投资案按无人化算账，产线上人还在按审批

一份智能体投资案的财务模型里，通常有一行字写着减少的人工。Bain 今年问过 951 家企业同一件事：你现在跑在生产环境里的智能体，人管到什么程度。回答里全自动的只占 7%，38% 是每一个动作都要人点一次批准，32% 在护栏内自动、遇上拿不准的转人。七成的部署里，人还在环上，只是不在流程中间了。

这两句话放在一起，问题不在技术成熟度。那行被减掉的人工从来没有真的离开成本表，它换了个位置，变成一条审批队列。

7% 和 56% 为什么能同时成立

先把数说清楚。Bain 的样本是 951 家全球企业，问的是生产环境里的自主级别，不是试点意愿。7% 全自动，38% 需要人工批准，32% 在护栏内运行、例外交人。剩下的一小部分更保守，只给建议、不进系统。

另一类调查看起来对不上。Wing VC 问了 181 位企业高管，56% 的大企业说智能体已经进了生产。KPMG 的季度调查里，企业未来 12 个月的平均 AI 支出预算是 2.07 亿美元，接近去年同期两倍。三个数都成立，因为它们量的不是同一件事：一个量自主程度，一个量有没有上线，一个量准备花多少钱。上线和自主之间隔着一整层人。

做预算的人容易把这三件事压成一件。投资案要一个节省额，最容易写的式子是处理量乘单次人工成本乘自动化比例。这个式子里，自动化比例取的是覆盖率，也就是智能体能接住多少比例的输入；而真正的成本分母是自主率，也就是有多少比例的输入不需要人再看一眼。两个比例可以差三倍，差额全落在审批队列上。

把审阅那一段加回账上

拿一个具体的量算。一个月一万个决策，模型调用每次 0.12 美元，取的是路由到中等模型的常见价位，这个参数是我为展示杠杆设的，不是采购报价。投资案按全自动写：模型费 1200 美元，人工 0，每个决策 0.12 美元。

按 38% 落地产线：3800 个决策进审批队列，每个平均 90 秒，就是 95 个小时。审阅的人不是免费的，按每小时 45 美元的完全成本算，4275 美元。两项相加 5475 美元，每个决策 0.55 美元，是原假设的 4.6 倍。

这还只算了一档。按 32% 护栏档的口径，审阅变成抽查，比如五个看一个，每个决策的完全成本降到 0.34 美元附近，仍然接近假设的三倍。差别在于抽查漏掉的那部分错误归谁。全查的账上只有人工，抽查的账上还有错误成本，而错误成本要等出事才入账，所以在立项阶段永远是零。

这笔账真正的杠杆在审阅速率，不在模型单价。模型从 0.12 降到 0.03 美元，一个决策省 0.09 美元；审阅从 90 秒压到 45 秒，一个决策省 0.24 美元。谁在压审阅时间，谁才在压成本。压的办法只有两种：让输出更容易被一眼判断，或者把决策拆小到出错的代价不致命。这两件都是工程投入，在投资案里通常写成一句优化，没有对应预算。

九成企业在加预算，钱从上一轮的节省里出

Bain 同一份调查里还有两组数。37% 的企业把成本下降目标定在 11% 到 20%，而在真正量过结果的企业里，近 40% 落在 0 到 10%。即便这样，90% 的企业在准备下一轮预算，买的还是更自主的智能体。

钱从哪儿来，答案更能说明问题。44% 的企业说，下一轮的钱来自上一轮自动化省下的钱，这是最大的一组。也就是说，预算的增长建立在上一轮已经省下来的假设上，而上一轮实际节省落在 0 到 10% 那一档的企业占了四成。同一份问卷里的两组答案并排放着，逻辑上不能同时为真。

这不必归因到谁不诚实。自动化节省在财务系统里从来不是一个可审计的数字，它由业务部门估算、被财务接受、然后进入下一轮的基数。一旦进了基数，它就变成历史事实，没人回头核。第二轮拿它当资金来源，等于用估算给估算做担保。

能立刻做的一件事是把上一轮的节省做成一张能核的表：立的项、承诺的节省、财务系统里实际减少的科目、那个科目今年的金额。四个格子填不出来的项目，节省额是估值，不是钱。这件事一个下午能做完，做完之后下一轮预算的规模通常会自己缩一档。

省下的时间要过一道三成的坎

还有一层容易被跳过去。即便审阅时间真的省了，省下的时间也不等于省下的钱。一份覆盖 19 家企业的连续性访谈里，一家欧洲医药服务公司的说法很直接：员工省下 5% 到 10% 的工时，通常不降低项目成本，因为那点碎片时间不够接下另一件活。要让人真的能被重新分配，某类工作的投入得下降三成以上。

同一份材料里有两个参照。一家加拿大消费品企业要求每个新 AI 项目在审批时给出 2.5 倍回报，每投入 1 美元要说清 2.5 美元的收益从哪儿来；一家欧洲保险公司的理赔质检项目预计 5 到 6 倍，靠的是把人工抽检比例从 5% 提到 50%，多查出来的那部分带出再保险追偿。两个案例的共同点是收益落在一个具体科目上，不是落在工时上。

所以三成不是管理口号，它是一条财务判据。省 8% 的工时不进损益表，省 35% 的工时可以让一个岗位不被补招，后者才进。评估项目时问一句：这项工作的投入要降多少，才能让一个人从这份工作里真正腾出来。答不出这个数，节省就是纸面的。

