流程里没人看的那 95%，才是 AI 的回报

理赔质检台上有一个不写在报告里的数：这个月能抽多少件。一家欧洲保险公司的口径是，人工目前只能复核大约 5% 的理赔，而在这 5% 里，质检人员找到过此前没有被申报的再保险追偿。也就是说，剩下 95% 不是没有问题，是没有人看。

这家公司预计，把复核比例从 5% 提到 50% 之后，整个项目的回报在 5 到 6 倍。这个数值得停一下。它不是因为审得更快，是因为原来没人看的那 45% 里有钱。

抽样比例是谁定的

绝大多数带质检、抽查、复核环节的流程，抽样比例都不是按风险定的，是按人头定的。给定一个月两万件的处理量和一个质检组的编制，抽 5% 还是抽 8%，取决于有几个人、每人一天看多少件。风险只决定抽哪些，不决定抽多少。

这个边界一旦形成，就会自我固化。抽样比例写进岗位职责，写进月度报表，写进质检员的绩效，于是它看起来像一条行业惯例，而不是一个预算决策。要看穿它，只需问一句：如果明天质检组多三个人，这个比例会变成多少。答案是会变，说明它从来不是风险标准。

把抽出来的这 5% 摊开看，还有一个更麻烦的性质：漏检的分布不均匀。金额大的单子条款多，跨系统查证的环节多，例外条款要人工解释，这些恰好是抽检最容易漏、也最值钱的那一类。随机抽样在均匀分布上表现良好，在这类长尾上等于没抽。于是 5% 的覆盖率报出来的问题率，会系统性低于真实问题率。

覆盖率为什么是边际递增的

时间节省的价值是线性的，覆盖率的价值是递增的。原因在前面那句里：漏检集中在复杂件上，而复杂件金额大。第 6% 到第 10% 的覆盖率，抓到的平均单件价值比第 1% 到 5% 高，因为前面那 5% 是按最容易看的顺序挑的，后面的才会碰到真正难判的。

这条性质解释了一个反直觉的现象。很多质检项目把人手从 5% 提到 6%、7%，看不到明显回报，于是结论是这条路走不通。真实原因是从 5% 走到 7% 太浅，还没进到长尾。覆盖率这条曲线前期平、后期陡，只加两三个点等于什么都没做。

要越过这道门槛，靠加人做不到，加人的成本是线性的，而质检岗本身难招。能让曲线拐弯的只有一件事：把判断的准备工作从人手里拿走。人不需要自己翻三套系统对齐条款，机器先把材料摆齐、把不一致的地方标出来，人只做最后那一下判断。这一步不改变判断质量，改变的是每小时能判断多少件。

把一笔账摊开

用一组自设参数算，参数是为展示杠杆设的，不是任何一家公司的实际数字。一个月一万件理赔，人工复核一件 12 分钟，完全时薪 45 美元。按 5% 抽检：500 件乘 12 分钟是 100 小时，4500 美元。

同一个月，把覆盖率提到 50%：5000 件先由模型初筛，每件 0.05 美元，250 美元；初筛把其中 15% 标为需要人看，750 件，每件 6 分钟，因为材料已经被摆齐，是 75 小时，3375 美元。两项相加 3625 美元，比原来的 4500 美元还低，覆盖率是原来的十倍。

便宜的原因很简单：机器承担的是翻找和对齐，人承担的是判断，而翻找和对齐占掉了原来 12 分钟里的大部分。这是这类流程里最容易被忽略的一笔，因为它在成本表上一直记在质检员工时里，没有单独列出来过。

现在算收益。多看的 4500 件里，假设 2% 有问题，是 90 件，每件平均可回收 800 美元，是 7.2 万美元。这个命中率和单件金额都是自设参数，真实值任何一家公司都能从自己的历史质检记录里查出来，而且必须查，因为它决定了项目值不值得做。把这个数和 3625 美元的运行成本放在一起，回报的量级就出来了：成本项在千位，收益项在万位。

注意一笔账在这里被默认省掉了：误报。模型初筛标出来的 750 件里，如果只有 90 件真的有问题，其余 660 件是空跑。空跑不是零成本，它占掉了 660 乘 6 分钟，也就是 66 小时，是 2970 美元，约占质检总工时的九成。这就是为什么覆盖率项目必须分级：初筛要先分档，人只看高置信档，低档抽样验证。不分档，人会被误报淹没，然后项目被判定失败，而失败的其实是分流设计。

两类流程要用两套立项标准

亚马逊财务团队有一个被反复引用的例子：用生成式 AI 追踪各市场的增值税法规更新，原来每条更新税务团队要花 26 分钟，现在 2 分钟，减少 92%，并且 80% 的 AI 摘要被专家原样接受。这是厂商侧的案例披露，数字属自我报告，但结构值得看清。

这个例子里的价值确实来自时间：同样的团队能跟更多市场的法规。它的流程是吞吐受限的，进来的活是一个固定队列，单位时间的处理量决定产出。抽样受限的流程不一样，进来的活远远多于能处理的量，瓶颈不是速度，是谁被看到。前者按工时定价合理，后者按工时定价会系统性低估，因为它默认了「现在做的那部分就是全部该做的」。

这两类流程的判断方法很具体。问一个问题：如果处理速度提高十倍，你会处理同样的量，还是处理十倍的量？答同样的量，是吞吐受限；答十倍的量，是抽样受限。答案不在技术评估里，在业务负责人对自己的活怎么看。

这个分类决定了立项的门槛该怎么写。吞吐受限的项目，门槛是单位成本下降和周期缩短，验收看时间和单价。抽样受限的项目，门槛应该是覆盖率从多少到多少、命中率多少、单件发现的期望价值多少，三个数相乘才有意义。写错门槛的后果很具体：一个覆盖率项目如果按工时验收，它的收益会被算成 0，因为在覆盖率上去的同时，单个案子的处理时间往往还变长了。

