议（按企业类型）

四个岔路口（老板要拍板的）：
① 开源 还是 闭源      → 决定 团队投入 与 退出难度
② RAG 还是 微调       → 90% 的企业应该先做 RAG
③ 公有 / 私有 / 混合  → 决定 数据安全 与 前期投入
④ 大模型 还是 小模型   → 最容易省钱的一个决策

⚠️ 官方原话：RAG 只能"在一定程度上"缓解幻觉
   → 人工复核成本永远不能从预算表里删掉

源自 4.12 智算云五层架构

五层架构（信通院原始命名）

• AIIaaS：革新智能基础设施架构，助力模型高效训练推理
• AIPaaS：重塑 AI 开发服务范式，加速 AI+ 应用规模化落地
• MaaS：提供全流程服务能力，成为大模型工程化落地的重要载体
• AISaaS：驱动企业级应用智能化，大幅提升业务场景运行效率
• AIMSP：聚焦 AI 云专业技术服务，打通端到端大模型应用交付体系

⭐ 用这五层拆预算（本节核心工具）

三个决策问题（CIO 拍板用）

□ AIPaaS 层：优先选支持开放标准、模型可替换的平台
□ MaaS 层：至少接两家模型供应商，保持切换能力
□ AIMSP 层：合同里写明数据与知识库的导出条款

与市场趋势的呼应

五层  ── AIIaaS 基础设施 → AIPaaS 平台 → MaaS 模型 → AISaaS 应用 → AIMSP 交付服务
      （信通院《云计算蓝皮书（2025年）》智算云体系架构）

⭐加一行 ── 人工复核（不在技术架构里，但常是最大的运营成本）

自建原则 ── 只有"规模够大 + 是差异化来源"才自建
          绝大多数企业：只有数据和场景是自己的，其余全买

防锁定  ── AIPaaS/AIMSP 最易锁定
         → 选开放标准 · 至少接两家模型 · 合同写明数据可导出

最易省钱 ── MaaS 层：按场景分层用大小模型

源自 3.1 案例速查表

全表

按行业索引

按管理主题索引

讲案例的四步固定句式

不管讲哪个案例，都走这四步。学员会记住这个句式，比记住案例本身更有价值。

1. 它原来卡在哪？      ← 基线。没有基线的案例不值得讲
2. 它改了什么？        ← 改流程 还是 只换工具
3. 数字怎么来的？      ← 谁测的、什么口径、A还是B还是C
4. 换成你，前提是什么？ ← 落到听众自己身上

⚠️ 讲案例的三条纪律

• 不讲替代人数，讲经营结果。Klarna 那个"700 人当量"最好紧跟一句服务时长和重复咨询率——只讲人数会被问"那服务体验呢"。
• 区间要解释。纺织案例"成本降 15%–50%"跨度很大，必须说明是不同企业基线差异，不是同一家波动。
• C 级案例只当假设。广联达（C+）、鼎捷（C）来自媒体与供应商口径，讲的时候明确说"这是假设，不是承诺"。

详见 3.4 证据分级与打假清单。

源自 3.2 国际标杆卡片

数字

注意事项

• ⚠️ 不要只讲"替代 700 人"，必须同时给服务时长、重复咨询、满意度
• ⚠️ Klarna 后期对人工客服策略有调整，若被问到，答："这恰恰说明 AI 客服不是一次性替换，是持续调优的人机配比问题"

数字

数字

为什么这张卡值钱

样本大、在真实工作环境中测（不是实验室），适合行政、销售、财务、知识工作场景。

源自 3.3 中国实践卡片

数字（五个维度一起动，这是它最值钱的地方）

为什么这张卡是王牌

• 有真实财务数字（营收、利润到小数点），不是"提升 XX%"的空话
• 五个维度同时改善——正好演示"质量成本"模型
• 国产化率 98%——国企、军工、供应链安全敏感客户的必杀
• 打通 ERP/MES——证明它不是孤岛试点

数字

数字

源自 3.3 中国实践卡片

补充案例（备选，按需取用）

中国案例的组合讲法

国家电网(7) → 纺织(6) → 电容质检(5)
 先数字化      有价格能算账   五维度全打通

源自 3.2 国际标杆卡片

数字

讲法：四级指标阶梯（本卡的核心教学价值）

采用率  ── 10 万人拿到了工具
   ↓
频率    ── 70% 每周真的在用   ← 大多数公司死在这一步
   ↓
时间    ── 人均每周省 3 小时
   ↓
经营结果 ── ？？？            ← 这一步案例没披露

