AI时代价值衡量新标尺：每美元有用智力

AI时代价值衡量新标尺：每美元有用智力

在当今的商业环境中，首席财务官（CFO）们普遍面临一个核心问题：如何从AI投入中获得更多价值？这不仅是财务决策的挑战，更是企业战略转型的关键。随着AI技术从实验阶段迈向深度应用，传统的软件成功衡量标准——如座位数、活跃用户数和许可证续订率——已不足以全面评估AI的真实价值。我们需要一个更强大的指标：完成的实际工作量。

核心经济问题：价值增长是否快于成本？

CFO和其他商业领袖面临的基本经济问题是：AI完成工作的价值增长是否快于其生产成本？回答这个问题需要超越诸如“每Token成本”这样的表面指标。一个成本更低的模型可能Token价格更便宜，但要获得理想结果，可能需要更多尝试、更多时间或更多人工审查。而一个能力更强的模型虽然Token价格更高，但可能一次就完成相同任务。关键在于衡量成功结果的完整成本，以及该结果所创造的价值。

终极记分卡：每美元有用智力

AI时代的终极记分卡可以定义为“每美元有用智力”。这个指标回答了四个关键问题：

1. AI是否完成了重要的工作？
2. 每项成功任务的实际成本是多少？
3. 人们能否信赖AI的结果？
4. 随着使用量的增长，每美元AI投入是否创造了更多价值？

1. 完成多少有用工作？

首先，从工作本身开始衡量。AI帮助解决了多少客户问题？协助发布了多少代码变更？审查了多少份合同？为人们节省了多少时间？有多少决策因为恰当时机提供了正确背景信息而得到改善？

当Token转化为人们可以使用的实际工作成果时，它们才创造价值。随着模型能力的增强，它们可以承担更长、更复杂的任务：保持上下文、进行多步骤推理、跨工具协作，并在过程中不断适应。

最佳起点是选择一个工作流程。明确定义“完成”意味着什么，并在工作发生的系统中衡量该结果。

对于支持团队，“完成”可能意味着客户问题得到解决。对于工程团队，可能意味着代码变更通过了测试。对于法务团队，可能意味着合同被准确、及时地审查。

想象一下，一个财务团队正在准备预测审查。在做出最终决策之前，大量工作已经在进行：查找最新预测、将数据导入Excel或Sheets、识别变化、核对标签、重建幻灯片，并检查一切是否完全吻合。ChatGPT Work可以承担大部分流程，让团队有更多时间专注于重要问题：什么发生了变化？为什么？下一步该怎么做？

这就是“每美元有用智力”的实践。更多工作以更快速度完成，同时人们可以将更多时间用于运用判断力、创造力和专业知识。

2. 成功任务的实际成本是多少？

下一个问题是，高质量完成工作的成本是多少。

AI任务差异很大。快速回答可能需要少量计算资源。而编码、研究或财务工作流程可能涉及更深入的推理、工具使用和许多操作。这些更复杂的任务可能需要更多计算资源，但它们也能创造更多价值。

在模型层面，每项成功任务的成本取决于价格、使用的计算资源量以及达到正确结果的可能性。对于企业来说，完整成本还包括员工时间、人工审查、重试和返工。

计算方法很简单：

• 计算完成工作的总成本。
• 统计达到所需质量标准任务的数量。
• 将总成本除以成功任务的数量。

这就是为什么最低的每Token价格并不总是产生最低的每结果成本。一个前沿模型可能即使在处理常规请求时也能提供最佳价值，如果它能一次给出正确答案，从而减少重试、延迟、审查和总计算量。

分层模型系列为客户提供了更多优化这个方程的方式。我们上周发布的GPT-5.6有三个层级：Sol是我们的旗舰模型；Terra平衡性能与成本；Luna是我们最快、最实惠的模型。

这些层级提供了有用的起点。最终，完整任务的经济性应决定合适的模型。客户可能会在快速、高吞吐量的工作流程中使用Luna，在需要更深入理解的任务中使用Terra，或在需要更强推理能力时使用Sol，以更少的尝试获得最佳结果。

我们训练GPT-5.6的目标是让每个Token产生更多有用工作。在Artificial Analysis Coding Agent Index上，启用最大推理功能的GPT-5.6 Sol达到了新的技术水平，同时使用的输出Token比另一领先模型少54%。

DeepSWE v1.1：长期工程任务 GPT-5.6 Sol达到72.7%的新高，高于Claude Fable 5的69.9%，同时估计API成本低36.2%。

在整个GPT-5.6系列中，目标是一致的：每美元完成更多成功工作。更高的效率使现有任务更实惠。更强的能力使全新类型的工作成为可能。

每一代新模型都应改善方程式的两个方面。客户应该能够完成更有价值的工作，同时每项任务的成本持续下降。

3. AI正确完成工作的频率如何？

第三个衡量标准是可靠性。

AI的采用通常会分阶段深化。首先，AI帮助起草内容。然后，它查找上下文并在工具和数据之间进行推理。随着时间的推移，它开始采取行动、处理异常并完成工作流程，而人们在需要时提供判断和控制。

每一步都创造更多价值，并对系统提出更高要求。

可靠性具有直接的经济价值。当结果准确、来源可靠、一致且适当地上报时，人们花费在审查、纠正和重复工作上的时间就会减少。成功任务的成本降低，组织就有信心在更重要的流程中使用AI。

团队可以通过跟踪三个结果来具体化这一点：

• 可直接使用：交付的结果达到了质量标准。
• 需要纠正：结果需要另一次尝试或人工干预。