四组披露、三种时态：先把「已上线」和「准备上线」分开
2026 年 11 月上旬集中出现了四组企业智能体材料。它们常被并列进「落地案例合集」，但把原文时态读一遍，会发现分属三种状态（来源：OpenAI 客户故事经 Tech World News 与 unite.ai 转述、微软客户故事经 theworldofai 汇编转述、ai-outsourcing.ch《AI Agents in Production: Europe’s First Verified Numbers》、Ashling 成功案例页）。
| 材料 | 披露主体 | 时态 | 读数性质 |
|---|---|---|---|
| Heimstaden（11-03 官宣） | OpenAI 客户故事 + 多家媒体转述 | 已部署，含「估计」与「潜力」字样 | 公司自估的节省潜力与预估交付需求 |
| Imperial Heritage Caviar（11-11 客户故事） | 微软客户故事 + 技术伙伴 Deltanexx | 已上线，业主自述 | 业主估计的每日录入时间与年化节省 |
| 欧洲六家在产项目（11-03 至 11-05） | NTT DATA、E.ON、Salesforce 等经独立汇编 | 已在生产环境运行 | 汇编方称来自实时生产的测量值，但未给基线定义 |
| Ashling × UiPath × Google | 服务商成功案例页 | 准备上线，全文用「预计」「上线后」 | 上线前的预期结果，非已实现 ROI |
三种时态对应三种引用纪律：已部署且带「估计」「潜力」字样的，只能写成公司自估；已在产但由第三方汇编的测量值，需要补问基线与测量周期；准备上线的预期值，必须保留「预计」两字，不能与前三组一起算平均节省。把第四组写成「第四个成功案例」，是这类合集里最常见的一处失真（原创时态辨析）。
四组都落在「高频、文档或影像密集、规则相对明确」的流程上：房源影像与广告、多渠道订单录入、供应商确认单与采购订单、支票与汇票影像。这不是巧合，而是可复现性的前提——流程越依赖隐性判断，越难冻结基线，也越难复算公开读数。
另一个共同点是人工审批都没被拿掉：Heimstaden 明确员工仍负责复核与批准最终决定；鱼子酱厂商在订单创建前要求确认；欧洲 meimberg digital 的收据过账保留人工批准；Ashling 方案里无法验证或超出业务规则的付款转人工并附调查笔记。差别只在审批门卡在哪一层，第五节与第七节会把它拆成三层（原创结构归纳）。
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。尚未公开的是四组材料统一的基线定义、测量周期与第三方核验报告。
Heimstaden：50 欧元到不足 0.10 欧元与 13 万欧元的反推
Heimstaden 是欧洲住宅地产运营商，管理约 158,000 套住宅、资产约 300 亿欧元、覆盖九个国家（含瑞典、德国、英国、波兰）。2025 年 6 月评估多个平台后选择 OpenAI，方案建立在三根支柱上：员工培训与工具授权、中央转型办公室加 AI champions 网络、夯实基础物业管理系统与数据模型（来源：Tech World News 2026-11-04 报道，引 openai.com/index/heimstaden，另见 unite.ai 与 welcome.ai 转述）。
| 环节 | 官方案例描述 | 涉及的产品或角色 |
|---|---|---|
| 租赁定价 | AI 通过 ChatGPT Sites 构建的工具支持定价建议 | ChatGPT Enterprise |
| 房源素材 | 样式化房源图像、撰写公寓描述 | ChatGPT Enterprise |
| 质量复核 | 一个 AI agent 按公司质量标准复核所有在挂广告 | AI agent |
| 市场反馈 | AI 生成市场反馈，帮助租赁团队动态调价 | ChatGPT Enterprise |
| 最终决定 | 员工仍负责复核与批准 | 人类审批 |
量化读数集中在荷兰市场的虚拟样板间图像：单张成本从约 50 欧元降到不足 0.10 欧元，降幅超过 99%；公司估计该市场年节省潜力 13 万欧元（来源同上，原文用 estimates 与 annual savings potential）。三支柱里第三根「夯实基础物业管理系统与数据模型」被官方案例列为前提，因为动态定价与自动广告生成都依赖可访问、干净的数据模型——这一项是成本前置，不是收益项（原创读法辨析）。
