四本账：量化结果对照
先把四组数字摆在一起。需要说明的是，各组客户彼此匿名，且每一家测量的东西并不相同，因此行与行之间不构成排名。
| 职能 / 行业 | 具体岗位 | 量化结果 | 回报来源 |
|---|---|---|---|
| 采购，全球生物制药 | 按采购规则审查采购请求 | 单笔成本 11.57 → 1.21 美元（-90%）；决策率 36% → 85%；第七周达每周 2,712 条 | 单位成本 |
| 物流，货运 | 在 50 多个无 API 的供应商门户中结算订单 | 浏览器智能体准确率 >95%；结算周期 -40%；年回收 20,000+ 人工小时 | 产能释放 |
| 财务，零售市场平台 | 跨数千份工作说明书、五种计费类型的月度账单 | 账单周期 -50%；年回收 150,000+ 人工小时；100% 符合 SOP 与 SLA | 协调成本 |
| 生产 QA 与 IT，制药 | 已执行批记录的初审；供应商准入 | 影响估计为八位数；供应商准入周期从数周降到数小时；数百个数字员工已部署或在推进 | 周期与合规 |
这四个案例全部来自同一家供应商的客户，且数值由该供应商公布。它们说明的是「在选得好的岗位上可能达到什么水平」，而不是「任何部署都能拿到什么回报」。原文本身也给出了两条提醒：各公司测量指标不同，因此不构成排名；以及这些结果展示的是可能性而非普适性。本文后续所有引用均在此前提下展开。
采购：单位工作最清晰的那本账
采购请求审查是一个单位工作边界极其明确的岗位。人工审查者需要逐条核对：金额与币种、报价是否已过期、该采购是否落在既有的多年期合同之下、以及适用哪套税务规则。原文对这个岗位人工状态的描述是「慢且不一致」。
AI 员工于 2026 年 6 月上线，首周处理 205 条请求，其中对 36% 给出决策建议，64% 转人工复核。团队随后重构了智能体处理规则与例外的方式，决策率升到 85%，人工复核降到 15%。到第七周，周处理量达到 2,712 条。
因为单位工作清晰，「单笔成本」这个分母和分子都能精确定义：11.57 美元是把该岗位上人员与工具的全负荷成本除以处理量得到的基数，1.21 美元是智能体介入后的同口径数字。当单位工作可枚举、规则可书写、输出可判定时，ROI 天然容易陈述。这也是为什么采购类岗位常被当作智能体落地的起步场景。
还有一个关键的工程细节：智能体对不确定的请求一律转人工，因此它从上线首日就能跑在真实请求上，不需要先经历一个离线验证期。这个「不确定即让位」的设计，是它与后续所有改进得以叠加的前提——先保证不出错，再逐步提高自主率。
货运与账单：量、交接与准确率波动
货运部署每月处理超过 50,000 个案件，横跨 50 多个供应商门户。改造前，这意味着一个门户配一名分析师，且积压持续增长。AI 员工的做法是：找到每个供应商的标准作业程序，通过浏览器自动化登录并照做，并把每一次门户会话全程录像。案例报告在无任何 API 集成的前提下达到超过 95% 的浏览器智能体准确率，异常件连同录像一起升级给人工。
账单部署的回报来自另一个地方。原文明确指出它的瓶颈不是计算而是协调：从交付团队收集数据、对照合同条款校验、再把发票包路由去审批。AI 员工负责请求数据、持续跟进直到数据到达、套用费率卡、并准备好带审计轨迹的整套材料。结果是账单周期下降 50%、年回收 150,000 以上人工小时。
| 对比维度 | 货运部署 | 账单部署 |
|---|---|---|
| 月处理量 | 50,000+ 案件 | 数千份工作说明书，五种计费类型 |
| 系统衔接方式 | 50+ 门户，无 API，纯浏览器自动化 | 交付团队、合同与计费系统之间的协调 |
| 浏览器智能体准确率 | >95% | 门户依赖环节 >70% |
| 主要结果 | 结算周期 -40%，年回收 20,000+ 小时 | 账单周期 -50%，年回收 150,000+ 小时 |
| 可核验手段 | 门户会话全程录像 | 审计轨迹与 SOP 合规记录 |
这张对照表里最有价值的一行是准确率：账单部署的门户依赖环节只跑到 70% 以上，明显低于货运的 95%。原文由此得出的结论是准确率随任务类型变化，而准确率越低，需要的人工复核越多，每单净节省也就越小。这一点在估算 ROI 时经常被忽略——用单一准确率去推算整条流程的收益，几乎必然高估。
制药：时间与控制带来的回报
制药部署的起点是生产环节的批记录审核。此前 QA 审查者逐份手工核对每一条批记录，是放行周期的瓶颈。AI 员工对照企业的 GMP 程序做初审：干净批次直接送 QA 确认，被标记的批次附带结构化的升级报告。项目随后扩展到临床、法规、商业化与 IT 运营，覆盖五个职能。
公布的结果是：影响估计在八位数，供应商准入的周期时间从数周降到数小时。这里的「八位数」是估计值而非实测值，且未披露货币单位、口径与测算方法，引用时应作为量级参考而非精确数字。另一个细节更能说明问题：该部署发现多数底层流程其实是没有文档的，而把流程显性化本身就是项目工作量的一部分。这一条对任何想复制该路径的团队都至关重要——智能体不能替代流程梳理，它只会把流程缺失暴露得更早。
