第 25 章 · 算清这笔账
老板先看这一句： 再好的 PoC,说不清价值就卡在「要不要投」这一关——而你作为决策者,要的从来不是技术细节,是三句话:省了多少钱/降了什么险、凭什么信、下一步投不投。你要问团队一句:「用五分钟,能把这笔账讲明白吗?ROI 和四个投产硬指标拿得出来吗?」
如果你是老板或高管,这一章的路演脚本和 ROI 框架,是你用来判断「该不该投、投多少、先投哪」的工具——你不必自己写,但要在每一次 AI 立项评审时,要求团队用这五分钟讲清楚价值。
做得好,还得说得清
一个技术过硬的 Agent 落地工程师,带着跑了四周、指标漂亮的 PoC,去给客户高层做汇报。他从架构讲起,讲模型选型、讲 RAG 怎么切片、讲评估怎么做的……十五分钟过去,一位副总打断:「说了半天,这东西到底帮我们省了多少钱、下一步要不要投?」
他答不上来——不是不知道,是他把五分钟能讲清的价值,埋进了半小时的技术细节里。东西做得再好,说不清价值,投产决策就卡在这一步。 而很多 AI 项目,恰恰死在从 PoC 到投产的这道「说服」关口上。
这是全书的最后一章,也是交付闭环的最后一步:用五分钟,把一个 PoC 的价值说明白,让决策者敢拍板往下投。 会做,也要会说——这最后一公里,同样是 Agent 落地工程师的活儿。这一章给你一套路演脚本,再帮你把整本书的交付包总装起来,最后回到起点,给自己做一次复评。
五分钟路演脚本:五步,一步不多
路演不是技术汇报,是说服。说服不需要面面俱到,需要五步走通一条逻辑线:这事有多疼 → 我们让它好了多少 → 凭什么信 → 接下来怎么走 → 风险你不用怕。
| 步骤 | 讲什么 | 关键 | 别犯的错 |
|---|---|---|---|
| ① 痛点 | 现在这件事有多疼、代价多大 | 用他们自己的话、自己的数字 | 别一上来讲技术 |
| ② 价值 | 做完之后,哪个指标变好了多少 | 摆前后对比数字 | 别报模型指标,报业务指标 |
| ③ 验证 | 凭什么信这个数字 | 亮 Golden Dataset 跑分、迭代曲线 | 别只说「我们测过了」 |
| ④ 投产路径 | 下一步分几步走、要什么资源 | 给清晰的阶段和门槛 | 别含糊其辞「再优化优化」 |
| ⑤ 风险控制 | 万一出错怎么办 | 主动讲人审、合规、回滚 | 别等对方问、别回避 |
把开头那个技术流的汇报,用这个脚本重讲一遍,就是:
痛点:运营每天花半天人肉盯 6 个平台的竞品,还常漏看集中差评,漏一次可能就是一场公关危机。 价值:现在周报生成从半天压到几分钟,差评风险预警命中率九成以上,运营已经每天在用。 验证:这不是感觉——我们用一套真实样本的 Golden Dataset 跑分,四周迭代把准确率从六成拉到八成出头,高风险样本零漏报。 投产路径:已上线试运行;下一步接入价格自动建议,预计两周;需要的只是开通一个数据接口权限。 风险控制:只碰公开和授权数据、高风险预警必经人工确认、误报激增会自动降级为「只存档不推送」。
同样的项目,五分钟,副总要的三个答案(省多少、可不可信、要不要投)全给到了。路演脚本的本质,是替决策者把决策需要的信息,按他的逻辑排好。
高层通常还会追问八个问题，Agent 落地工程师最好提前准备：
| 问题 | 你要准备的答案 |
|---|---|
| 这东西帮我们省了多少钱或降低了什么风险？ | 业务指标 + ROI 粗算 |
| 凭什么相信不是挑样本演示？ | Golden Dataset、样本量、跑分曲线 |
| 出错谁负责？ | AIBP、Agent 落地工程师、运维、安全的 RACI |
| 错了怎么关？ | 回滚条件、降级动作、负责人 |
| 数据合规吗？ | 数据来源、授权、脱敏、租户隔离 |
| 和现有系统怎么接？ | 架构图、接口、权限边界 |
| 能不能复制到别的场景？ | 可复用交付包 + 需要重填的 30% |