把 13 万欧元反推一下会看到什么：若按单张差额 50 减 0.10 等于 49.90 欧元计算，13 万除以 49.90 约 2,605 张每年；若按 50 欧元整额近似，则约 2,600 张每年。这是从「年节省潜力」倒推出的年图像量级，官方并未给出荷兰市场每年实际制作的图像张数，且这个算式隐含「全部节省来自单张制作费差额、无其他新增成本」的强假设（原创折算，仅作量级示意）。
从 50 欧元到不足 0.10 欧元，按 0.10 这个上限算降幅是 99.8%，与官方「超过 99%」同量级但更精确。问题在于 0.10 是上界而非实测值，把它代入算式会得到一个人为精确的结果。本文保留官方的「超过 99%」，把 2,605 张标注为强假设下的量级示意，不作为结论。
另需标注来源分级：单张成本、13 万欧元、20,112 项资产等读数来自 OpenAI 客户故事及二手转述，材料未给独立审计、未给基线测量方法、未给荷兰市场年图像量，也未说明节省潜力是否已扣除 ChatGPT Enterprise 与 Codex 的订阅与调用成本（原创缺口标注）。
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。尚未公开的是荷兰市场年图像量、单张成本的全部构成项、AI 生成图像的审核工时，以及 13 万欧元的实现进度。
20,112 项资产与 60→4 人月：估计值不能当工时
第二个场景是环境风险评估。公开信息散落在多个来源、格式与数据集里，传统做法需要大量手工整理与专门的软件工程资源。Heimstaden 的可持续发展分析师 Julia Erlandsen 没有软件开发背景，用 Codex 完成了数据发现、清洗、标准化、质量检查与可复现处理管线，并全程保留对方法论与验证的控制权（来源：Tech World News 引 OpenAI 客户故事）。
| 读数 | 公开值 | 性质 | 本文处理 |
|---|---|---|---|
| 评估资产数 | 20,112 项 | 项目覆盖量 | 作为任务规模引用 |
| 生成数据量 | 超 600 万行 | 下界表述 | 只作下界，不取精确值 |
| 原预估交付需求 | 5 人工作 1 年 | 估计值 | 折为约 60 人月，标注为估计 |
| 新预估交付需求 | 2 人工作 2 个月 | 估计值 | 折为约 4 人月，标注为估计 |
| 外部顾问 | 避免聘请 | 未量化的成本规避 | 不与人力工时相加 |
| 员工角色 | 领域分析师保留方法论与验证控制权 | 治理设计 | 作为审批门的一层 |
把两个预估交付需求折成人月：5 人乘 12 个月等于 60 人月，2 人乘 2 个月等于 4 人月，后者约为前者的十五分之一，降幅约 93.3%（原创换算）。但原文写的是 reduced the estimated delivery requirement，两边都是「预估交付需求」而非实测投入工时；因此这个 93.3% 量的是估算口径变化，不能写成「实际节省 56 人月」，更不能与 20,112 项资产相除得出「每项资产耗时」（原创口径辨析）。
超 600 万行除以 20,112 项约 298.3 行每项，同样只能作为下界量级：分子是「超过 600 万」的开放式表述，且行数与资产数是否一一对应、是否含中间表与日志，材料未说明（原创折算，标注为下界）。
这一场景最值得迁移的其实不是数字，而是角色分工：领域分析师用 Codex 搭建管线，但方法论与验证仍由人掌握。这与头一节提到的「人工审批没被拿掉」是同一条设计——AI 负责发现、清洗、标准化与初稿，人负责判断「什么算对」。把它读成「非技术人员替代了工程团队」，会漏掉保留验证控制权这一半（原创治理解读）。
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。尚未公开的是数据管线的可复现配置、质量检查的通过率、人工验证耗时，以及 60 人月与 4 人月两个估计的测算依据。
鱼子酱厂商：三道审批门分别卡在哪一层
比利时家族企业 Imperial Heritage Caviar 有约 500 家活跃客户，包括米其林三星餐厅与一艘私人邮轮，订单经 WhatsApp、邮件、短信和电话多渠道进入。公司在 Dynamics 365 Business Central 上原本已每天节省约 1 小时行政时间，加入智能体后这个节省「翻倍以上」，公司称相当于每年数百小时（来源：微软客户故事，2026-11-11，经 theworldofai 汇编转述）。
