为什么 AI Agent 项目交不出投资回报？
AI Agent 项目交不出投资回报，主要原因是在上线之前，从来没有人用可衡量的方式定义过「成功」。有一套四项指标的衡量框架，覆盖任务成功率、人工介入率、单位成本和处理时间，能够区分扛得住预算审核的 Agent 项目，和被悄悄搁置的项目。这篇文章就是要把这套框架交给你。
风险有数据支撑。Gartner 预测，到 2027 年底，超过 40% 的 Agentic AI 项目会被取消，原因是成本失控、商业价值不清晰和风险管控不足。三个原因里，有两个属于衡量失败，而不是技术失败。
这个场景每位管理者都不陌生：演示环节人人叫好，团队自我感觉效率提升，但没有人能用 CFO 认可的数字说清楚到底改变了什么。缺少事先约定的衡量基线，再成功的部署也无法自证。
AI Agent 应该跟踪哪些关键指标？
AI Agent 衡量的核心是四项指标：端到端任务成功率、人工介入率、每完成任务成本、任务完成时间。四项合在一起，回答董事会唯一关心的问题：这个 Agent 是否在以低于原有方案的单位成本，稳定地完成真实工作？
指标一：端到端任务成功率。Agent 完整完成任务、无需人工返工的百分比。衡量的是整条流程的完成度，而不是单个步骤。一个能起草 100% 回复、但一半需要人工重写的 Agent，成功率是 50%，不是 100%。
指标二：人工介入率。任务中途需要人员接手的频率。这是可靠性信号，也是人力规划的输入。介入率逐月下降，是 Agent 逐步成熟最清晰的证据。
指标三：每完成任务成本。总成本除以完成任务数，总成本必须包含推理算力、平台费用、集成工程摊销和人工监督时间。对比对象是原有流程的全负担成本，而不是零。
指标四：任务完成时间。从触发到验证完成的实际耗时。速度只有在成功率稳住时才有意义，所以两者必须一起汇报。
部署之前如何建立衡量基线？
基线是在任何 Agent 上线之前，对现有流程进行为期两周的实测，记录业务量、单位成本、处理周期和错误率。没有基线，部署后的所有数字都无处安放，项目价值就变成各说各话的观点，而不是证据。
基线测量不需要兴师动众。以客户运营流程为例，就是统计每人每天处理的工单量、平均处理时长、升级转接率，以及团队的全负担小时成本。以财务流程为例，则是发票处理量、异常率和结账天数。
有一条纪律最关键：基线数字必须在试点开始之前，与流程负责人和财务伙伴共同确认。事后才商定的基线永远会被质疑，因为到那时，人人都知道哪个数字对谁有利。
如何向董事会汇报 AI Agent 成效？
向董事会汇报 AI Agent，最有效的形式是一页纸的季度视图，分三层：运营指标（上述四项）、财务转译（单位成本差乘以业务量）、风险状况（介入率趋势、事故数量、合规状态）。一页纸、三层结构、每季一次、格式不变。
大多数汇报都败在财务转译这一层。董事会不会因为「Agent 处理了 12,000 项任务」而行动，但会因为「每项任务成本从 31 港元降到 9 港元，按当前业务量计算，相对基线每年相差 260 万港元」而行动。算术很简单，让数字可信的，是背后那个事先约定的基线。
切忌向董事会汇报模型层面的指标，比如准确率或延迟。那些属于工程评审会。董事的职责是配置资本，而资本配置依据的是单位经济和风险，不是跑分成绩。
实际操作是什么样子？
在实际操作中，一个以衡量为先的 Agent 项目是一个 90 天周期：两周基线实测，六周有人监督的试点并每周复盘指标，然后对照第一天白纸黑字写下的门槛，做出去留决定。
假设一家香港物流公司部署 Agent 处理货运单证核对。第一天定下的门槛可以是：任务成功率高于 85%、介入率低于 20%、每份单证成本比基线至少低 40%。到第八周，数字要么达标，要么不达标。无论结果如何，决策都快速、有依据，并且可以复制到下一个应用场景。
同样的结构适用于自动生成委托函的专业服务公司，或者分流租户请求的物业管理公司。流程各不相同，衡量架构却是同一套。
常见的衡量误区有哪些？
杀伤力最大的误区，是衡量活动而不是成果：汇报 Agent 的运行次数、生成消息量或使用时长。活动指标永远好看，但什么都证明不了。如果一个数字在业务毫无收益时依然亮眼，它就是错误的数字。
第二个误区是忽略监督成本。一个每项输出都需要资深员工审核的 Agent，并没有减少人力，只是把人力搬到了更高薪的层级。每完成任务成本必须计入审核者的时间，否则整个回报叙事经不起推敲。
第三是放任评估窗口漂移。团队悄悄延长试点，期待数字变好，结果试点变成永久却无人衡量的常态。评审日期要在开始时锁死，即使结果难看，尤其是结果难看的时候，更要如期执行。
战略总结
Gartner 预计，到 2028 年，至少 15% 的日常工作决策将由 Agentic AI 自主做出，而 2024 年这个比例接近于零。最终受益的企业，不是部署 Agent 最多的那些，而是能用董事会信任的数字，证明哪些 Agent 值得留下的那些。
衡量不是 AI 项目的官僚尾巴，而是把试点变成预算、把预算变成复利优势的机制。
这套衡量架构，你不需要独自搭建。UD 用 28 年时间，帮助香港企业把技术转化为可问责的业务成果。懂AI，更懂你。
准备好用数字支撑你的 AI 项目？
框架已经在你手上，成败在于执行纪律。UD 团队手把手带你完成每一步，从基线实测、指标设计，到试点治理与董事会汇报，让你下一次 AI 复盘会议，用证据说话，不靠感觉。