高回报岗位的五个特征
把四个部署与斯坦福 HAI《2026 AI Index》经济章节的发现放在一起，可以抽出五个反复出现的特征。
- 量大。每月重复数千次的岗位能把搭建成本摊薄到大量案件上。货运跑到每月 50,000 案件以上，采购达到每周 2,712 条。
- 有书面规则。采购审查遵循采购政策，货运遵循每个供应商的标准作业程序。规则写在纸上，智能体才有东西可被 briefing。
- 例外可以识别。生物制药的智能体把不确定的请求转给人，随着团队把更多例外编码进去，决策率从 36% 升到 85%，人工复核从 64% 降到 15%。
- 跨系统交接。货运横跨 50 多个无 API 门户，账单横跨交付团队、合同与计费系统。凡是需要人工缝合的工作，回收的小时数最可观。
- 输出可核验。审查者能读智能体对采购请求的推理、能看门户会话录像、能复核被标记的批记录。可核验性是团队敢于扩大范围的信任基础，也与斯坦福关于「输出易于监控的岗位收益更大」的判断一致。
斯坦福该章节同时给出了一组方向性数字：客服 14% 到 15%、软件开发 26%、市场产出 50% 的生产力增益，并指出需要更深度推理的任务增益更小。需要提醒的是，该章节未点名底层研究，这些数字宜作方向参考；它们测量的是特定任务中的生产力，不是企业 ROI，也与上面的单笔成本数字不可直接换算。
四类低回报场景
原文同样列出了回报较低的情形，这对做商业论证比成功案例更有用。
- 低频岗位。如果一个任务每季度只发生几十次，搭建与监督的固定成本可能超过节省下来的小时数。
- 规则未定义。如果正确答案依赖资深人员的判断且没有任何书面记录，就没有可供 briefing 的内容。制药部署发现多数底层流程无文档，正是这一情形的实证。
- 重推理且无可核对输出。斯坦福章节亦指出，需要更深推理的任务增益更小。
- 准确率波动。账单的门户依赖环节准确率 70% 以上，显著低于货运的 95%；准确率更低意味着更多人工复核与更小的单笔净节省。
六步复现：从基线数字到 ROI 模型
原文把 ROI 定义为：ROI =（创造的价值 − 总拥有成本）/ 总拥有成本。其中成本包含订阅、实施、变更管理与持续监督；价值包含人力回收、错误减少、周期压缩与产能释放。要填出这几行，先采集五个基线数字。
| 步骤 | 要采集的基线 | 采集方法与注意点 |
|---|---|---|
| 1 | 月处理量 | 从 ERP 或工单队列拉取，不要凭记忆估算 |
| 2 | 周期时间 | 从请求到达测量到结果完成，必须包含等待时间 |
| 3 | 单笔成本 | 该岗位人员与工具的全负荷成本除以处理量；采购案例的 11.57 美元即此数 |
| 4 | 例外率 | 统计当前需要判断或返工的案件占比 |
| 5 | 每单人工分钟 | 抽样计时，乘以处理量与负荷小时成本得到人力价值 |
| 6 | 例外路径单独建模 | 生物制药案例中人工介入比例从 64% 降到 15%，说明试点数字不是终值，须为改进留出区间 |
配套的部署顺序同样重要：选定一个有具名负责人的岗位 → 完成基线化 → 在受监督状态下跑真实案例 → 只有结果可靠后才扩展范围。这个顺序把「验证」放在「放量」之前，与采购案例里「不确定即让位、首日即可上线」的设计互为补充：前者保证安全边界，后者保证不空转。
口径红线与避坑清单
- 单一供应商样本：四个案例全部来自同一家供应商的客户，无法据此推断行业平均成功率，也不存在未披露的失败样本可供对照。
- 指标口径各不相同：一家算单笔成本、一家算周期、一家算估计影响，行与行不可横向排名。
- 「八位数影响」是估计值：制药案例未披露货币单位、测算口径与时间窗口，只能作为量级参考。
- API 缺失不等于零成本：货运与账单都依赖浏览器自动化，其维护成本随门户改版而上升，原文未给出长期维护投入的数字。
- 准确率必须分环节统计：用整条流程的单一准确率推算收益会高估净节省，应按门户依赖 / 非门户依赖分段建模。
- 流程梳理是隐藏工作量：制药部署发现多数底层流程无文档，把流程显性化的成本应计入实施成本而非被忽略。
- 示例不等于实测：原文给出的应付账款示例（每月 5,000 张发票）是带假设输入的计算演示，应复用其结构并替换全部输入，而不是直接引用结论。
整体复盘下来，这四个案例给出的可迁移经验有两条。其一是选择岗位的标准比选择工具更重要：量大、有书面规则、例外可识别、跨系统交接、输出可核验，这五条同时满足时才值得启动。其二是把不确定即让位做成默认行为——先让智能体在安全边界内跑真实流量，再逐轮把例外编码进去，决策率从 36% 到 85% 的爬升本身就是这套方法的产出。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。