昨天看到OpenAI发了一篇不太像产品发布的文章，标题是《How to manage AI investments in the agentic era》。

它没有继续讲模型有多强，而是在讲一件更务实的事：企业该怎么给Agent算账。

它提出了一个简单但容易被忽略的标准：钱花出去后，Agent到底替你办成了多少真正的事。

我第一反应是，这不就是换了一个更好听的投入产出说法吗？

但细看之后发现，它点中了很多团队现在最尴尬的地方：聊天机器人还能按账号数、调用量和token算，但Agent一旦开始查资料、调系统、反复执行、等人确认，账就突然算不明白了。

它看起来一直在工作，成本也一直在涨，但到底替团队省下了什么，很多人说不清。

这件事值得做AI产品和企业AI的人关注。

因为Agent项目下一阶段卡住的，可能不是模型能力，而是你能不能证明：它完成的工作，真的值得你继续付钱。

1️⃣ 一个Agent跑得久，不等于它做得值以前做AI功能，最常看的几个数很简单：多少人用了、发了多少次请求、平均花了多少钱。

这些指标不算错，但它们更适合一问一答的工具。

比如让AI帮销售把一次会议录音整理成纪要。一次调用完成，成本和结果都比较容易看到。

但现在的Agent，任务经常是这样的：先读客户资料，再查CRM（客户关系管理系统），找出异常数据，补一份跟进方案，等待负责人确认，最后把结果写回系统。

中间它会多次调用模型、工具和数据源，还可能走错路、反复检查，或者因为权限不够卡住。

这时，调用次数多不代表贡献大，token少也不等于成本低。

如果一个Agent把100份报告都写出来了，但业务同事只敢采用5份，剩下95份还要人工重做，那它只是把产出做大了，并没有多办成多少事。

我把OpenAI的这个思路理解成：别只统计Agent做了多少动作，要统计它替业务办成了多少能被接住的结果。

2️⃣ 真正难的，不是算模型账单，而是定义“做完”很多AI项目算不清，不是财务没有拿到账单，而是产品和业务一开始就没有说清楚：这件事做到什么程度，才叫完成？

客服Agent回复了一条消息，算完成吗？还是用户的问题被解决、无需二次转人工才算？

销售Agent写了跟进邮件，算完成吗？还是客户回复、推进到下一阶段，才算？

代码Agent提了一个PR（等待审查的代码修改），算完成吗？还是测试通过、被合并、线上没有引入事故，才算？

这三组问题看起来很基础，但答案会直接改变一个AI项目到底是省钱，还是只是在制造看起来很忙的内容。

很多Agent演示特别容易被过程打动：它自己搜了十几个网页，调用了五个系统，最后写出了一份很完整的报告。

可真到了月末，没人知道这份报告替谁减少了多少时间，影响了什么决策，也没人为它的结果负责。

于是AI项目只能停留在“大家觉得不错”。

而“大家觉得不错”，通常撑不起持续的预算。

3️⃣ 算清AI项目账的3个步骤我觉得做企业AI时，可以先不急着追求一个特别漂亮的投入产出数字。

先按下面3步把问题答清楚，很多虚高的价值会自己掉下来。第一步，它替谁完成了哪一段工作？不要写“提升销售效率”或“辅助运营”。要写到具体动作：把销售从会前找资料里解放出来，还是把运营从人工核对异常订单里解放出来？

工作对象越具体，后面越容易找到对照组。

第二步，什么结果算真的可用？是一次生成就算，还是需要人审核？审核后能否直接进入下一个系统？结果是否被采用？

这里要把“模型输出”与“业务完成”拆开。

Agent生成了一份方案，不等于方案被采纳；调用了工具，不等于流程被推进。

第三步，失败时谁接手，代价是什么？Agent不是只会成功或失败两种状态。更常见的是，它完成了70%，剩下30%需要人补；或者做得很快，但留下了更难排查的错误。

所以账里不只该有模型费用，还要算人工复核、返工、权限配置和事故处理的成本。

当一个任务能明确回答这3个问题，才适合逐步交给Agent。

4️⃣ Agent要从“过程热闹”变成“结果可追”这也是为什么我觉得，接下来企业AI产品的重点会慢慢变掉。

过去大家比的是：谁的模型更快，谁能接更多工具，谁的演示更像一个会思考的同事。

但企业真要扩大使用，一定会追问：这个Agent负责的任务，完成率多少？人接手的比例多少？从开始到结果用了多久？有多少结果真正被采用？

这些问题听起来没有模型参数那么酷，却决定了AI能不能从试点进入常规预算。

它也会反过来影响产品怎么设计。

一个只展示思考过程的Agent，很容易显得聪明。

一个真正能被公司持续使用的Agent，还得能标出任务边界、记录关键步骤、知道何时请求帮助，并让人看清它最后到底交付了什么。

所以，OpenAI这篇文章的价值不在于给了一个万能公式。

它更像是提醒我们：Agent不该按“看起来多像人在工作”来买单，而应该按“它让哪一件事更快、更稳地做完了”来买单。

AI项目不怕一开始算得粗。

怕的是，跑了半年，团队只知道它很忙，却没人说得出它究竟替谁完成了什么。