| 下一步要什么资源？ | 数据权限、人力、预算、试运行时间 |
路演最后不要只说「希望继续优化」，要给决策选项：
| 决策 | 适用情况 |
|---|---|
| 继续试运行 | 指标接近目标，但还需要更多真实使用数据 |
| 扩大范围 | 核心指标过线，门禁通过，有业务方主动使用 |
| 转 MVP / 生产 | 业务价值明确，治理和交接准备到位 |
| 暂停 | 数据、合规、ROI 或采纳率不成立 |
| 复制到新场景 | 交付包可复用，AIBP 和数据路径清楚 |
算清这笔账:ROI 三维度与投产硬指标
路演脚本第②步要「摆前后对比数字」、第⑤步要「主动讲风险」。光说「效率提升明显」不够,决策者要的是可核算的账。这里给你一套能当面算的 ROI 框架。
ROI 三维度。 一个 AI 项目带来的收益,通常落在这三类里,量化时别只盯一种:
- 时间节省:重复操作省下多少人工工时。最易算,也最直观。
- 人力替代:同等产出下少用了几个人,或把人从低价值活释放到高价值活。
- 产出提升:转化率、覆盖率、响应速度等直接业务指标的改善。
一个简单公式。 别把 ROI 讲复杂,一页能写下的就够了:
ROI =(节省成本 + 增加产出)÷ AI 方案总投入
总投入别只算模型调用费,要把人力(你和小队的时间)、数据准备、集成开发、试运行损耗都算进去——很多项目算漏了人力,账面好看落地亏。
投产前的四个硬指标。 当你在路演里给出「转 MVP / 生产」的选项时,用这四个门槛替决策者把一道关;任意一项不达标,宁愿先「继续试运行」:
| 检查点 | 门槛 | 不达标意味着 |
|---|---|---|
| 流程替代率 | ≥ 60% | AI 只是锦上添花,替换价值不足以说服投产 |
| 数据可用性 | ≥ 80% | 数据常拿不到或脏,AI 表现会大幅波动 |
| 用户可接受度 | 业务方愿意切换流程 | 没人真用,再准也是摆设 |
| 可持续迭代性 | 有人负责后续维护优化 | 你一走就荒废,变成一次性演示 |
把三维度、公式、四门槛摆进路演,前面那个副总问的「省了多少钱、要不要投」,你就不是在凭感觉答,而是在拿账本答。
交付包总装:你手里到底攒下了什么
走到这里,回头清点。如果你跟着每一章的「本章产出」做下来,你的交付包已经不是散件,而是一套完整的东西:
| 阶段 | 交付物 | 出自 |
|---|---|---|
| 接住需求 | 需求追问记录、场景卡、AI 介入点图、预期管理说明、PoC 选型表 | 第 5–8 章 / 附录 A、B |
| 组队跑流程 | 阶段—节拍地图、周任务清单、需求变更池 | 第 18、20、21 章 / 附录 E |
| 造出 PoC | 工具选型地图、架构图、闭环装配图、资产管理约定、Golden Dataset、一页纸方案 | 第 14–17、22 章 / 附录 C、D |
| 验收交接运营 | 场景迁移对照表、门禁评审表、回滚预案、自主运营交接包、路演脚本 | 第 22–25 章 / 附录 F |
这就是前言里承诺的那份「填好七成的可复制交付包」。它最大的价值不在某一件产物,而在于:换一个新项目,这套结构、清单、模板、节奏原封不动,你只需重填那三成业务特有的内容(第 12 章那个案例验证过)——下一次交付,你会快得多、稳得多。你交付的从来不只是一个智能体,是一套能一次次复用的交付能力。
附录 A–I 就是这套工具箱的空白模板,随时抽出来用。
回到起点:再给自己打一次分
还记得前言里那件事吗?我请你翻到附录 H,给自己的 Agent 落地工程师成熟度打一次分,记下起点。
现在,你读完了全书。如果你还跟着走过至少一个真实(哪怕是练习)的 PoC,那么是时候再打一次分了。
翻回 附录 H,用四顶帽子 × L1–L5 的打分表,再评一次。和你在前言时记下的起点比一比——你从哪一级,爬到了哪一级?
