# CFO 要看的不是模型，而是一页纸

> 用 90 天运营数据定出基线、盈亏平衡情景和止损条件，20% 的承诺才可信。

原文: https://fdetimes.net/zh/guides/one-page-ai-business-case-90-days-data/

设想你在一家分销公司工作的第三周。运营负责人发来发票对账系统的导出数据，正好覆盖最近 90 天，附言只有一句：首席财务官（CFO）周五前要一页纸，如果有说服力，试点就批。

大多数工程师会打开 notebook，开始试模型。这是最舒服的活，却不是决定项目能否推进的那件事。真正起决定作用的是一页纸，而读它的人并不关心 prompt 或光学字符识别（OCR）的准确率。

对前线部署工程师（FDE）来说，这项能力处在代码和客户之间。在上面的场景里，数据在你手上，系统能做什么、做不到什么你也最清楚。所以由你来写这一页最合理。

## 为什么只要一页？

Colin Bryar 和 Bill Carr 在 *Working Backwards* 中解释了 Amazon 为什么限制文档篇幅：约束能让思考和表达都更清晰。他们说得很直白：多写几页、多写几个字，不会有任何奖励。

一页纸并不意味着分析更少。Infinisynapse 为数据类 AI 项目提出的商业论证模板，用一页作为执行摘要，再为页面上的每个结论附上支撑分析。第一页是承诺，附录是证据。

## 基线已经在你手上

SoftwareSeni 对基线的定义是：针对即将自动化的那个流程，在部署前记录的绩效数据，取自现有系统，时间窗口至少 90 天。

除了对客户的影响程度，三项核心指标是成本、处理周期和错误率。当 AI 替代或增强一个已经在运行的流程时，这个流程本身就是比较的基准。

客户给的 90 天数据就是现成的基线，不需要额外花钱去测。假设文件显示这个季度共有 27,000 张发票，即每月 9,000 张。人工处理每张发票平均需要 6 分钟，每月合计 54,000 分钟，也就是 900 个员工工时。

错误率为 4%，意味着每月有 360 张发票需要返工，每张 20 分钟，另增 120 小时。按每个员工工时 15 万越南盾的假设费率计算，三个数字就齐了：成本、处理周期和错误率。

Unframe 强调，基线必须在试点运行前锁定，这样试点结束时才能说明哪些改进确实来自 AI。条件允许的话，保留一个对照组，比如让一个班次继续手工处理，以便把 AI 的效果和季节性波动区分开。

## 每个百分比都要有一行解释

商业论证里最容易被划掉的，是“AI 将处理时间缩短 20%”这样的句子。CFO 会问 20% 从哪来。答案必须能追溯到数据，而不是凭感觉。

回到那份 90 天的文件。假设按供应商分组后发现，60% 的发票来自 20 家使用固定模板的大供应商。这部分 AI 可以预先填好，员工只需核对。其余 40% 格式各异，假设这部分没有任何节省。

基准情景：60% 的固定模板发票，处理时间从 6 分钟降到 4 分钟。平均节省 2 分钟乘以 60%，即 6 分钟中省下 1.2 分钟，也就是 20%。每月 5,400 张发票乘以 2 分钟，合计 180 小时。

低情景：测试中有一半固定模板提取失败，只有 30% 的发票受益。节省 2 分钟乘以 30%，即 0.6 分钟，也就是 10%，相当于每月 90 小时。

高情景：固定模板发票仍占 60%，但员工核对只需 3 分钟。节省 3 分钟乘以 60%，即 1.8 分钟，也就是 30%，相当于每月 270 小时。

到这一步，没有哪个百分比是为了好看而挑出来的。每个数字都对应一个具体假设，每个假设都能在试点中检验。

## 员工工时还不是钱

SoftwareSeni 引用了 Deloitte 的 State of AI in the Enterprise 2026 报告：66% 的组织实现了生产率提升，但只有 20% 增加了收入。很多商业论证恰恰在这道缺口上站不住。省下 180 小时，只有当页面上写清这些工时去向时，才有价值。

**要点:** 省下的员工工时，在有人决定如何使用之前，还不是钱。

在这个例子里，动笔前先问运营负责人：他们打算在旺季少招临时工，还是把人调去处理逾期应收账款？变成损益表（P&L）上那一行的，是他们的回答，而不是你的。

接下来换算成钱。按每小时 15 万越南盾计算，每月毛节省分别为 1,350 万越南盾（低）、2,700 万越南盾（基准）和 4,050 万越南盾（高）。扣除假设的每月 450 万越南盾运营成本后，净节省为 900 万、2,250 万和 3,600 万越南盾。

如果建设成本为 5.4 亿越南盾，回收期分别为 60 个月、24 个月和 15 个月。假设客户设定的回收期门槛是 24 个月：要达到这个门槛，最低降幅正好是 20%，与基准情景一致。