| 组件 | 配置 | 承担的工作 |
|---|---|---|
| 智能体一 | 基于 Microsoft Copilot Studio 构建 | 让员工用偏好的工具发起订单处理 |
| 智能体二 | 基于 Anthropic Claude 构建 | 同一流程的另一入口 |
| 连接方式 | 两者都通过 Business Central 的 MCP server 接入 | 统一能力入口 |
| 三项技能 | 创建销售订单、建立新客户记录、准备每周客户跟进报告 | 覆盖订单与客户维护 |
| 连接授权 | 管理员须为 Claude 连接授予同意，注册在公司 Microsoft Entra ID 租户 | 身份与连接层管控 |
| 能力白名单 | Business Central 的 MCP 配置定义智能体可用哪些操作 | 操作层管控 |
| 写入前确认 | 把自然语言请求转成客户与物料记录，先呈现供复核并请求确认，再创建订单 | 写入层审批门 |
把这三处连起来，就得到一个可直接照搬的「审批门三层」结构：连接授权在身份层（Entra ID 同意），能力边界在操作层（MCP 配置限定可用操作），最终写入在业务层（订单创建前的人工确认）。三层各管一件事，缺任何一层都会把风险集中到最后一刻（原创结构归纳）。
业主 Elisabeth Colman 给出的读数是：手工订单录入原需每天 1 至 2 小时、现在少于 30 分钟，常规订单准备只需几秒，快速录入大而复杂订单带来的错误基本消除；员工现在可以从早上直接备货，而不必先录入隔夜订单。技术伙伴 Deltanexx 用几周完成开发，管理合伙人 Dhia Athmini 说两个智能体是按该公司的工作流专门塑形的（来源同上）。
「用 Business Central 已每天省 1 小时」是平台本身带来的节省；「手工录入从 1 至 2 小时降到不足 30 分钟」是加智能体后的录入耗时。两条链基线不同、对象不同，不能相加成「每天省 2 至 3 小时」，也不能把「翻倍以上」与「数百小时每年」互相换算——后者需要工作天数假设，材料未给。
按 1 至 2 小时降到不足 30 分钟折算：若以 2 小时为上界，降幅至少 75%；若以 1 小时为下界，降幅至少 50%。这是一个区间式的下界读数，取中点当实测值会造出材料没有的精度（原创折算）。后续计划也值得记：Vendor 与采购订单 API 已写进 MCP 配置，可继续开发采购技能；公司还想基于跟进技能识别通常每周或每月下单、却尚未下单的客户，并探索管理供应商涨价对毛利的影响——这些是规划，不是已实现功能。
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。尚未公开的是两个智能体的调用量分布、人工确认的驳回率、错误率的具体测算方式，以及「数百小时每年」的工作日假设。
欧洲六家在产读数：90%+ 与 12 周的两个口径
11 月 3 日至 5 日的一周内，多家欧洲中等企业公布了在产智能体的读数：NTT DATA 在 SAP TechEd 展示 11 个客户部署智能体，E.ON 在 ServiceNow AI Summit 法兰克福展示 9 个协同事件智能体，BEWITAL petfood 公布 Salesforce Agentforce 上线数据，HELLA GUTMANN 与 meimberg digital 也各自讲了服务自动化与季度结账（来源：ai-outsourcing.ch《AI Agents in Production: Europe’s First Verified Numbers》，独立汇编，非单一厂商发布）。
| 项目与来源 | 公开读数 | 指标类型 |
|---|---|---|
| Lemvigh-Müller（NTT DATA） | 订单确认匹配超过 90% 自动化、约 98% 匹配准确率 | 自动化率与准确率 |
| zeb（NTT DATA） | 项目人员配置每条录入时间减少 50% | 时间节省 |
| Synthomer（NTT DATA） | 采购订单转换首次尝试即正确分配物料 98% | 首过正确率 |
| BEWITAL petfood（Salesforce Agentforce） | 订单处理时间节省超过 25%、交付加快幅度上限 2 个工作日、部分订单全自动记账 | 时间节省与交付时长 |
| E.ON（ServiceNow） | 9 个协同事件智能体，12 周内进生产，含运营控制中心自愈 | 智能体数与上线周期 |
