你們公司大概也發生過這一幕：花錢買了 AI 工具，過幾個月主管在會議上問「這東西到底有沒有用？」，結果大家只能報「已經有 200 個人開通了」「登入率八成」。開通、登入、續約，這些數字聽起來很忙，但沒有一個真的回答「AI 幫我們把事情做完了沒」。OpenAI 財務長 Sarah Friar 剛好在講這件事——她提出一張「AI 計分卡」，用 4 個問題，把 AI 值不值得，算成一筆看得懂的帳。
誰說的：OpenAI 財務長，不是路邊分析師
這篇叫〈A scorecard for the AI age〉，作者是 OpenAI 的財務長（CFO）Sarah Friar，2026 年 7 月 17 日發在 OpenAI 官網。財務長講這題特別有意思——因為她每天面對的就是「這筆錢花下去，換回什麼」。
她開頭就丟出一句我很喜歡的話：
「Understanding the value of AI demands a more powerful measure: work accomplished.」（要看懂 AI 的價值，需要一個更有力的衡量標準：完成的工作。）
翻成人話就是：別再用「有多少人在用」來衡量 AI，要看「它幫你把多少事做完了」。
為什麼舊那套會失準：買了席次，不等於做完事
過去我們衡量一套軟體，習慣看「採用率」——買了幾個帳號、多少人是活躍用戶、續約了沒。這在傳統軟體年代夠用，因為工具好不好，大概就看有沒有人願意打開。
但 AI 不一樣。Friar 說，真正該問的經濟問題只有一句：AI 完成的工作，其價值成長的速度，有沒有快過生產它的成本？
這裡有個很多人會踩的坑：只看「每個 token 多少錢」。她講得很白——便宜的模型 token 單價低，但你可能要試很多次、花更多時間、更多人力去校對才能得到好結果；貴一點的模型 token 單價高，卻可能一次就把事做對。所以真正要算的，是「產出一個成功結果的總成本」，再對照這個結果創造了多少價值。
這張計分卡：其實就是「每一塊錢換到多少有用的智慧」
Friar 把整張計分卡濃縮成一個概念——Useful Intelligence per Dollar（每一塊錢，換到多少有用的智慧）。它拆成 4 個要問自己的問題：
1. AI 有沒有在做「真正重要」的工作？
先從工作本身看起。幫你解決了幾個客訴？上線了幾個程式改動？審了幾份合約？替團隊省回多少時間？有多少決策因為「對的資訊剛好在對的時間出現」而變得更好？
Friar 的建議很務實：從一個工作流程開始就好，先定義什麼叫「做完」，然後在真的做事的那個系統裡去量它。客服團隊的「做完」是客人的問題被解決；工程團隊是程式改動通過測試；法務團隊是合約準確又準時審完。
她舉了一個財務團隊做預測審查的例子：真正的決策之前，其實有一堆前置工作——找出最新版預測、把資料搬進 Excel 或試算表、比出哪裡變了、對帳、重做投影片、確認全部對得起來。這些 ChatGPT Work 可以接手一大半，讓人把時間留給真正重要的問題：什麼變了？為什麼？下一步怎麼做？
2. 一個「成功」任務到底花多少成本？
接著算成本，但要算對。Friar 給的公式很單純：
把完成這件工作的「全部成本」加起來（包含員工時間、人工覆核、重試、返工），數出達到品質標準的任務有幾件，再拿全部成本除以成功任務數，就是「每次成功的成本」。
這也是為什麼「最低的 token 單價，不一定換到最低的每次成本」。一個能力更強的模型，就算 token 貴，只要能一次答對、少了重試、等待、覆核和整體運算，反而可能是最划算的。
Friar 順帶提到 OpenAI 上週推出的 GPT‑5.6 有三個等級：Sol 是旗艦、Terra 平衡效能與成本、Luna 最快最便宜——高流量的簡單工作用 Luna，需要深度的用 Terra，要靠強推理一次做對的用 Sol。她也放了一個數據佐證：在 Artificial Analysis Coding Agent Index 上，GPT‑5.6 Sol 開最大推理創下新高，同時比另一個領先模型少用了 54% 的輸出 token；在 DeepSWE v1.1 這種長流程工程任務上達到 72.7%，高過 Claude Fable 5 的 69.9%，估計 API 成本還低 36.2%。
（先誠實說一句：這組數據是 OpenAI 自家貼出來的、拿自家模型當標竿，看的時候心裡有個底就好。但這篇的重點不是誰贏，是「用每次成功的成本去比，才比得準」這個方法。）