这是整页纸上最有价值的信息。这个项目并非“稳赢”，它正处在临界点上，一切取决于每张固定模板发票能否真的省下 2 分钟。

要看清离临界点有多近，就做一次敏感性分析。如果只有 45% 的发票使用固定模板，基准情景就降到 15% 的降幅，即每月 135 小时，净节省 1,575 万越南盾，回收期约 34 个月。

## 写好的一页纸长什么样？

Infinisynapse 建议用低、基准、高三种情景，加上盈亏平衡情景和证据的置信度来呈现不确定性，而不是只给一个数字。套用到这个例子，页面核心部分可能是这样：

| 情景 | 关键假设 | 每月节省工时 | 回收期 |
|---|---|---|---|
| 低（10%） | 30% 的发票受益，每张节省 2 分钟 | 90 | 60 个月 |
| 基准（20%） | 60% 的发票受益，每张节省 2 分钟 | 180 | 24 个月 |
| 高（30%） | 60% 的发票受益，每张节省 3 分钟 | 270 | 15 个月 |

盈亏平衡情景不需要单列一行。在表格正下方加一条注释就够了：要达到客户 24 个月的回收期门槛，最低降幅为 20%，正好是基准情景。

置信度这一行要把实测的和假设的清楚分开。固定模板发票占 60% 是从 90 天数据中测得的，置信度高。每张节省 2 分钟是假设，在试点检验之前置信度低。

三种情景只计算了处理时间；4% 的错误率已经写进基线，但目前没有假设 AI 会降低错误率。把每月 120 小时的返工记为尚未计入的潜在收益，因为一个保守、能让 CFO 自己看到上行空间的数字，通常比一个贪心的数字更有说服力。

## 止损条件必须在试点前写好

Infinisynapse 建议，商业论证应写明项目在什么条件下必须停止或重新设计。Unframe 补充说，投资回报率（ROI）指标和汇报节奏必须在试点开始前定义好；Educative 也建议在这个阶段锁定成功的定义。

在这个例子里，止损条件可以写成：试点四周后，如果固定模板发票节省的时间不到 1 分钟，项目停止或缩小范围。每周汇报一次，测量与基线相同的三项指标。

写止损条件可能让人觉得是在削弱自己的提案。实际效果恰恰相反：它向 CFO 表明风险有边界，也让你免于陷入一个没完没了的试点。

时间表也应该写在这一页上。FDE Academy 引用了 Perspective AI 的分析，目标是在合同签署后 90 天内让系统上线生产环境。不要把它和前面 90 天的基线数据混为一谈：一个是交付进度，一个是测量窗口。

这个里程碑来自销售 FDE 服务的公司，没有附带方法论或底层数据，只能作为参考。不过它的观点没错：商业论证需要时间表，而不只是数字。

## 让这一页被划掉的错误

不要用员工的口头估计作基线：基线必须是部署前记录的绩效数据，所以要从系统里取。AI 只触及一部分业务量时，比如上文 60% 的固定模板发票，也不要把节省比例套用到全部业务量上。

另一个错误是不问工时用在哪里，就直接把省下的工时换算成钱。最后一个错误是只给一个数字，没有低情景，没有盈亏平衡情景，也没有止损条件。

申请 FDE 岗位时，留意职位描述是否提到 ROI、价值实现（value realisation）或与财务干系人合作。如果有，简历上写一行“基于 90 天数据建立基线，基准情景 20%，回收期 24 个月，试点实测 X”，比任何形容词都更有说服力。

本周练习：在固定模板占比 45% 的条件下，自己算出低情景和高情景，再把整张表重做一遍。然后给 CFO 写一句话，只写一句，说明试点为什么仍然值得推进，或者为什么不值得。

**本周动手试试:**

- 选一个你目前支持的流程，记录三个基线数字（成本、处理周期、错误率），并注明每个数字的数据来源。
- 为这个流程写出低、基准、高三种情景，每种附一句以真实数据分布为依据的解释。
- 在简历上为最近一个 AI 项目加一行，按这个格式写：基线、基准情景、盈亏平衡情景、实测结果。

## 信源

- [How to Build an AI Business Case That Survives CFO Scrutiny Before Budgets Are Set](https://www.softwareseni.com/how-to-build-an-ai-business-case-that-survives-cfo-scrutiny-before-budgets-are-set/)

- [How to Measure the ROI of AI Pilot Projects | Unframe AI](https://www.unframe.ai/blog/how-to-measure-ai-pilot-roi)

- [Business Case Template for AI Data Projects](https://infinisynapse.com/en/blog/business-case-template)

- [Developing the AI Business Case: Part 2](https://www.educative.io/courses/ai-project-management-deploying-maintaining-business/developing-the-ai-business-case-part-2)

- [What's it like to work at Amazon? (excerpt from Working Backwards)](https://aboutamazon.com/news/workplace/an-insider-look-at-amazons-culture-and-processes)

- [How Do Forward Deployed Engineers Improve AI ROI?](https://fde.academy/blog/how-do-forward-deployed-engineers-improve-ai-roi)
