04 AI产品价值评估-原有业务成本评估

是不是值得做？

AI智能化落地，大致有两条主线：

1. 基于已有产品或业务链路，用AI替代人力，实现降本；

2. 基于实际业务场景，构建新产品或新链路，实现增效。

前文中，我们已经完成了需求挖掘，找出了有智能化潜力的业务部分。现在问题来了：这些改造，值不值得做？

企业的本质是逐利，所有AI智能化的投入都要回到一个最核心的问题上：投入产出比怎么样？

智能化带来的是一套“新成本结构”：

• 一次性成本：设计、开发、测试；
• 持续性成本：模型调用费用（token）、维护、数据更新等；

它带来的价值则主要是：

• 成本节约：替代人力、降低流程冗余；
• 效能提升：缩短链路、提升响应、增强体验。

所以，只有当智能化带来的价值显著高于成本时，它才值得做。

AI产品价值评估整体可以分为两步：

1. 评估原有流程的成本；
2. 评估AI智能化后的新增价值。

本文聚焦第一步：如何系统评估现有业务的原始成本？

三层原始成本评估模型

我推荐使用一个三层评估模型，从单体 → 公司 → 市场，逐层拉升评估视角，既能看到局部可替代性，也能预测全局的ROI。

第一层：单体视角——评估一环成本

单体评估是指对流程中某一个环节、岗位或任务的单位成本进行测算。它是判断“AI是否具备替代价值”的第一步。

如果AI的一次使用成本，高于当前人力成本，那么从经济上来说，没必要改造。

这里举个智能简历匹配的例子，假设只考虑简历和JD的AI化匹配。

成本结构包括：每次使用大模型token成本，设计开发测试的人力成本，训练和数据成本（此处暂忽略）。

Token成本：根据调用的大模型价格表进行估算就行，每个大模型厂商都有详细的计算方式。我们以DeepSeek为例，不考虑折扣和优惠，不考虑缓存命中等情况。

假设我们匹配过程需要进行基本介绍，职位分析，匹配度分析，简历改成输出这四个步骤。我经过模拟统计，平均输入 token 为 4000，输出为 2000，计算后成本约为 0.023元/次。

按照“常识十倍法”粗评（即即便成本乘以10倍也远低于人工），0.23元/次仍远低于市场上300元/份的人工价格，这一阶段评估通过。

设计开发测试人力成本：如果需求量太少，导致单次的开发成本无法进行有效分摊，那依然没有切换的经济价值。

我们以最基础的智能体开发为例(不考虑系统集成，多轮对话，知识库构建，微调等)，根据经验大约需要 7人天，按2万元月薪估算，总成本约 6500元。

因为不设计微调，训练和数据成本暂不考虑，所以现在成本结构：一次性的开发成本(6500元)+单次使用成本(0.2元)。

那这块能等到收益是多少？我们需要通过相应的服务在市场的公开价格为基准进行评估。

市场上人工成本平均300元每份，以NovaCV产品为例子，AI化的价格每份大约1元。

目前开发成本是6500元，每份相比AI带来的价格差为0.8元。意味着我们需要完成8125次服务才能绘本。

如果你现在使用人工服务的，每条成本节约299.8元，只要22次就能完成技术成本摊销了。

所以一个项目要不要做智能化核心评估依据在于：单次使用是否大幅度提升效率，是否有足够的使用量摊销开发成本。

第二层：公司视角——评估整体ROI

单体可替代不代表一定值得做，还要看公司级别是否划算。

假设你在一个提供修改简历服务的公司，每月有200分修改简历的需求，请问值不值得做？

场景一：小型需求

假设公司每月处理200份简历：

• 人工总成本：200 × 300 = 6万元
• AI token 成本：200 × 0.2 = 40元
• 智能体开发成本：6500元

一个月直接回本，这种情况果断上AI。

场景二：大型系统替换

若企业希望开发一整套智能系统：

• 开发成本：30人月 × 2万元 = 60万元
• Token调用：3000次/月 × 0.2元 = 600元
• 保留部分人力：约2万元/月
• 总月成本 = 20600元

对比人工60万 → 改造后成本2万出头，每月节省近4万元，预计 15个月回本。这个周期是可以接受的，特别是在长期规划中。

第三层：市场视角——评估规模空间

从市场层面评估，是为了判断是否值得作为一个独立产品线来投入。

整体上我们需要考虑的有：市场定价、竞争态势，市场成本。

简历这个产品市场规模有限，不适合做市场评估的例子，我们换成私域智能体这个市场。

一般大模型进入一个细分行业，我们是很难拿到一个完整的行业分析报告的。我们可以通过费米估算法，快速做一个规模测算：

方法一：基于企业招聘

首先我们根据2019-2024年企业发布私域相关岗位薪酬分布，可以证明企业招募一名私域工作者，一年将要付出10万左右成本。

接着我们可以从企业微信的真实企业数量从侧面推算：2022年企业微信真是企业1200w家，按照只有30%的比例算，有360w家，每家1名运营人员，年成本12w计算。总成本在4320亿左右，按照AI替代率40%算，且成本要求控制在原来20%计算，市场规模大约为345.6亿。

关键评估步骤如下：

• 企业年均投入：1个私域岗位 ≈ 10万元
• 企业数量：企业微信真实企业数 1200 万 × 30% = 360 万
• 年总成本：360 万 × 12 万 = 4320 亿元
• 假设AI替代率 40%，目标成本为原来的 20%
• 可释放市场规模 ≈ 345.6亿元

方法二：基于私域日活

我们再从私域日活来测算下市场规模。私域日活5亿，按照常规C端逻辑日活大概是月活60%计算，则月活12.5亿。按照1:1000服务比例算，运营人员大概是125w人，总成本1500亿。还是按照40%替换率，成本控制在20%算，市场规模约240亿。

这个评估步骤如下：

• 私域日活：5亿 → 月活 ≈ 12.5 亿
• 运营人员按 1:1000 配置 → 125 万人
• 年成本：125 万 × 12 万 = 1500 亿元
• 替代率40%，成本控制20% → 市场规模 ≈ 240亿元

经过多种方式预估测算，可以说中性悲观预测私域AI智能体的市场规模在240-340亿左右。再叠加未来3年内的增长态势，市场规模应该在500-700亿左右。

假设一家公司哪怕只吃下3%的市场份额，年营收也可能达10亿级别。

这就回到产品投资的基本逻辑：

市场足够大 + 替代效率足够高 + 使用量足够稳定 → 才值得产品化投入。

小结：三层评估还原成本本质

在进行AI产品立项前，必须先穿透现有流程的“成本底盘”，逐层评估是否值得替换：

1. 单体层面：AI的单次调用成本是否显著低于人工？
2. 公司层面：业务量是否能有效摊销开发与维护成本？
3. 市场层面：是否具备可规模化放大的潜力？

只有这三关都大致打通，AI改造才有“现实价值”，而非空中楼阁。

如果你还在犹豫AI值不值得做，建议回到成本结构这个“第一性原理”上来，用冷静的财务逻辑，为热情的AI落地，打下一副坚实的骨架。