3. 結果「可靠」到能放心交出去嗎？
第三個是可靠度，我覺得這才是門市、客服這種第一線最有感的一塊。Friar 說 AI 的導入通常分階段長出來：先幫你打草稿，再會找資料、跨工具推理，最後才慢慢能自己動手、處理例外、把流程走完，人只在需要判斷的地方介入。
她教一個很好用的做法——把每次結果分成三種：直接能用（達標、不用改）、要修正（得再跑一次或人工調）、要升級（得找人接手才完成）。這三個比「模型準確率」更能說出真相：AI 到底有沒有真的把完成工作的力氣省下來。
可靠度還需要清楚的邊界。在 AI 從「打草稿」升級到「自己動手」之前，組織要先定義：它能碰哪些資料、能用或改哪些系統、什麼時候一定要人來審或核准。安全、隱私、控管這些不是拖慢的煞車，而是敢把更多工作交給它的地基。Friar 有句話收得很好：
「Capability earns first use. Dependability makes AI part of how work gets done.」（能力讓人願意用第一次，可靠度才讓 AI 變成做事的日常。）
4. 規模變大後，每一塊錢有沒有更值錢？
最後一個，是看時間拉長、量做大之後，經濟效益有沒有變好。方法還是同一套：追蹤同一個工作流程，看過關的任務數、總成本、每次成功的成本。只要完成的工作成長得比總成本快、品質又守得住，那每一塊 AI 的錢就是越來越值錢。
Friar 說這裡會出現複利效應：更好的基礎設施加速研究，研究做出更強更省的模型，模型讓產品更好，產品帶來更多使用和收入，再回頭支撐下一代的投資。對使用者來說，這些抽象的東西最後都變成很具體的體感——更好的答案、更快的結果、更少的修改、更低的成本。
新舊衡量法，差在哪
把兩套擺在一起，差別一眼就看出來：
- 舊衡量（看採用）：買了幾個帳號、多少人登入、活躍率、續約率——只回答「有沒有人在用」。
- 新衡量（看完成的工作）：做完了多少有用的工作、每次成功花多少成本、結果可不可靠、規模大了每塊錢有沒有更值錢——回答的是「AI 到底幫我賺到或省到什麼」。
我自己怎麼看這張計分卡
我在台灣大哥大做教育訓練講師，除了教門市第一線，也在公司內部帶同仁上 AI 課、推導入。老實說，這張計分卡打中的，正是我上課最常被問、也最難回答好的一題：「導了 AI 之後，我怎麼跟主管證明有用？」
過去大家的直覺就是報「開通數、使用率」，因為那最好統計。但這幾個數字漂亮，主管心裡其實還是沒底——因為它沒回答「做完事沒」。Friar 這套的價值，是把焦點從「有多少人打開」搬回「完成了多少有用的工作」。
放到門市場景更好懂。與其報「這個 AI 工具有幾個同仁在用」，不如翻成「它幫我們解決了幾個客人的問題、少讓客人多排多久隊、少花多少時間查規格」。這才是第一線主管聽得懂、也真正在乎的語言。
而且我特別認同她那句「從一個工作流程開始」。導入 AI 最容易失敗的就是一次想全面上線、結果什麼都量不清楚。先挑一個流程、把「做完」定義好、老實分成「直接能用／要修正／要升級」三種去記，一個月後你就有一張講得清楚的帳——這比一百張投影片都有說服力。我的原則一直是「科技為人所用，知識為我所用」，這張計分卡剛好提醒我：衡量 AI 的目的，從來不是追指標，是把人的時間還回去做只有人能做的判斷。
套用前，先記住這幾點
這套很實用，但別照單全收：
- 它是 OpenAI 官方立場，文中拿來比較的數據也是自家貼的、拿自家模型當標竿——方法可以學，數字自己再查證。
- 別一開始就想全公司上線。先從「一個流程」試，量得清楚才擴大。
- 指標是拿來輔助判斷的，不是拿來交差的。真正的重點是那句——把省下的時間，還給人去做判斷、創意和專業。
小結
AI 值不值得，別再用「開通數」自我安慰。把它拆成 4 題：做的是不是重要的工作、一次成功花多少成本、結果可不可靠、規模大了每塊錢有沒有更值錢。就從你手邊一個流程開始，定義好「做完」，老實記一個月——你就會有一張連主管都點頭的計分卡。
本文整理改寫自 OpenAI 財務長 Sarah Friar 2026 年 7 月 17 日發表的〈A scorecard for the AI age〉（原文連結）。文中觀點與門市／教育訓練的應用角度為本站整理，數據引自原文、皆為 OpenAI 官方資料。
留言
張貼留言