AI 调用次数，为什么不等于业务价值？

01 / ACTIVITY

调用量首先是一个活跃度指标，而不是价值指标

从人的角度看，一旦 Agent 使用量与个人绩效、转型意愿甚至津贴挂钩，人就会自然地开始优化这个数字。

原本一次可以完成的任务，可能被拆成多轮对话；线下已经完成的工作，也可能在 Agent 中重复一遍。最终，数据证明的可能不是 AI 创造了多少价值，而是谁更擅长表现出“我正在积极使用 AI”。

从组织角度看，“一次调用”本身也缺少稳定口径。是一项完整任务、用户发出的一条消息、一次模型请求，还是 Agent 在后台执行的一次工具调用？不同统计方式，可以让同一项工作呈现出完全不同的数字。

一个调用量很高的 Agent，可能很受欢迎，也可能只是因为能力不足，用户不得不反复追问、重试和纠错。

因此，调用量适合观察系统有没有被使用、容量是否异常、采用趋势如何；它不适合直接回答 AI 创造了多少价值。

02 / VALUE PATHS

我目前用三条路径理解 AI 的价值

如果调用量不是价值，那企业应该衡量什么？我更倾向于把 AI 带来的价值分成提质、提效和使能。它们描述的是价值产生的路径，而收入、成本、风险和客户体验，才是最终承接价值的业务结果。

“提量”不必单独成为第四类。相同时间里产出更多，通常是提效的结果；过去无法生产的内容现在可以规模化生产，通常属于使能。 如果新增产出没有需求、质量不合格，也没有改变任何后续结果，它就只是更多产出，而不是更多价值。

03 / EVIDENCE

奖励的不是 AI 活动，而是经过验证的业务增量

一种更稳妥的衡量方式，是在 Agent 已经进入真实业务后，再比较使用 AI 前后的差异：原来需要投入多少时间、完成多少任务、达到什么质量；引入 Agent 后，这些结果发生了怎样的变化。

这种 before-and-after 对比也需要谨慎。业务量变化、人员熟练度提升、流程调整，都可能导致结果改善。 基线应尽量采用相同任务、相近难度和一致质量标准；高价值场景还可以用抽样复核、同期对照或小范围试点，确认差异确实主要来自新的工作方式。

真正应该追问的是：如果没有这个 Agent，业务结果会有什么不同？

04 / PRODUCTIVITY DIVIDEND

AI 创造价值之后，生产力红利由谁获得？

假设 Agent 每天为一名员工节省一小时，但公司没有立刻减少成本，员工也没有在当天增加产出。 这并不意味着价值尚未产生。

员工可以减少加班，获得更多休息和生活时间。更好的状态还可能进一步影响创造力、主动性和长期投入。 这些收益不一定立刻出现在利润表里，却是真实的个人价值，也可能转化为组织的长期能力。

节省出的时间也可能被重新投入更高质量、更具创造性的工作，或转化为更多有效产出。 但如果所有时间都被新的低价值任务重新填满，企业也许获得了短期产出，员工层面的收益却会消失。

05 / INCENTIVE

让员工愿意创造并公开效率，需要分享生产力红利

如果员工把原来八小时的工作五小时做完，公开这件事后得到的只是更多任务，那么隐藏节省出的三小时，反而是一种理性选择。

如果组织能把员工借助 AI 创造的额外产出，转化为可以确认的组织收益，那么其中一部分收益应该交还给价值创造者。 员工可以通过收入、奖金、晋升机会或时间自主权，分享自己创造的生产力红利。

如果设计激励，也应同时看见创建者和使用者的贡献：创建者承担场景识别、 设计、开发与维护，使用者则让能力进入真实工作，并持续验证、纠错和反馈。 两者的价值来自不同环节，不能只奖励其中一端。

创建决定了 AI 能不能工作，使用决定了它有没有真正创造价值。

但奖励不能绑定创建了多少 Agent、申报了多少节省工时或调用了多少次。 只有当提质、提效或使能结果经过验证后，才应该形成可分配的收益池。

06 / OPEN QUESTION

关于“质量提高值多少钱”，仍然没有通用答案

提效可以折算为工时，提量可以统计有效产出；但质量提高如何稳定地换算成收益，仍然是更难的问题。 错误率下降、返工减少、评审分数提高，都可以成为证据，却不一定能直接回答这次改善值多少钱。

我不想为了得到一个完整公式，就假装这个问题已经被解决。现阶段更诚实的做法，是明确哪些价值已经可以验证， 哪些仍需要业务方、财务和管理机制共同定义。

这篇文章不试图给出一个包办一切的公式。当前更可靠的判断是： 调用量可以用来运营系统，但只有经过验证的业务增量， 才有资格进入价值核算和激励分配。