OpenAI CFO发布AI价值测量卡 助企业衡量智能工作回报

背景

在AI成本持续攀升、模型能力快速迭代的背景下，企业面临如何把握AI投资回报的难题。OpenAI CFO Sarah Friar 通过内部实践，提出了“一张AI价值测量卡”，将AI的经济贡献抽象为 Useful Intelligence per Dollar（每美元产生的有用智能），并围绕四个关键指标展开。

四大核心指标

1. 有用工作量（Useful Work）
   • 关注AI实际完成的业务任务数量，如客服工单解决数、代码变更通过率、合同审阅数量等。
   • 建议先挑选单一工作流，明确“完成”标准，再在系统中直接统计完成次数。
2. 成功任务成本（Cost per Successful Task）
   • 计算全链路成本：模型调用费用 + 计算消耗 + 人工审阅时间 + 重试成本。
   • 公式：[全成本 ÷ 成功任务数] = 单任务成本。低价 token 并不等同于低成本，关键在于一次性达标的效率。
3. 可靠性（Dependability）
   • 将任务结果分为三类：直接可用、需要修正、需要人工介入。通过比例展示AI在实际工作中的可信度。
   • 可靠性提升意味着审阅时间下降、错误修正成本降低，进而推动更高价值的业务场景落地。
4. 规模经济（Value at Scale）
   • 随着使用量增长，观察 完成工作增长率 是否快于 总成本增长率。若是，则每美元产出价值在提升，说明模型与基础设施的协同效应在发挥作用。

模型与产品实践

OpenAI 在 2026 年底推出的 GPT‑5.6 系列（Sol、Terra、Luna）正是为上述计分卡提供硬件与算法层面的支撑：

• Sol：最高推理深度，适合高价值、低容错任务；
• Terra：性能‑成本平衡，适用于中等复杂度工作流；
• Luna：最快速、最廉价，适合大批量、低风险的前置处理。

在内部测试中，GPT‑5.6 Sol 在 Artificial Analysis Coding Agent Index 上以 72.7% 的成功率领先同类模型，并且 API 成本下降 36.2%，直接验证了“更高成功率 = 更低单任务成本”。

如何在企业落地

1. 选定关键工作流：从客服、研发、法务或财务等部门挑选最能体现价值的流程。
2. 定义成功标准：明确任务完成的质量阈值，例如“客户满意度≥90%”或“代码通过率≥98%”。
3. 收集全链路成本：使用 OpenAI 的计费报告结合内部工时记录，算出每次调用的真实支出。
4. 持续监测并迭代：每月复盘四项指标，依据结果在模型层级（Sol/Terra/Luna）或提示工程上进行优化。

展望

AI 价值测量卡为企业提供了可量化、可对标的评估框架，帮助管理层从“使用多少 token”转向“每美元产生多少有用工作”。随着模型算力提升、硬件效率改进以及更成熟的企业治理体系，企业有望在保持可靠性的同时，实现 AI 产出与成本的双向下降，从而加速生成式 AI 在核心业务中的深度渗透。

“AI 的最终目标是让人们把时间花在更具创造性和判断力的工作上，而不是重复的计算。” — Sarah Friar

小结

• 有用工作量衡量产出规模；
• 成功任务成本揭示真实花费；
• 可靠性确保结果可直接使用；
• 规模经济检验长期价值提升。

企业只要围绕这四个维度建立闭环监控，即可在 AI 时代实现“更少投入，完成更多价值工作”。