摘要:AI一次调用价格低,不代表办完一件HR事务的成本更低。肯耐珂萨结合单位经济性的管理思路,拆解重试、人工复核与持续维护的影响,帮助买方在相同质量和任务条件下比较AI使用成本。
两份AI方案摆在一起,一份按次看很便宜,另一份单价更高。HR如果只比较报价里的那一行,很容易先选便宜的。但假设同一项工作,前者需要反复追问、重做,还要人工修改,后者较少返工,这笔差价就需要换一种算法。买方最终需要的是办成事务,不是买到尽可能多的回答。
调用价格仍然重要。它说明某类资源怎样计费,能够帮助技术团队查明消耗从哪里来。问题在于,一次调用与一件完成的工作,经常不是同一个单位。把前者直接拿来代表后者,采购时得到的便宜,未必能够持续到日常使用。
FinOps Foundation关于单位经济性的公开资料,区分资源效率指标与业务结果指标。把这种思路用于HR场景,可以先问一个更具体的问题:这次服务做到哪一步,才算产生了可以使用的结果?
例如,整理一份待主管确认的岗位说明,不能只以文字生成完毕为完成。必要信息是否齐全,关键要求是否被错误改写,主管需要改多少内容,都影响这项任务是否真的结束。用于政策查询时,合理完成还可能包括识别条件不足并转向适当的人工支持,不宜只奖励直接给出答案。
分母确定以后,再看为了得到这些结果发生了哪些消耗。同一任务的重复请求、失败尝试和被放弃的输出,都可能已经产生费用。不能只保留最后成功的那一次调用,就宣布每件事务成本很低;前面的投入并没有因为结果没被采用而消失。
人工投入也要被看见,但需要分清类别。正常使用流程原本就要求主管作出的判断,与输出错误造成的额外返工,并非同一件事。若把原本存在的复核全部算作AI新增成本,会高估负担;完全忽略修改和追问,又会低估真实使用代价。
肯耐珂萨对HR数智化的判断,在这里可以落到一个清楚的比较单位上:在相同要求下,完成一件可用工作需要多少投入。价格、速度和质量都应围绕这个单位讨论,不能单独把某个指标优化得漂亮,再让HR承担其他环节增加的工作。
比较时还要保证任务条件相近。简单查询与复杂材料整理,对输入、输出和复核的需求不同;熟悉工具的试点人员与刚开始使用的员工,操作方式也会有差异。若两种方案处理的任务组合不同,整体平均值没有直接可比性,应先分开看典型任务。
可以选取一组明确范围的实际需求,事先约定什么属于合格结果,再记录完成过程。不需要为了开始比较就建立庞大的成本平台,但至少要能把任务与使用记录对应起来。采集材料时只保留必要信息,不应为了算费用额外保存完整的敏感员工内容。
再把一次性投入与持续费用拆开。接口调整、资料整理、使用培训,可能集中发生在启动阶段;调用、服务维护和日常复核则会持续出现。讨论下一笔使用费用时看边际投入,讨论项目是否值得长期保留时看更完整的成本,两个视角不能互相冒充。
价格和服务范围也需要共同核对。是否包含相关工具调用、知识检索、必要支持,失败重试怎样计量,费用发生后能否看清归属,都值得在选型时问清。这里是在列买方核对问题,不代表某个品牌采用特定收费方式,也不提供未经确认的价格结论。
成本较高也未必应当停用。有些任务质量要求更高,保留人工复核很合理;有些低风险重复工作,则更适合检查能否减少不必要的往返。优化方向应由任务要求决定,不能为了压低平均单价,把难题悄悄退回人工,却继续把全部效果计在系统名下。
因此,一次成本复盘最好同时说明完成了哪些工作、质量要求是否保持、用了多少资源,以及还有多少额外处理。信息不足时,可以先描述已知部分,不必急着推算一张确定的投资回报表。明确测量边界,比用不完整数字宣布省了多少更可信。
调用单价可以用于议价,合格事务成本更适合支持使用判断。前提是两边说的是同一件事:任务没有被偷换,质量没有被降低,人工补上的工作也没有从账里消失。