打分不是为了那个数字。它是一面镜子,照出两件事:一是你确实长出了当初没有的能力;二是——更重要的——你的短板在哪,那就是你下一步该练的。 成熟度 L1 到 L5,不是读一本书就能封顶的台阶,而是一条要靠一个个真实项目踩上去的路。这本书能给你的,是地图和工具箱;剩下的路,得你自己去走。
📍 场景示例：老陈拿五分钟脚本，给投资人讲清「省多少、要不要投」
老陈拿五分钟路演脚本给一位看消费出海的投资人讲：痛点——月广告费 $30k、ACOS 35%，四语 Listing 一条要 2–3 天、月产仅 40 个；价值——客服响应从 18–24h 压到 2h、Listing 周产能翻倍。投资人只追一句「凭什么信」，老陈亮出 Golden Dataset 跑分曲线，对方点头；全程没讲一句 RAG 切片。
| 维度 | 改造前 | 改造后 |
|---|---|---|
| 客服首响 | 18–24h | 2h |
| 四语 Listing | 2–3 天/条，月 40 | 当天出稿，月 80+ |
| 广告 ACOS | 35%（$30k/月） | 路演承诺压到 30% |
老板决策点： 路演只报业务数字、不报模型指标——高管要的始终是「省多少、可不可信、要不要投」三句话。 ——对应 → L4 迈向 L5
常见坑
- 路演讲成技术汇报。 从架构讲起,把价值埋进细节,决策者听不到他要的答案。
- 报模型指标,不报业务价值。 说「准确率 85%」,不说「省了半天、命中率九成」——高层只关心后者。
- 回避风险。 不主动讲兜底,等对方问出来,信任当场打折。
- 交付包散着交。 一堆文件甩过去不做总装,业务方看不出这是一套可复用的方法。
- 读完不复评。 跳过第二次自评,失去了看清自己成长和短板的唯一镜子。
本章产出
老板行动点： 把「五分钟路演 + ROI 账本」设为 AI 立项的标配汇报格式——要求每个 PoC 在评审会上用这套框架讲清价值、风险和投产门槛,讲不清的不批预算;这也是你横向比较「先投哪个场景」的统一标尺。
这一章的产出,是你自己的收尾动作:
为你的 PoC 写一版五分钟路演脚本(痛点→价值→验证→投产路径→风险控制);把全书攒下的交付物按四阶段总装成一份交付包清单;最后翻到 附录 H 做第二次 L1–L5 自评,和前言的起点对照,写下你的下一个练习目标。
做完这三件事,你就完整地走了一遍 Agent 落地工程师的交付闭环——从接住一句模糊的需求,到把价值讲给决策者听。接下来,要么亲自推一个试点,要么要求团队拿这套框架来向你汇报。
读完下一步：三件事，今天就能动
书读到这里，你已经拿到了地图和工具箱。别让它在收藏夹吃灰——三件事，挑一件今天就开始：
- 给自己企业定个级。 翻回 附录 H，用四顶帽子 × L1–L5 的打分表，给自己的企业打一次分。这是你所有 AI 投入的「起点坐标」。
- 启动一份 30 天计划。 打开 附录 E 的周度清单，把前面那张路线图填成你自己的第一周任务。哪怕只定级 + 指派一位 AIBP，你也已经迈出了 L1。
- 约一次诊断。 导航栏的「预约诊断」按钮，可以约一次针对你真实场景的落地诊断——把你的痛点、数据和组织现状讲一遍，拿到一个「先投哪、投多少、怎么验收」的具体建议。
这本书最大的价值，不是你「读完了」，而是你「用起来了」。第一个场景跑通验收的那天，你就不再是「想做 AI 的企业」，而是「已经在用 AI 的企业」。
成熟度自检
- [ ] 我能用五分钟路演脚本,把一个 PoC 的价值讲到决策者敢拍板投产(→ L4 迈向 L5)
- [ ] 我能把全书交付包总装复用,并通过第二次自评看清自己的成长与短板(→ 迈向 L5)