| meimberg digital（sevdesk） | 读取收据、与账户对账并过账，保留人工批准与版本化作业指导书 | 流程描述，无量化 |
| HELLA GUTMANN（comevis） | 12 周打基础，自动捕获、鉴定与移交复杂案例 | 上线周期 |
汇编方据此给出三条「规划基准」：25% 至 50% 时间节省、90% 以上自动化、12 周到生产，并附一条筛选规则「高量、文档密集、规则明确」。这三条需要拆开看：25% 至 50% 的两端分别来自 BEWITAL 的「超过 25%」与 zeb 的 50%，只有 6 个项目里 2 个给出该指标；90% 以上自动化只有 Lemvigh-Müller 一家；「12 周」在 E.ON 是「进生产」，在 HELLA GUTMANN 是「打基础」（原创覆盖度核对）。
「12 周」因此是同一个数字对应两个不同完成度：一个已经跑在生产环境，一个刚完成基础建设。汇编标题把它统一写成 time to production，属于把不同阶段合并成同一把尺子。同理，「超过 90% 自动化」与「约 98% 匹配准确率」虽然来自同一项目，分母却分别是供应商确认单量与匹配判定次数，不能相乘得到「88.2% 有效自动化」（原创分母辨析）。
这份汇编的价值在于「来自多个独立项目、非单一厂商、覆盖不同流程类型」，但它是二手汇总：未给各项目的基线定义、样本量、测量周期，也未给订单量或错误率的具体数值。把它当成可直接套用到本企业的产能承诺，会跳过「流程是否已结构化」这个前置条件（原创来源分级）。
本站 R-CASE-61 讨论过归因边界，本篇不复用其读数；这一组的切口是「同一个数字对应不同完成度」与「同一项目两个百分比分母不同」（内部对照说明）。
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。尚未公开的是六个项目的具体单量、基线工时、测量周期与独立核验方式。
4,000 笔乘 7 分钟：500+ 小时还差约 33 小时
第四组是一家北美安防服务公司的现金暂记（cash suspense）流程。每月约 4,000 笔付款因缺少账号或发票号、支票地址与档案不符而无法自动匹配；原先每一笔约需 7 分钟人工：从银行调取支票或汇票影像、检索记录系统、确认匹配、过账（来源：Ashling 成功案例页，方案涉及 Ashling、UiPath 与 Google）。
| 层 | 组件 | 职责 |
|---|---|---|
| 手 | UiPath robots | 高量规则化步骤，包括从无 API 的系统取回付款影像与附件 |
| 脑 | Google Gemini Enterprise Agent Platform | 处理模糊判断：汇款信息不清、部分付款、金额与余额不符 |
| 指挥 | UiPath Maestro | 编排机器人、AI 智能体、数据服务与人，并记录每一步交接与决策 |
| 审计 | Maestro 的全程记录 | 现金应用属 SOX 范围，每笔交易需完整审计轨迹 |
| 异常 | 转财务团队并附完整调查笔记 | 无法验证或超出业务规则的付款由人接手 |
流程本身写得相当可复现：每日批量取影像与附件；Gemini 按发票号、账号、名称、地址、汇票序列号逐个按准确度检索；核对金额与客户余额，不符时回看 6 个月付款历史判断是否符合该客户模式，并处理一张支票拆到多个账户；多源核验后过账清暂记；无法验证的转人工并附调查笔记，分析师接手时研究已完成。智能体全程记录检索路径、发现与推理（来源同上）。
但结果的时态必须逐字读：原文写的是 is preparing to、is expected to give、Once live、should see——「准备上线」「预计每月还给财务团队 500 小时以上」「上线后当日过账」「100% 交易可记录可审计」「公司首个全自主智能体进生产」。这是一组上线前的预期值，不是已实现的 ROI（原创时态核对）。
4,000 笔乘 7 分钟等于 28,000 分钟，折约 466.7 小时每月；「500 小时以上」比它高约 33.3 小时、约 7.1%。这说明 500+ 不能只由这 4,000 笔的 7 分钟解释，可能含其他研究任务、取整或口径差异。本文并列保留两数，不自行补足差额，也不把它写成已实现的节省。
还有一处量纲要分清：「100% 交易可记录可审计」是审计轨迹的覆盖率目标，不是匹配准确率；与欧洲组里「约 98% 匹配准确率」「首次尝试 98% 正确分配物料」不是同一类读数，不能横向排高低（原创量纲辨析）。后续计划再加一个外联智能体，对首轮无法验证的付款联系客户索取缺失信息，同样属于规划。
