人工基线如何锚定AI项目价值

很多 AI 项目一开始都会问：“模型能做到什么？”真正决定项目价值的问题却是：“如果不用 AI，人工本来能做到什么？”这就是人工基线的作用。没有它，模型生成得再快、演示效果再亮眼，也很难判断企业究竟获得了改善，还是只是把原有流程换了一种表达方式。

基线不是一个平均数

人工基线至少要把任务边界说清楚：处理的是什么类型的工作，完成质量如何，平均耗时多少，错误、返工和人工介入分别处在什么水平。比如比较文档处理效率，不能只看 AI 输出用了多久，还要把人工复核、修改和异常处理算进去；比较客服场景，也不能只看回答速度，还要观察关键问题答错后是否增加了投诉或转人工。

因此，基线不宜简单写成“人工一天处理多少件”。不同人员的熟练程度、任务难度和数据质量都会影响结果。更稳妥的做法，是在试点启动前记录一段真实业务流程，保留任务量、耗时、质量和成本等信息，并明确哪些环节属于比较范围。基线越贴近未来的使用场景，后续结论越不容易被质疑。

AI 要和“同一道题”比较

人工基线的价值，不在于证明人工更好，而在于建立公平的参照。AI 与人工必须处理相近的任务，采用一致的质量标准，否则比较出来的提升可能只是统计口径的差异。

还要避免只拿人工最差表现与 AI 最好表现比较。演示中的成功样例，不能对应人工流程中的平均结果；同样，人工偶尔出现的失误，也不能被当作完整基线。更有意义的判断是：在真实数据和正常流程下，AI 是否持续降低处理成本，同时保持不低于人工可接受水平的质量。

基线也会随业务变化

人工基线并非测一次就永久有效。业务量、人员结构、任务难度变化后，原来的参照可能已经失真。AI 上线后，还应持续记录人工介入比例、错误率、返工情况和单位任务成本，观察所谓的效率提升是否真的转化为业务改善。

如果 AI 只是减少了初步处理时间，却让复核工作大幅增加，那么它可能只是把成本从一个环节转移到了另一个环节。反过来，即使模型没有带来特别醒目的速度提升，只要它稳定减少了错误或缓解了高频瓶颈，也可能值得继续投入。

人工基线的意义，最终不是给 AI 设一道门槛，而是让“价值”从感觉变成可讨论、可复盘的事实。项目启动前先问清楚人工的真实表现，往往比上线后争论模型有多聪明更重要。