← 返回洞察
2026 年 9 月 · 5 分钟阅读
AI 回报长在从未被系统化的流程里
关键定义
隐形工作（invisible work） 真实存在但从未被系统化的流程：没有成本科目、没有负责人、没有 SLA，通常在电话、邮件与口头交接中流转，例如漏接的承运商来电、未记录的电话更新。
基线优先估值 在争论 AI 回报之前，先估算「人工完整做一遍这件事的成本」作为基线；基线为零的工作，agent 创造的任何价值都是纯增量。
2026 年可测的 AI 回报，几乎都长在从未被系统化的工作里。Evans Transportation 用 agent 接住了 10 万+ 通原本漏掉的承运商电话；C.H. Robinson 一个 agent 单月从电话里抓回 31.8 万条运踪更新；Duvo 在三个月内为 Rohlik 带来 280 万欧元+ 的年化节省，来自「从未被系统化运行过」的流程。这不是巧合，是同一结构的三次重复：AI 最值钱的地方，恰恰是 ROI 账本看不见的地方。
三个案例，同一个结构
Evans Transportation（美国 3PL）：接入 AI 呼叫 agent 之前，约一半入站承运商电话会漏接。agent 接住 10 万+ 通电话——按 MC 号识别承运商、核验安全与入驻状态、筛掉垃圾与恶意来电、做首轮运价资格判断；人工订单录入从每人每天 100–120 单，降到每天 1–2 次人工触碰（Inbound Logistics 08/2026 报道，Evans 自述口径）。
C.H. Robinson（3PL，2025-10-20 公司口径）：CTO Mike Neill 称，9 月单月、单个 AI agent 从一种电话类型中捕获 31.8 万条运踪更新——「此前这些数据对系统不可见」；数据随后流入另一个 agent 更新平台、喂养预测 ETA。其 Always-On Logistics Planner 数字员工队伍已有 30+ 个 agent。
Duvo × Rohlik（零售，Anthropic 案例研究口径）：Rohlik 此前最多按季度、常常完全不监控数千个商品关联 SKU 的价格。Duvo 的 agent 持续监控、构建谈判案、自动发起供应商接触：首周在 120+ SKU、15+ 供应商上落地 145 万欧元+ 年化节省；三个月累计 280 万欧元+，平均释放 40%+ 团队产能。
共同点：三者的回报都来自「过去没人做、做不了、没记录」的工作，而不是「人做过的流程被加速」。漏接的电话没有成本科目；电话里的运踪更新没有数据库字段；按季才做的价格监控没有 SLA。
我们的判断：基线错了，ROI 之争就是伪命题
标准 ROI 框架对比「改造前 vs 改造后」——但隐形工作没有改造前：它从未被记录、从未被分配、从未有成本。账本里没有基线，回报自然显示为零。于是出现 2026 年最常见的怪象：同一个 agent 项目，运营团队说「我们把以前根本做不到的事做了」，财务团队说「ROI 算不出来」。
我们的判断：先修基线，再争 ROI。对每个候选流程问三个问题：① 组织架构图上有没有负责人？② 有没有成本科目或 SLA？③ 有没有任何系统记录过它？三个都没有 = 隐形工作 = 基线为零。基线为零的工作，agent 创造的任何价值都是纯增量——ROI 的分母应是「人工完整做一遍的成本」，而不是 0，更不是「反正以前没人做所以没成本」。
这同时解释了试点为什么无法规模：试点账本以「加速现有流程」为分母，规模化的价值却藏在隐形工作里。你越是用旧账本筛选试点，越会错过最值得规模化的场景。
行动清单：用基线修复 ROI 账本
① 盘点隐形工作
让每个业务负责人列出「真实存在但没有成本科目」的流程：漏接的电话、未记录的更新、按季才做的监控、口头交接。
② 基线优先估值
人工完整做一遍要多少人时、多少延迟、多少机会成本？先算基线，再谈回报。
③ 把基线写进 ROI 计算，再决定立项
分母是「人工完整做一遍的成本」，不是 0；基线为零的工作按纯增量记账。
④ 按「增量价值 / agent 成本」汇报
多数隐形工作的回报形状是新增价值，不是人力节省——用错指标会低估整个项目。
衡量建议：通话类场景看「接通率 × 首次解决率 × 转化或防损」；数据类场景看「新入库记录数 × 下游利用度」；监控类场景看「从按季到按天的决策时延差」。这些指标在旧账本里不存在，但它们是 2026 年 AI ROI 的真实落点。
OOMeta AI