把这一组与前三组并排，较为实用的提醒是：四组材料里只有它给出了足够细的流程步骤与异常路径，却是四组里仅有的一组尚无实测结果。可复现性与已验证性在这里是分开的两件事（原创对照）。
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。尚未公开的是上线日期、实际上线后的每月工时、匹配准确率、异常转人工比例与 SOX 审计结论。
四列 ROI 记账与六步可复现路径
把四组材料按「披露主体／读数与时态／分母与基线／可迁移条件」四列并排，能看清哪些数字可以进预算表、哪些只能进观察清单（原创记账模板）。
| 列 | Heimstaden | 鱼子酱厂商 | 欧洲六家 | Ashling |
|---|---|---|---|---|
| 披露主体 | OpenAI 客户故事及转述 | 微软客户故事及汇编 | 独立汇编转述六个项目 | 服务商成功案例页 |
| 读数与时态 | 已部署；13 万欧元为估计的节省潜力、60→4 人月为预估交付需求 | 已上线；业主自述每日录入时间与年化数百小时 | 已在产；汇编称测量值但未给基线 | 准备上线；500+ 小时等为预期值 |
| 分母与基线 | 单张图像成本、荷兰市场年节省潜力；年图像量未给 | 每日录入耗时；工作日数未给 | 各项目单量、基线工时与测量周期未给 | 4,000 笔每月、每笔约 7 分钟 |
| 可迁移条件 | 数据模型可访问、员工保留最终批准 | MCP 配置可限定操作、连接需授权、写入前确认 | 高量、文档密集、规则明确的流程 | SOX 审计轨迹、异常转人工并附调查笔记 |
四列里最容易被跳过的是最后一列。三组已上线材料都把「数据就绪」或「人工确认」写成前提而非收益：Heimstaden 的第三根支柱是夯实数据模型，鱼子酱厂商的 MCP 配置与 Entra ID 同意是接入前置，meimberg 保留人工批准与版本化作业指导书。若把这些条件省掉，只搬读数，落地时最先出问题的往往就是这一层（原创可迁移性评估）。
六步可复现路径（从四组材料归纳，非某一家官方流程）：
- 选一条高频、文档或影像密集、规则相对明确的流程，先冻结基线：月单量、单笔耗时、错误类型与现有人工节点。
- 打通数据可访问性与记录系统：对应 Heimstaden 的数据模型支柱、Business Central 的 MCP server、UiPath robots 从无 API 系统取影像。
- 让智能体只做推荐、草稿与初稿，不直接写入：房源广告由员工批准、订单记录在确认前只呈现、收据过账保留人工批准。
- 把审批门分成三层落地：连接授权（Entra ID 同意）、能力白名单（MCP 配置限定可用操作）、写入确认（订单创建或过账前）。
- 留全程审计轨迹与异常调查笔记：Maestro 的 SOX 记录、Gemini 的检索路径与推理、异常转人工时附上的完整 case notes。
- 上线后按同一基线复测，并给每个读数打上「预期／估计／实测」标签，再决定是否扩到第二条流程。
这条路径与本站 R-CASE-57、R-CASE-60 的六步复盘结构一致，但对象不同：那两篇分别是单据到现金流与轻量落地披露，本篇把重点放在「审批门分层」与「时态标签」上（内部对照说明）。
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。尚未公开的是四组材料统一口径下的复测结果，以及扩面到第二条流程后的读数变化。
八组原创折算与各自的分母
以下八组算式全部由公开读数推导，目的是标出哪些可以相除、哪些只能并列。凡涉及不同稿源、不同时态或不同统计单位的，一律不合成单一结论（原创框架说明）。
| 序号 | 算式与结果 | 依赖的假设 | 能否跨场景使用 |
|---|---|---|---|
| 一 | 13 万欧元 ÷（50 − 0.10）约 2,605 张每年；按 50 欧元整额约 2,600 张每年 | 全部节省来自单张制作费差额、无其他新增成本，且 0.10 取上界 | 仅量级示意，官方未给年图像量 |
| 二 | 50 → 不足 0.10 欧元按上界算降幅 99.8%，与官方「超过 99%」同量级 | 0.10 为上界而非实测值 | 不可把 99.8% 当作精确降幅 |
| 三 | 5 人乘 12 个月等于 60 人月；2 人乘 2 个月等于 4 人月，后者约为前者十五分之一、降幅约 93.3% | 两个需求均为可折成人月的估计值 | 量的是估计口径变化，不是实测节省 56 人月 |