注意事项

• ⚠️ B 级：客户案例网页，数据为企业自报
• ⚠️ "80% 效率增益"是选定流程的最高值，不是平均值，不能当整体口径

三张卡的组合讲法（推荐顺序）

Copilot(2) → M365(3) → BBVA(4) → Klarna(1)
 任务级实验 → 真实环境 → 组织级规模 → 财务确认

源自 3.4 证据分级与打假清单

三级证据标准（教给学员的核心工具）

四类数字标签（比三级分类更细，用于报告数据）

课件里每个数字都应归入一类：

打假清单：老板可以带走的 8 个问题

□ 1. 基线是什么？        没有"改造前"的数字，任何百分比都不成立
□ 2. 谁测的？            供应商自测 / 客户测 / 第三方测，成色差三级
□ 3. 有对照组吗？        没有对照组，就分不清是 AI 的功劳还是别的
□ 4. 样本多大？多久？    3 个人用 1 周，和 3,000 人用 1 年，不是一回事
□ 5. 只挑了积极用户吗？  只采访自愿参与者 = 自动过滤掉失败者
□ 6. 质量测了吗？        只报速度不报质量的数字，一律打对折
□ 7. 成本算全了吗？      模型、集成、数据治理、人工复核、运维，缺一项就是假账
□ 8. 谁签字确认？        没有 CFO 签字的收益，都还只是 PPT

源自 3.4 证据分级与打假清单

五个最常见的数字陷阱（讲一个笑一片）

本课自己的数字，也要接受同样检验

A级 = 监管/财报/实验    → 进董事会决议
B级 = 企业自报          → 进立项报告
C级 = 媒体/供应商转述    → 进头脑风暴

问 8 句：基线？谁测？对照组？样本？只挑好的？质量？成本全吗？谁签字？

防 5 坑：任务级外推 · 时薪折现 · 只报最高 · 幸存者偏差 · 只看平均准确率

源自 4.6 ROI核算模板

五个出口条件（本课最值钱的一页）

省下的时间要变成财务收益，必须至少满足一条：

□ 1. 减少加班、外包或新增招聘
      → 直接成本下降，最硬

□ 2. 相同人员下提高订单/案件/客户处理吞吐
      → 产能释放，需要有增量需求接住

□ 3. 缩短上市/报价/收款/研发周期，产生增量收入
      → 收入侧收益，通常最大但最难证明

□ 4. 将人员容量重新配置到明确可衡量的高价值任务
      → 必须说出"配置到哪、怎么衡量"，否则无效

□ 5. 降低错误、返工、事故、合规或客户流失损失
      → 质量成本，最常被低估

ROI 公式

              年度化已兑现收益 − 年度化总成本
    ROI =  ──────────────────────────────────
                    年度化总成本

源自 4.6 ROI核算模板

收益折扣建议（风险折扣怎么打）

源自 4.5 KPI五层指标树

五层指标树

        ┌─────────────────────┐
        │  ① 财务结果          │  ← 董事会只看这一层
        ├─────────────────────┤
        │  ② 运营结果          │
        ├─────────────────────┤
        │  ③ 客户结果          │
        ├─────────────────────┤
        │  ④ 人才结果          │
        ├─────────────────────┤
        │  ⑤ 风险结果          │  ← 出事的时候只看这一层
        └─────────────────────┘
   （调用量、活跃数在树之外——那是健康度监控，不是价值）

源自 4.5 KPI五层指标树

每层的"必须配对"规则（本节精髓）

BBVA 四级阶梯（讲"为什么不能跳层"）

采用率   ── 10 万员工拿到工具
   ↓  （大部分公司在这里就开始吹）
频率     ── 70% 周活跃
   ↓  （多数公司死在这一步）
时间     ── 人均每周省 3 小时
   ↓  ← ⚠️ 最难的一跳
经营结果 ── ？

源自 4.5 KPI五层指标树

指标树填写模板（学员产出物）

• 基线列空着的，不许进 ROI 评审。
• 每层至少一个指标 + 一个配对反向指标。
• 最后一列只有 CFO 或财务 BP 能填。

树外  ── 调用量、活跃数 = 健康度监控，不是价值
① 财务  EBIT / 成本避免 / 利润 / 现金流 / 回收期
② 运营  周期 / 吞吐 / 一次通过率 / 返工率 / 单位成本
③ 客户  响应 / 一次解决 / 转化 / 留存 / NPS
④ 人才  周活 / 熟练比例 / 任务覆盖 / 技能迁移
⑤ 风险  错误率 / 幻觉率 / 信息暴露 / 复核率 / 审计发现

