AI 的价值，在那些从来没人做的决定里
按省下的工时算，AI 的价值往往显得很小。更大的一块，在那些以前没人顾得上做的决定上。
大多数公司给 AI 项目算收益，都是这么算的：每人每周省下几个小时，乘以人数，再乘以时薪。这样算出来的数字通常不大，很难说服谁。我后来觉得，问题出在计量单位上。
AI 降低的是判断的成本。判断便宜以后，可以替掉一部分现在做判断的人，这是一笔账。另一笔账更大：很多以前做不起、一直空着没人做的决定，现在可以有人做了。这笔账按工时算不出来，得按决定来算。
工时这笔账为什么算不大
省下的时间很零碎，这里二十分钟，那里半小时，凑不成一份完整的产出，更省不出一个人头。
更大的问题是，这样算账，默认了 AI 只是在旁边帮忙，流程不变，人也不变，原来的事情做得快一点而已。这样的项目最后能汇报的，大多是多少人在用、调用了多少次，业务到底哪里变了，很难说清楚。
判断一直很贵
每一次通用技术的突破，都会把一样原本只能由人提供的东西，变成可以单独购买、几乎要多少有多少的东西。蒸汽机出现以前，动力只能来自人和牲口；计算机出现以前，computer 这个英文词指的是一种职业，就是坐在屋里专门算数的人。某样东西一旦变得便宜，组织的样子也会跟着变。这一次变便宜的是判断，也就是读完一堆材料之后，得出“该怎么办”的能力。
能做好判断的人一直不多，公司只能省着用。今天习以为常的很多管理做法，其实都和节省判断有关。
比如预算一年定一次，是因为每定一次都要耗费一批人的判断，一年做两次成本太高。客户分成 A、B、C 几级来管理，也是因为没法逐个去看。决策权集中在少数人手里也是类似的道理，一线的判断没法逐一核对，干脆就不让一线来判断。
这些做法本身没有错，它们只是建立在判断很贵这个前提上。
那些空着的决定
判断变便宜以后，大家最先想到的是替代，让 AI 去做原来分析师做的事。这条路走得通，但它和“省了几个小时”其实是同一笔账，省掉一个分析师，收益就是一个人的工资。
更大的收益在别处。一个医药代表通常要负责一百多位医生。理想情况下，每位医生每周都该有人想一想：这周该不该去见他，去了谈什么，上次他提的问题解决了没有。实际上很少有人能做到，代表凭经验排计划，经理一个月看一次汇总。这件事很重要，只是以前根本做不过来。
公司里像这样空着的决定还有很多。判断便宜以后，原来一年做一次的决定可以每周做，原来按大区做的决定可以细到每个客户。把这些空位补上，带来的价值和省掉一个分析师不在一个量级。
按决定来算
我现在评估一个 AI 项目，大致会按这个式子来想：
价值 = 新增的决定数量 × 每个决定的质量提升 − 治理成本
第一项是原来没人做、现在有人做了的决定，通常也是最大的一项。第二项是每个决定的质量提升，也就是交给系统以后，比原来凭经验拍板、或者干脆没人管的时候好多少；如果好不了，也就没必要交给它。第三项是为了让大家敢用而付出的所有成本，包括留记录、做审核、出错后回滚、明确谁来负责。治理设计得太笨重，前两项的收益就会被它吃掉。
第三项省不掉。人做的判断出了错，有人负责；系统做的判断出了错，谁来负责？这个问题答不上来，大公司很难真正把决定交出去。谁来负责、怎么负责，我在《AI 的决策权是挣来的》里写了自己的想法。
除了“人均每周节省 3 小时”，还可以问一句：上线以后，哪些原来没人做的决定开始有人做了？
