FDE 的 ROI 怎么算？一个可落地的测算框架

结论先给：AI 项目的 ROI 不能只算省了多少人力，要算四笔账 —— 直接成本、隐性成本、风险成本、复用收益。 只算第一笔，几乎所有项目都划算；四笔一起算，一半的项目会被筛掉。这是好事。

第一笔：直接成本

开发与交付人力、算力、许可。先看清计价单位：按人天、按阶段还是按指标 —— 它决定风险由谁承担。这一笔最常见的错误是只算了“做出来”的钱。

第二笔：隐性成本

• 数据准备： 找数据、清洗、标注、申请权限。多数项目在这一步比在模型上花的时间更长。
• 内部配合人力： 业务、IT、数据、法务投入的时间。不进项目预算，但是真实成本，也是延期最常见的原因。
• 流程改造： 流程改不动，系统就会被绕开。
• 培训： 上线后没人用，等于没做。

参照 FDE 自己的时间分配：客户沟通 47%、写代码 31%、内部协调 22%（Perspective AI 调查 1500 名从业者）。供应方一半以上的工时不在写代码上；你的组织同样要投入这类协调，而它不会出现在发票上。

第三笔：风险成本

失败概率 × 沉没投入。超过 60% 的企业 AI 尝试停留在试点阶段 —— 这不是说你一定会失败，而是“默认成功”这个假设不成立，测算里必须给失败留一行。

算法：先算最小可验证版本的成本，再乘上你自己的历史成功率。如果项目设了阶段闸门（验证不过就停），这一笔才有上限。

第四笔：复用收益

这笔账算的是第二个同类场景的成本。判据是：第一个客户需要 10 个人月，第十个同类客户仍然需要 10 个人月，说明模式没有跑通（前 Palantir 高管 Bob McGrew）。这种情况下第二、第三个场景都要重付一遍第一笔账，多场景的 ROI 会被系统性高估。

反向红线：单个客户占用的交付人力长期超过 30–40%，业务已经退化成高端人力外包（F-Prime 口径）。这时复用收益按 0 计。

成本结构里最容易被漏掉的一段

“部署大约占总成本的 20%，另外 80% 是让系统在模型升级、数据漂移和边缘情况中持续运行”（Computerworld 报道中 Solidroad 的 John Sangyeob Kim 的口径，参考后续 18 个月）。多数合同只给第一部分定价。

对测算有两个直接影响：把运行成本写成一条持续曲线放进分母，否则你算出的回本期会比真实的短；在交付时索要一个运行成本公式，而不是一个运行报价。

该算的指标和不该算的指标

过程指标是调用量、准确率、响应速度、覆盖率；业务指标是降本、增效、增收。

一线从业者的概括很准：准确率、响应速度只是中间指标，降本、增效、增收才是终极目标。 反面版本同样成立：CTO 季报里的百万调用量，在 CEO 眼里可能是百万次无效追问。

两处换算：准确率必须乘上人工复核率和错误成本才有意义；调用量必须除以“每个任务的平均调用次数”才是真实处理量。判据很简单 —— 一个指标如果能被提高，却不改变任何人的工作方式、也不改变任何一笔支出，它就是过程指标，不该进 ROI 的分子。

一个示意性测算示例

以下是示意性推演，用于演示算法，不是真实案例，数字均为假设。

假设某场景：人工处理一单需要 12 分钟；系统处理 4 分钟，外加人工复核 2 分钟，合计 6 分钟；日处理 200 单。

• 每天节省：(12 − 6) × 200 = 1200 分钟 = 20 小时
• 每月（按 21 个工作日）：约 420 小时
• 换算成钱：乘以你自己的人力成本 C（元/小时）。这里要代入的是这个岗位的全成本，不是工资条上的数字（中国 FDE 平均年薪 40.8 万、中位 36.6 万，猎聘口径，仅作工程人力的参考锚点）
• 一次性投入：试点与交付（第一笔）＋ 数据准备与内部配合人力（第二笔）
• 运行成本：每月那一笔（20/80 里的 80%）
• 回本期 = 一次性投入 ÷（每月节省 − 每月运行成本）。分母 ≤ 0 时，这个场景在任何准确率下都不成立
• 风险：乘上（1 − 失败概率），至少把“全损”情形算一遍
• 复用：第二个同类场景如果成本明显下降，把节省额按场景数累加

这个例子里有两处最容易出错。一是那 2 分钟复核：漏掉它，节省会从 50% 虚高到 67%。二是量：日处理 200 单时这笔账算得过来；日处理 5 单时，同样的效率提升摊不开一次性投入。

拿给决策层看只需要一张表： 一次性投入、每月运行成本、每月节省、失败情形下的代价、复用的假设。五个格子填不满，说明这个测算还不成立，而不说明这个项目不值得做。

什么时候 ROI 算不过来

1. 没有基线。 “平均处理时长”“返工率”从来没被记录过，分子算不出来，项目只能靠感觉验收。花两周把基线测出来，比先做模型便宜。
2. 频次太低。 用上面的公式一算就知道，节省的时间摊不开一次性投入。
3. 流程本身不稳定、也没有记录。 AI 会放大流程：口头约定的例外情况，到了系统里就是无数分支。
4. 标准产品能覆盖。 直接买产品，不要定制。
5. 内部没人接运行期。 80% 的成本在后面；没有维护责任人，系统会在几个月内静默失效。
6. 没有退出机制。 没有“验证不过就停”的闸门，风险成本会被无限放大 —— 不是因为你一定会失败，而是因为失败时你停不下来。

常见问题

只算省人力够吗？ 不够。省人力只是第一笔账的一部分。完整的算法要同时看隐性成本、失败概率和复用收益；只算省人力的方案，在第二、第三个场景会反复翻车。

多久能回本？ 我们不报数字，方法比数字有用：先算最小可验证版本的成本，再看它一年内能不能被可确认的收益覆盖。如果覆盖不了，或者分母（每月节省 − 每月运行成本）为零或负，就别做。

失败的试点是不是全损？ 不全是，但不要用它美化亏损。评测集、数据规范、连接器这类东西可以留下来，判断标准只有一个：下一个同类场景能不能因此少花钱。如果留下来的只有一份汇报材料，那就是全损。

---

ROI 测算的目的不是给项目找一个能通过的数字，而是在花钱之前把“这笔账成不成立”回答清楚。我们自己的习惯是先算分母：运行成本算不出来的时候，不做。

如果你还分不清这件事属于定义类问题还是执行类问题，可以先看《FDE 是什么？前沿部署工程师完整指南》和《FDE 和外包到底有什么区别》。测算做完之后要谈交付，见我们的交付方式与 FDE 外包服务；手上有具体场景，欢迎联系我们做一次诊断。