铁律  ── 正向指标必须配对反向指标，否则不许上报
铁律  ── 没有基线，不进 ROI 评审

• 治理/成熟度雷达图：五层各打分，看短板（配合 4.7）
• 四级阶梯漏斗：采用率 → 频率 → 时间 → 经营结果，标注每级衰减

源自 4.6 ROI核算模板

完整模板（学员产出物 3）

源自 4.6 ROI核算模板

ROI 瀑布图（推荐图表）

毛收益 ██████████████████  100
  模型与算力      ▼ −12
  集成开发        ▼ −18
  数据治理        ▼ −15
  人工复核        ▼ −22   ← 最大的那一块
  变革培训        ▼  −8
  持续运维        ▼ −10
净收益 ███              15

五出口 ── 减招/外包 · 吞吐 · 周期→收入 · 容量重配 · 损失避免
        （一条都勾不上 = 收益路径没设计）

分母8项 ── 算力·许可·数据治理·集成·安全合规·培训·人工复核·运维
        （人工复核最常漏，可吃掉 60% 毛收益）

三数字 ── 理论潜力 / 风险折扣后 / 财务已确认 → 高管只看后两个

铁律   ── 没有基线，不进评审；没有 CFO 签字，不算收益

源自 2.8 幻觉与治理实证

幻觉率实测（26 个模型）

⭐ 最危险的发现：用户说错话，模型就跟着错

其他四条实测（每条都有管理动作）

源自 2.8 幻觉与治理实证

企业最常参照的规范（采购与合规话术用）

幻觉  ── 26 个顶级模型，幻觉率 22% ~ 94%（不是 2%~9%）
      ── 低幻觉率 = 更懂得"什么时候承认不知道"
      ── 选型第一原则：不选最会说的，选最知道自己不会的

⭐最危险 ── 错误前提说成"别人相信的"→模型会纠正
          说成"我相信的"→性能崩塌
          → 员工带着错前提去问，AI 会顺着他，还做得更专业
          → 人工复核不能只看输出，要看输入的前提

四实测 ── 方言掉近一半准确率 · 越狱后所有模型防线下降
       ── 透明度倒退（58→40）· 安全/公平/准确互相打架

事故  ── 2022前<100 → 2024: 233 → 2025: 362
治理  ── 无制度企业 24%→11%；最大障碍是知识缺口 59%
参照  ── GDPR 60% · ISO/IEC 42001 36% · NIST AI RMF 33%

• 幻觉率分布条形图：26 个模型排序，22%–94%，两端高亮
• 前提污染对照图：「别人相信」vs「我相信」两栏，后者标红崩塌
• 事故增长曲线：<100 → 233 → 362
• 治理补课双柱：无制度企业 24% → 11%

源自 4.10 风险清单NIST与信通院

NIST 生成式 AI 十二类风险

NIST 的三类归并（汇报时更好讲）

源自 4.10 风险清单NIST与信通院

企业最该盯的四类（讲课只讲这四个）

信通院"两横三纵"实践框架

                 开发侧      部署侧      应用侧
              ┌──────────┬──────────┬──────────┐
   管理（横） │  制度牵引 · 权责清晰 · 审计追踪        │
              ├──────────┼──────────┼──────────┤
   技术（横） │  能力支撑 · 护栏工具 · 监测预警        │
              └──────────┴──────────┴──────────┘
                     ↓ 产业多元共治（生态协同）

源自 4.10 风险清单NIST与信通院

五个实践模块

企业内部治理的四件事（信通院原文，可直接抄进制度）

NIST 十二类 ── 虚构·隐私·偏见·人机配置·信息完整·信息安全·知识产权·价值链… 
NIST 四动作 ── 治理 Govern → 识别 Map → 测量 Measure → 管理 Manage

企业盯四类 ── 🔴幻觉 · 🔴数据泄露 · 🟡过度依赖 · 🟡供应商不透明
最隐蔽的   ── 人机配置：风险在第六个月最高，不是上线那天

信通院框架 ── "两横三纵"
  两横：管理 + 技术       三纵：开发侧 + 部署侧 + 应用侧
  五模块：风险管理·模型研发·系统部署·应用运行·产业生态

最低成本第一步 ── ① 出一个使用指引  ② 定一个牵头部门

源自 4.7 治理与风险闸门

人机责任分工（一张泳道图讲清）

┌─────────┬──────────────┬──────────────┐
│  AI 执行 │  人工复核     │  系统自动     │
├─────────┼──────────────┼──────────────┤
│ 起草     │ 高风险条款    │ 归档          │
│ 抽取     │ 金额与期限    │ 校验规则      │
│ 分类     │ 异常升级      │ 权限控制      │
│ 初判     │ 最终签字      │ 日志留痕      │
└─────────┴──────────────┴──────────────┘

• AI 起草，人签字。 对外承诺、财务金额、法律条款，最终责任在人。
• 复核率是可管理的指标，不是固定成本——从 100% 逐步降到合理水平，本身就是成熟度证明。
• 异常必须有升级路径，且升级路径上有真人。

