別再只看流量:企業 AI 導入該追蹤的 12 個採用率與成效 KPI

上個月我們去看一個已經上線半年的內部知識問答系統。後台儀表板很漂亮:月流量兩萬三千次查詢,曲線一路往上。老闆很滿意。但我們把使用者去重、再把「同一個人反覆問同一題」濾掉之後,真正每週會回來用的員工,只有 37 人——這家公司有 900 人。

流量在漲,採用沒發生。

這不是特例,而是我們進場最常見的病灶。企業 AI 導入之所以在董事會層級被質疑,幾乎都不是因為模型不夠聰明,而是因為大家一直在看錯的數字。AI 導入 KPI 如果只停在「用了幾次」,你量到的是好奇心,不是生產力。 這篇就把我們實際在客戶現場用的一份採用率與成效 KPI 清單攤開來,連計算定義一起給,讓你可以直接搬去對齊團隊。

先給一個可以直接引用的定義:企業 AI 導入 KPI,是一組用來衡量「AI 是否已嵌入真實工作流、並持續產生可歸因產出」的指標,核心是採用深度與生產線成效,而非曝光或呼叫次數。

為什麼流量是虛榮指標

流量、總查詢數、註冊帳號數,這些數字有個共同特徵:它們在導入初期一定會漂亮。因為有新工具、有公告、有主管站台,大家都會去點一下。問題是這些數字無法區分「試用一次就再也不開」和「每天靠它結案」的兩種人,而後者才是 ROI 的來源。

我們的判準很簡單:一個 KPI 如果在「沒有人真的改變工作方式」的情況下也能變好看,它就是虛榮指標。要追的,是那些只有在系統真正被信任、被納入日常流程時才會動的數字。

該追蹤的 12 個 AI 導入 KPI

下面把 12 個指標分成四組:採用深度、生產線成效、成本與 ROI、品質與信任。每一個都附上計算定義,你可以直接照著在 BI 工具裡建欄位。

幾個容易被漏掉、但我們每次都會盯的點,值得多說兩句。

第 2 項任務滲透率是最誠實的採用指標。一個客服專員每天處理 40 張工單,如果 AI 只在其中 3 張、而且只寫了草稿的第一段,那再高的查詢量都是假象。我們通常要求滲透率至少爬到 30% 才會認定「進了生產線」。

第 9、第 10 項是財務會拿去問你的。很多團隊算 ROI 時只算省下的時間,卻不算 token 費、不算工程維運、更不算人工校對那段。我們踩過這個雷:某個文件生成流程帳面省了六成工時,把校對與返工加回去之後,淨回收只剩下不到兩成。數字要能被 CFO 質詢而不崩,才是可以拿去續約的數字。

第 12 項覆核率,是我們判斷導入健不健康的領先指標。當一個團隊願意越來越少地去二次檢查 AI 的輸出,代表信任在長;反過來,如果覆核率不降甚至回升,不管使用量多高,這個導入正在悄悄死掉。

怎麼設定門檻與基準

有了指標還不夠,得先量到「導入前」的基準,否則你永遠證明不了改變。所以我們進場第一件事,通常不是接 API,而是花一到兩週把現況的週期時間、任務量、人工成本量清楚,釘死 baseline。

門檻建議分階段設:第一個月看採用深度(第 1、2、3 項有沒有站上線),第二到第三個月看生產線成效(第 5 到 8 項),第四個月才認真對財務攤 ROI(第 9 到 11 項)。太早看 ROI 會嚇跑專案,太晚看採用則會養出一個沒人用的漂亮系統。

說到底,Demo 那天全場點頭不算數,儀表板流量創新高也不算數。系統上線、而且有人天天靠它把事情做完,才算數。我們在客戶現場做前線部署,做的其實就是把這 12 個數字從紅盯到綠——工程師蹲在流程裡,一週一週把採用率和淨回收工時往上推,而不是交付完就走人。這份清單,歡迎你先拿去對齊自己的團隊。