| 四 | 超 600 万行 ÷ 20,112 项约 298.3 行每项 | 行数与资产数可对应 | 分子为下界表述，结果只作下界量级 |
| 五 | 1 至 2 小时 → 不足 30 分钟：按 2 小时上界降幅至少 75%，按 1 小时下界至少 50% | 两端为区间端点 | 区间式下界，不可取中点当实测值 |
| 六 | 欧洲组超过 90% 自动化乘约 98% 匹配准确率等于 88.2%，该算式不成立 | 两百分比分母分别为确认单量与匹配判定次数 | 同一项目不同分母不可相乘 |
| 七 | 4,000 笔乘 7 分钟等于 28,000 分钟，折约 466.7 小时每月；500+ 高出约 33.3 小时、约 7.1% | 4,000 与 7 分钟均为月度量 | 差额未解释，且 500+ 为上线前预期值 |
| 八 | 四组材料中给出量化结果的 3 组、全文预期时态的 1 组；给出完整流程步骤且尚未上线的 1 组 | 按四组材料正文判别 | 说明可复现性与已验证性分开，不可据此排优劣 |
头一组与第七组是一对有意思的对照：一个是从已公布的节省金额反推未公布的业务量，另一个是从已公布的业务量与单笔耗时正推节省工时，却发现与公布的工时读数对不上。前者暴露的是「分母缺失」，后者暴露的是「口径或对不齐」——两种缺口在公开案例里都很常见（原创对照）。
第六组需要再强调一次：超过 90% 自动化与约 98% 匹配准确率虽然同属 Lemvigh-Müller 一个项目，但前者以供应商确认单量为分母、后者以匹配判定为分母，且「自动化」与「准确」是两件事。相乘得到的 88.2% 没有对应的业务含义（原创反证用途）。
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。尚未公开的是可用于复现上述折算的原始单量、单笔工时、图像张数与基线测量记录。
三条红线、两条可证伪检验与未披露项
三条红线（原创清单）：
- 【不把预期写成已实现】Ashling 全文用「准备上线／预计／上线后」，500+ 小时、当日过账、100% 可审计都是上线前目标；与前三组已上线读数并列成「四个成功案例」属于时态混淆。
- 【不把不同分母的百分比相乘或相加】超过 90% 自动化乘约 98% 准确率、每天省 1 小时加录入 1 至 2 小时、80% 与 31% 作漏斗，都是分母偷换。
- 【不把潜力与估计当审计过的现金流】13 万欧元是 estimated savings potential、60→4 人月是 estimated delivery requirement、「数百小时每年」缺工作日假设；三者均不能进已实现收益栏。
两条可证伪检验（原创检验设计）：其一，固定荷兰市场年图像量 N 与单张全成本（含订阅与审核工时），复算 13 万欧元；若 N 明显低于约 2,600 张，则该潜力包含其他成本项，或口径并非单张制作费差额。其二，固定 4,000 笔每月与每笔 7 分钟，复算 500+ 小时；若无法用其他研究任务或口径差异补足约 33 小时，则 500+ 应读作估计上界而非测量值。
- 【基线缺位】四组材料均未给统一的基线定义与测量周期；欧洲六家的读数由汇编方转述，未见各项目原始测量报告。
- 【估计与实测混列】Heimstaden 的「估计」「潜力」、鱼子酱厂商的业主自述、欧洲组的汇编测量值、Ashling 的预期值属四种证据强度。
- 【成本项不全】公开读数未说明是否已扣除模型订阅、API 调用、数据治理与人工审核工时；「避免聘请外部顾问」亦未量化。
- 【发布方立场】三组来自厂商客户故事或服务商案例页，一组来自独立汇编；客户故事的写法通常突出收益、弱化失败与返工。
- 【图表与口径】本文不引用任何未在正文列出的分数，也不把不同项目的百分比合成区间。
对准备照着做的团队，一条较稳的顺序是：先按四列模板把自家流程的基线填实，再照六步路径只做一条流程；上线后先区分预期、估计与实测三类读数，复测无误再谈扩面；扩面时优先复用已经跑通的审批门三层与审计轨迹，而不是复用别家报出的百分比。这条顺序是从四组材料的缺口倒推的实施建议，没有对照实验支持，也不构成效果保证（原创框架说明）。
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。尚未公开的是荷兰市场年图像量、鱼子酱厂商驳回率与工作日假设、欧洲六家的具体单量与基线、Ashling 方案的上线日期与上线后实测工时。