覆盖率提高之后，问题会变多

这是这类项目最难处理的一段。覆盖率从 5% 到 50%，报出来的问题数会涨，而涨的那部分不是新出现的问题，是一直存在、只是没人看见的问题。对质检部门来说，这意味着同一批人要在工作量涨十倍的同时解释为什么问题变多了。

于是会出现一个典型的组织反应：把标准放宽，让问题数回到原来的量级。这个动作通常不会被写成决定，它表现为口径调整、判定尺度统一、疑难件另案处理。半年之后覆盖率上去了，问题率回到原点，项目被总结为「模型没有带来增量」。

避免这件事只有一个办法，在立项时就把问题数的预期写进去：覆盖率提到 50% 之后，问题数预计涨多少，其中多少会进入整改流程多少只是记录。这个预期要业务负责人签字，因为它是他未来一年的工作量，也是他被追问时的解释依据。没签这个数，覆盖率上去的那一天就是项目开始被质疑的那一天。

经济性几乎不是瓶颈，瓶颈在分档

还是用前面那组参数算一道不等式。多看一件的成本摊下来不到一美元：五千件里模型初筛花 250 美元，人工判断 75 小时 3375 美元，合 0.72 美元一件。命中的期望收益是 2% 乘 800 美元，16 美元一件。两者的比值决定了这条路能走多远：命中率跌到千分之一以下，准确说约万分之九，扩覆盖率才开始亏钱。

这个不等式在绝大多数质检、对账、告警场景里都轻易成立，所以「扩覆盖划不划算」从来不是真问题。真问题是分档：哪一档自动通过、哪一档抽验、哪一档必须人读。分档做错，覆盖率上去的第一周人就被淹没，然后项目按误报太多结案。

分档的阈值不能凭感觉定。做法是从已判定的历史案件里取三百到五百件做标注样本，按模型给出的置信度排序，找到两个切点：最下面那一档，人工补查发现的问题比例要低到可以接受，否则这一档不许自动通过；中间档按百分之五到十抽验；高置信档全读。三个档的比例不是固定的，判定质量上来之后可以往下调，但每调一次都要重新跑一遍标注样本。

监控指标要选对。看整体准确率会被高置信档的好表现盖住，要单看自动通过那一档的漏判率，因为那是唯一没人补查的地方。这个数一旦失守，前面所有覆盖率收益都是借来的。

一张立项书里通常有两个流程

现实里很少有纯粹的抽样受限流程。多数环节的前半段是准备：翻三套系统、对齐条款、把材料摆齐，这一段是吞吐受限的；后半段才是判断，这一段才是抽样受限的。两段混在一个工时数字里，结论就会算成回报为零。

正确的写法是把一张立项书拆成两行。准备段按单位工时和周期验收，判断段按覆盖率、命中率、单件发现价值三个数验收。拆开之后通常会发现，前一段的节省是确定的，后一段的收益是放大的，两段的价值来源完全不同，混在一起任何一段都说不清。

这个式子也给出了不该做的事。单件价值低、命中率也低的环节，比如低价值内容的合规巡检，扩覆盖的期望收益低于人工时间的机会成本，这时候正确动作是把覆盖率停在一个数，把省下的判断力放到高价值环节去。同一家公司两个环节用同一个覆盖率指标，通常就是这个错误。

我们的判断

在这类流程里，AI 的回报来自覆盖率，不来自速度。这个判断可以预测下一个同类现象：凡是进来量远大于处理量的环节，包括合同审查、对账、内容审核、安全告警、发票稽核，第一年的收益都应该按覆盖率增量来估，而不是按工时节省。按工时估的项目，会稳定地算出回报为零，然后在第二年不被续约。

由此推两条。第一，未来 12 个月会出现一批以覆盖率为验收单位的 AI 产品合同，写法类似「抽检比例不低于 X%」，早做这件事的厂商会拿到定价权。第二，质检、审计、风控这几个岗位的编制会先涨后降：涨在覆盖率上去、问题变多那一段，降在分级和自动处置成熟之后。谁把这段的编制算进预算，谁就不会在第三个月被迫降低标准。

给正在做这类项目的人三个问题。现在这个环节的抽样比例是多少，它上次被重新论证是什么时候？如果算力免费，你希望看完全部还是一部分？覆盖率提高一倍，多出来的问题谁负责整改，整改预算在哪里？第三个问题答不出来，覆盖率这个指标就不要写进立项书，因为它一定会兑现，而兑现代价没人认领。

数据口径与来源

人工只能复核约 5% 的理赔、复核中发现未申报的再保险追偿、覆盖率提到约 50% 后项目预计 5 到 6 倍回报：对企业的访谈整理，二手，属受访者自述的预期值，非已实现结果。fundaai.substack.com/p/deepllm-enterprise-ai-application-2e9

增值税法规更新单条 26 分钟降到 2 分钟、降幅 92%、80% 的 AI 摘要被专家原样接受：Bain 引用亚马逊财务技术团队的案例，属企业自我披露，未经独立核验。bain.com/insights/your-ai-budget-is-growing-your-returns-arent-heres-why

覆盖率与工时两类指标在采购中的混用、以及以工时验收导致的低估：本文的分析框架，依据是上面两份材料里同一类项目的验收口径差异，属独立推断，不是任何一份报告的结论。

本文算例的参数：每月一万件、人工复核 12 分钟、完全时薪 45 美元、初筛每件 0.05 美元、初筛标记率 15%、复核 6 分钟、命中率 2%、单件可回收 800 美元，全部为展示杠杆设定的参数，不是行业均值。文中所有乘除与百分比可用这八个参数重算。