全世界的 CFO 都在问同一个问题，这也是企业 AI 时代最难的问题：我们花的这些钱，到底换来了什么？
而最常见的回答，糟糕得惊人。买了多少席位、烧了多少 Token、用了多少 Credits——这些数字衡量的是成本，不是价值。
这里有一个值得重新理解的底层逻辑：AI 落地首先是个「语言问题」，其次才是技术问题。 你用什么词描述 AI 的工作，就决定了它怎么立项、怎么配人、怎么放大。
OpenAI 9 月 16 日发布的《How to connect AI usage to business value》，表面是管理后台的产品更新，骨子里是一堂「词汇课」：用量、任务洞察、工程产出、五问框架、可复算的 ROI——一套把 Token 变成信任的五步纪律。
[1]第一步，看清钱流向哪里。 Usage 视图汇总 ChatGPT Work 和 Codex 的活跃用户、Credits 与 Token，告诉你采用度在哪里增长、支出在哪里集中。
第二步，看清 AI 到底在干什么活。 Insights 里的任务分类器把消息归入「用例 × 任务」：客户调研与规划、功能开发、活动策划。AI 平台第一次给你 AI 工作的「名词」，而不是一串「数字」。
第三步，看清 AI 产出了什么。 Outcomes 视图追踪 Codex 在合并提交、代码行数中的占比，再与评审时长、缺陷、返工对照，回答「AI 是不是让我们交付得更好了」。
管理员衡量机制，业务负责人衡量结果。两者缺一不可——这就是接下来五问的前提。
[1]要点
- 你想改善什么？——选定对团队真正重要的结果
- 现在的流程是什么样的？——建立基线：频率、耗时、好结果的标准
- 用了 AI 之后，什么变了？——在固定周期内对比，计入复核与修正的时间
- 这让团队多出了什么可能？——省下的时间是否流向客户与增长
- 收益配得上投入吗？——用增益对比 AI 与部署、培训、支持的成本
算账，然后往死里质疑假设。 原文算例：每位销售每周准备两份账户简报，每份 4 小时；用 AI 后 1 小时，每份省 3 小时。
- 20 位销售 × 2 份 × 3 小时 × 46 周 = 一年省出 5,520 小时
- 50% 重新投入生产性工作，按 $75/小时满载成本折算 = $207,000 年度产能价值
- 首年成本（AI + 部署 + 培训 + 支持）$60,000
- 结果：245% 示意 ROI（原文注明为假设数据）
最该被质疑的不是 ROI，而是那个 50%：省下的时间真的会流回客户对话里吗？案例正在积累：1Password 用 Codex 估出 553% ROI 与每年 $80 万工程产能价值；ATV Big Air Tour 把每周 8 小时的清单审核压到 1 小时；Playco 的人工返工比上一代模型少 50%。
行动清单很简单：别再「买 AI」，开始「读 AI」。挑一个支撑业务重点的常见任务，拉上业务负责人，定好基线与要衡量的结果，再定一个复盘日期。范围要小，结果要命名，反复做。
AI 时代赢下来的公司，不会是花钱最多的那批，而是能把那五个问题回答得最快的。
[1]