把审批队列当成产品的一部分

到这里可以换一种立项写法。现在写的是替代多少人，应该改成多少决策配一个审阅人。这个比值是本轮落地最诚实的单位，因为它同时约束模型质量、界面设计和流程切分三件事。

按前面的算例，一个审阅人 90 秒一个决策，一小时 40 个，一天按 6 小时有效时间算 240 个。一万个决策里 3800 个要审，是 16 个人日，等于 0.7 个全职人力。这个数写进投资案，很多争论会自动消失：审阅量减半省 0.35 个人；判断时间从 90 秒压到 30 秒省 0.45 个人。工程投入该往哪儿投，答案就在这两个数之间。

队列还有两个副作用值得提前算。一是积压。白天的决策挤在同一个时段，审阅人下班后队列继续涨，第二天早上要清一批隔夜的，而隔夜决策的上下文已经冷了，判断质量明显不同。二是错配。审批人看到的是一条待办，看不到这条待办背后有多少同类决策正在排队，于是每个决策都被当成孤例审，而它们本来可以按批处理。试点期看不见这两件事，试点期的量太小。

谁来当这个审阅人

审批人放在哪个部门，决定这笔成本记在谁账上，也决定它会不会被优化。放在业务部门，它是业务成本，负责人有动力压时间；放在共享中心，它是服务成本，按件计价，压时间等于压自己的收入；放在风控或合规，它是控制成本，没有人有权压它，因为它存在的理由就是不出事。同一个动作，三种归属，三种行为。

这也是很多项目上线半年后审阅时间一点没变的原因。不是界面做得差，是审阅这件事归属的那个部门从来没有被要求降低单件处理时间。它的考核指标是覆盖率、是零事故、是响应时效，没有一项和每分钟判断多少个决策有关。

所以把审阅当成流程的一部分来做，第一步不是买工具，是决定这个岗位归谁，并给它一个和成本直接挂钩的指标。这一步不花钱，但它决定后面所有工具投入有没有落点。

顺带一个可观测的办法：按决策类型统计审阅秒数，不统计平均值。平均值会被大量秒过的简单件拉平，看不出真正吃时间的那一类。哪一类吃掉了一半审阅工时，工具就先做哪一类。

排班同样会改账。审阅人按业务峰值配，还是按全天均值配，同一个总量下的人工成本可以差两成。峰值时段多一个人，代价是全天候的固定成本。这个选择在投资案里通常连一行都没有。

供应商为什么不主动报审阅工时

这一层被漏掉，不是没人想到，是没人有动力写。厂商能观测到的是调用量、延迟、成功率，这些都自动采集；审阅工时发生在买方的系统里，要买方自己报。厂商报价按调用或按席位，审阅成本不进它的收入公式，报出来只会让单子变小。

买方这一侧也有惰性。审阅工时散在很多人身上，一分钟两分钟，不进入任何工时系统，报销里也没有这一项。要在立项时拿到这个数，得做一次观察：找人坐在审阅人旁边记一小时的判断次数。这种活没人愿意干，因为它不产生任何能放进汇报的东西。

于是两边都默认它不存在。一个成本项在双方的系统里都没有字段，它就会在决策时被当成零，而它在现实里一直在发生。

我们的判断

智能体的投资回报被系统性高估，原因不在模型能力，在成本模型的分母。财务模型按自主率算，产品按覆盖率交付，两者之间的差额是一层没有预算、没有编制、也没有考核指标的人工审阅。这层人不会消失，它只是从人力成本科目挪到运营成本科目，报表上看起来像是省下来了。

往下推两条可检验的预测。第一，未来 12 个月会有一批智能体项目在续约时被要求出示每决策完全成本，含审阅工时，拿不出这个数的供应商会把价格谈判变成功能谈判。第二，审批界面的响应速度会成为采购评比的显性指标，因为它直接换算成审阅人效，也就是钱。两条一年后都能验。

给正在批预算的人三个问题。生产里有多少比例的决策需要人看一眼，这个比例谁测的？审阅一个决策要多少秒，含上下文切换？上一轮承诺的节省，在财务系统里对应哪个科目的哪个数字？三个问题答得出来，投资案的分子和分母是同一个口径；答不出来，那 0.12 美元只买到了调用，没买到决策。

数据口径与来源

7% 全自动、38% 需人工批准、32% 护栏内运行，37% 目标 11% 到 20%、近 40% 落在 0 到 10%、90% 增加预算、44% 用上一轮自动化节省为下一轮出资、41% 把数据接入列为最大障碍：Bain 2026 年自动化与 AI 调查，样本 951 家全球企业，一手。bain.com/insights/your-ai-budget-is-growing-your-returns-arent-heres-why

56% 大企业已把智能体用于生产、试点转生产中位数预期 50%：Wing VC 企业 AI 状况报告，样本 181 位高管，一手。wing.vc/content/the-state-of-ai-in-the-enterprise

未来 12 个月平均 AI 支出 2.07 亿美元、约为去年同期两倍：KPMG 2026 年第一季度 AI 脉搏调查，厂商委托调查，属企业自报预期。kpmg.com 2026 AI Pulse Survey Q1

工时节省 5% 到 10% 不转化为成本下降、需三成以上才能重配人力、加拿大消费品企业 2.5 倍回报门槛、欧洲保险公司质检项目 5 到 6 倍预期：对 19 家企业的两轮连续性访谈整理，访谈对象为企业 AI 负责人与一家跨客户顾问，二手，属受访者自述。fundaai.substack.com/p/deepllm-enterprise-ai-application-2e9

本文算例的参数：一万个决策、每个决策 0.12 美元模型成本、38% 需审批、90 秒审阅时长、每小时 45 美元完全成本，均为我为展示杠杆设定的参数，不是任何厂商报价或行业均值。文中所有乘除与倍数可用这五个参数重算。