源自 4.10 风险清单NIST与信通院

采购问卷（学员带走，问供应商用）

□ 底层用的是哪个模型？开源还是闭源？版本号？
□ 训练数据来源是什么？有无版权瑕疵？        ← NIST #10 #12
□ 我们的数据会不会用于你们的模型训练？        ← NIST #4
□ 部署在哪？数据出不出我们的网络？
□ 有没有内容安全护栏？拦截规则谁定？          ← NIST #2 #3
□ 提示注入和数据投毒的防护措施是什么？        ← NIST #9
□ 输出错误的责任如何划分？合同怎么写？
□ 如果我们要换供应商，数据和知识库能否导出？  ← 退出方案

• 两横三纵框架图（Mermaid 网格）
• 十二类风险热力图（行=风险，列=可能性/影响）
• 治理成熟度雷达（见 4.7）

源自 4.7 治理与风险闸门

治理成熟度雷达（自评工具）

六个维度，各打 1–5 分：

        策略与责任
            │
   Agent ───┼─── 数据
   控制     │    治理
            │
   人员 ────┴──── 模型
   培训          监控
        安全与合规

五闸门 ── 立项 → 原型 → 试点 → 财务确认(CFO签字) → 规模化
          ①      ②      ③      ④ ⭐            ⑤

七风险 ── 幻觉 · 泄密 · 越权 · 影子AI · 供应链锁定 · 合规 · 责任不清

分工   ── AI 起草，人签字；复核率是可降的指标；异常升级必须有真人

框架   ── NIST GenAI Profile【R027】+ 信通院安全治理蓝皮书【R016】
          Govern → Map → Measure → Manage

金句   ── 赛车装刹车不是为了开慢，是为了敢开快

源自 4.8 信通院落地方法论

四阶段 · 八步骤 · 五层要素

诊断 ──────→ 建设 ──────→ 应用 ──────→ 管理
 │            │            │            │
能力分析      方案设计      应用开发      运维监测
需求挖掘      研发测试      效能评估      运营管理

五层要素（每一步都要看这五层）：
基础设施层 · 数据资源层 · 算法模型层 · 应用服务层 · 安全可信层

1. 基础资源完备度

2. 人才团队配比平衡度

3. 战略规划契合度 ⭐

应用阶段：五层成熟度评估体系

信通院给出的评估维度，可直接转成企业自评表：

源自 4.8 信通院落地方法论

管理阶段：三件事

四阶段  ── 诊断 → 建设 → 应用 → 管理
八步骤  ── 能力分析·需求挖掘｜方案设计·研发测试｜应用开发·效能评估｜运维监测·运营管理
五层    ── 基础设施 · 数据资源 · 算法模型 · 应用服务 · 安全可信

诊断三评 ── 基础资源完备度 · 人才团队平衡度 · 战略规划契合度 ⭐
成熟度五层 ── 基础设施 / 数据资源 / 算法模型 / 应用服务 / 安全可信
关键指标 ── 场景渗透率 · 业务优化率 · 投入产出比（官方口径）

用途    ── 向上汇报的通用语言，没人会质疑框架本身

• 四阶段八步骤流程图（Mermaid，见 6.2）
• 三项就绪度雷达（自评打分，1–5 分）
• 五层成熟度热力图（行=五层，列=五个成熟度等级）

源自 5.4 课堂产出模板

A 区：候选场景打分

□ 任务边界清晰    □ 可重复    □ 质量可监控
（三缺一 → 先补；缺两个以上 → 进不做清单）

B 区：优先场景（最多 3 个）

基线（不填这一栏，不进 ROI 评审）

收益出口（必须勾至少一条）

□ 1. 减少加班、外包或新增招聘
□ 2. 相同人员下提高吞吐          → 增量需求从哪来？__________
□ 3. 缩短周期产生增量收入        → 增量收入怎么衡量？________
□ 4. 容量重配到高价值任务        → 配置到哪？怎么衡量？______
□ 5. 降低错误/返工/事故/流失损失  → 当前损失金额？__________

五层 KPI（每层至少一个正向 + 一个配对反向）

ROI 三数字

表 3｜90 天行动计划（五道闸门）

源自 9.1 CXO术语表

能力类

做法类（四个决策相关）

成本与部署类

治理类

评估类

最容易被忽悠的五个词 ⭐

计费单位  Token —— 用量翻倍，钱就翻倍
起点      RAG —— 90% 企业的正确起点
陷阱      幻觉永远存在 → 人工复核成本删不掉
省钱      小模型 vs 大模型，成本可能差一个数量级
安全      写操作必须审批，只读可放开
硬指标    基线 · 对照组 · 一次通过率 · 单位经济性
防忽悠    准确率 / 零幻觉 / 开箱即用 / 行业大模型 / 提效80%