OOMeta 的运营本身就是这个框架的实证：1 个人 + 多 agent 单元，信号监控、内容生产、审计闭环大多在「人做不过来」的区域创造价值。我们为客户评估 agent 场景时也用同一套基线优先框架：先找没有成本科目、没有负责人、没有 SLA 的工作，再谈回报。
预约诊断会参考来源：Inbound Logistics 08/2026 Evans 案例（经 Marketscale 转述，Evans 自述）https://www.marketscale.com/industries/transportation/evans-transportation-says-ai-agents-answered-100000-inbound-carrier-calls-in-months · C.H. Robinson 新闻稿（2025-10-20，厂商口径）http://chrobinson.com/en-us/about-us/newsroom/press-releases/2025/ch-robinson-agentic-supply-chain-advance-2025 · Anthropic 案例研究 Duvo（厂商案例）https://claude.com/customers/duvo · Vooma × Evans 案例 https://www.vooma.com/case-studies/evans
常见问题
为什么说标准 ROI 账本必然低估 AI 回报？+
标准 ROI 对比「改造前 vs 改造后」。但漏接的电话、未记录的运踪更新、按季才做的价格监控从未进入任何成本科目，账本里没有改造前基线，回报自然显示为零。
Evans Transportation 的数字是什么？+
这家美国 3PL 在数月内用 AI 接住 10 万+ 通入站承运商电话，此前约一半会漏接；人工录入从每人每天 100-120 单降到每天 1-2 次人工触碰（Inbound Logistics 08/2026，Evans 自述口径）。
C.H. Robinson 的数字是什么？+
公司口径（2025-10-20）：单个 AI agent 在 9 月从一种电话类型中捕获 31.8 万条运踪更新，此前这些数据对系统不可见；其数字员工队伍由 30+ 个 agent 组成。
Duvo/Rohlik 的案例说明了什么？+
Anthropic 案例研究：Duvo 的 agent 在三个月内为 Rohlik 带来 280 万欧元+ 年化节省，来自「从未被系统化运行过」的流程；首周价格监控即落地 145 万欧元年化节省。
企业应该怎么用这个框架？+
两步：先做隐形工作盘点——找出真实存在但没有成本科目、没有负责人、没有 SLA 的流程；再对每个候选流程做基线优先估值，把「人工完整做一遍的成本」写进 ROI 计算。
相关文章
2.5 个月上线语音 Agent：Tripadvisor 把 80% 的工作花在会话设计上
Tripadvisor 8 人团队 2.5 个月上线语音 agent Vesper（NiCE 案例口径）：顾客情感分 90% vs 人工 71%，两分钟开场序列从人工负载里消失。我们的判断：agent 化不是把人挡在外面，是把每通电话变成数据——评估语音 agent 看学习回路与桥接设计，不看 demo。
Sysco 把 AI 省钱写进财务指引：三年 5 亿美元
Sysco 09-09 官宣 AI 效率计划：FY2029 前至少 $500M 结构性成本节约，FY2027 已含 $100M，并上调中期 EPS 增速至 9-11%（官方新闻稿）。我们的判断：AI「省钱」要进入财务指引才算数；四大抓手是分销行业可迁移的清单。
花旗 Arc 平台：最大规模实测的企业级 Agent 部署
花旗4月推出Arc，把AI Agent当集中式操作系统：18万员工用AI、4万开发者用Devin做Agentic编码、每周超10万Agent小时。遗留系统迁移从12个月缩到4周，50亿美元投入靠Agent自产的效率节省回血。
1100 人公司跑起 50+ agent：ROI 是测量纪律，不是案例
ABC Legal（1,100 人法律文书送达公司）用 Claude Managed Agents 把 50+ agent 推上生产：部分任务成本降约 50%，310 名员工日常使用。数字是厂商自报；可迁移的是方法——建议先给人审→标注数据→eval 门槛→自动化，每个 agent 按效率比单独记账。