AI应用的早期判断：别从模型开始，从“工作流替代率”开始
很多AI应用早期的讨论，都会跑偏到同一件事上：
“你们用的是什么模型？参数多大？RAG怎么做？Agent框架选哪个？”
这些当然重要，但它们更像“发动机型号”。真正决定一辆车能不能跑赢的，不是发动机多炫，而是：它能不能把你从A点稳定送到B点，并且更省时间/省钱/更确定。
在OXYZ资本看AI应用项目时，我们最希望团队先回答的不是“模型多强”，而是——
你到底替代了谁的哪段工作流？替代率有多高？能不能规模化？
OXYZ资本把“工作流替代率”当作AI应用早期判断的第一性指标，给你一套可以直接落地的评估框架：三问、四类关键指标、三种常见陷阱、以及一条从窄场景到扩展的验证路径。最后也给出你可以直接投递的材料清单。
一、AI应用的价值不是“聪明”，是“省时间/省钱/更确定”
早期AI应用最容易被“聪明”迷惑：生成像人、回答像专家、Demo一镜到底。
但真正的价值从来不是“看起来很会”，而是这三件事至少命中一件，并能被复核：
- 省时间：同样结果，时间减少30%/50%/80%？
- 省钱：同样产出，成本下降多少？（人力、外包、返工、沟通）
- 更确定：同样流程，出错率更低？交付更稳定？可预期性更强？
如果AI没有让“交付”变得更快、更便宜、更稳，那它很可能只是一个更高级的内容玩具。
二、核心概念：什么是“工作流替代率”
1）先区分两件事：提效 vs 替代
- 提效：AI让人做得更快（人仍然是主驱动）。
- 替代：AI接管某些步骤，人从“执行者”变成“审核者/例外处理者”。
早期判断AI应用是否有“产品势能”，我更看重替代，因为替代意味着：
- 价值更可量化（省出来的时间/钱可直接核算）
- 复用更可预测（进工作流后会反复发生）
- 规模化更可能（边际成本可被压缩）
2）工作流替代率（可操作定义）
把一个目标岗位/场景的工作拆成若干步骤，每个步骤都有耗时、频次、质量要求。
工作流替代率 = AI在“可接受质量”前提下，替代掉的工作量占比。
一个常用的粗算方式（够早期决策用）：
替代率 ≈ Σ（步骤频次 × 可替代耗时 × 质量系数） / Σ（步骤频次 × 总耗时）
- 步骤频次：这一步一周发生几次/一天发生几次
- 可替代耗时：AI接管后，人省掉多少分钟
- 质量系数：0~1（输出能否直接用、需不需要返工、风险可不可控）
关键点：替代率不是“功能覆盖率”，而是“被真实拿走的工作量占比”。
你会惊讶地发现：很多“功能很全”的AI产品，替代率可能只有5%~10%；而一些极窄的AI工具，只要替代率做到30%~50%，就能迅速成为刚需。
三、评估三问：替代谁的哪段流程？节省多少？能否规模化？
这是判断一个AI应用早期成色最有效的“三问”，你可以拿它当作产品内部评审模板。
问题1：你替代谁的哪段流程？
别说“赋能行业”，说清楚三件事：
- 谁：具体到岗位（例如销售运营/招商主管/投手/法务助理/客服班长）
- 在什么场景：例行高频任务还是低频应急任务？
- 替代哪一段：不是“全流程”，而是“哪几个步骤”被接管
实操建议：把目标流程拆到“可交付物级别”。
例如不是“做投放”，而是“把一条投放需求变成可上线的素材+配置+复盘结论”。
早期最忌讳：定义成一个宏大流程，导致替代率永远算不清、证据永远拿不到。
问题2：你节省多少？用什么证据证明？
省多少不靠估算，靠“前后对比”的复核证据。你至少要能拿出其中一种：
- 时间证据：同一类任务，AI前后耗时对比（抽样10~30单就够早期结论）
- 钱的证据：外包费用下降、返工减少、单量提升带来的单位成本下降
- 确定性证据：错误率下降、SLA变稳定、交付一次通过率提升
早期一个很关键的动作是：把“可用”写成可检测的输出标准。
比如：字段是否齐全、格式是否可直接导入、是否符合合规词表、是否达到评分阈值……
没有输出标准，所有“省多少”都会变成主观争论。
问题3：你能否规模化？还是只能小范围“人工魔法”？
AI应用最危险的阶段，是看起来能跑，但只能靠“人肉”撑着：
手工改提示词、人工清洗数据、人工跟客户对齐需求、人工兜底生成错误……
规模化要看四件事：
- 边际成本：每多一个客户/多1000次调用，你的成本怎么变？（算力+人工审核+交付支持）
- 集成成本：能否进入现有工具链（IM、CRM、工单、文档、表格、ERP等）
- 风险与权限：数据安全、审计、可控输出（尤其B2B场景）
- 数据飞轮：使用过程能否沉淀结构化数据，反哺质量提升与自动化程度提升
规模化不是“加机器”，而是：让系统自己越来越能接管更多步骤，人越来越只处理例外。
四、关键指标：别被“调用量”骗了，看这四类
很多团队会用“调用量、生成次数、token消耗”自嗨。
真正能反映AI应用早期产品力的，是下面这些“工作流指标”。
1）激活到首次价值（TTFV）
用户从进入产品到拿到“可交付结果”的时间。
AI应用早期如果TTFV很长，通常意味着两类问题：
- 需要用户提供太多上下文（工作流融入失败）
- 输出标准不清晰（用户不知道什么时候算“可用”）
方向：把价值前置，先给可用模板/默认输出，再让用户修改。
2）复用频率
AI应用的护城河不是“第一次惊艳”，而是“每周离不开”。
看两个指标足够早期判断：
- 每周完成核心任务的次数/人
- 同一用户在同一任务上的回访间隔（多久回来用一次）
方向：让结果可回流（可编辑、可导入、可复盘），而不是一次性生成。
3）边际成本（单位交付成本）
把成本拆开看：
- 模型推理成本（随调用增长）
- 人工审核/交付支持成本（随客户增长还是随单量增长？）
- 集成/运维成本（每个客户是否要定制？）
方向：把高频、可规则化的部分交给系统；把人工沉到“例外处理”，并不断缩小例外占比。
4）数据飞轮（闭环强度）
你要能回答一个具体问题：
用户每完成一次任务，你到底多了什么“可复用资产”？
可复用资产可能是：
- 标注后的样本（通过/不通过、原因）
- 结构化字段（行业、品类、标签、参数）
- 工作流轨迹（哪一步卡、哪类输出返工）
- 模板库/规则库（沉淀最佳实践）
没有数据闭环，你永远在用“通用模型能力”做产品，天花板会非常明显。
五、三类常见陷阱：为什么很多AI应用“看起来很强”，但跑不起来
陷阱1：Demo很好看，但融不进工作流
典型表现：
- 生成结果像样，但格式不对、字段缺失、无法导入现有系统
- 用户还要复制粘贴、二次加工、反复对齐需求
- 最终AI变成“灵感助手”，而不是“交付助手”
自检一句话：
用户用你之后，是不是能少做一段流程，而不是多一个工具？
陷阱2：没有数据闭环，质量提升靠“调参玄学”
典型表现：
- 质量波动大，团队靠更换模型/换提示词救火
- 客户一多，场景一杂，输出不稳定迅速暴露
- 你无法解释“为什么会变好”，更无法复现
解法：把“可用标准”结构化，把“失败原因”结构化，把“返工路径”结构化。
陷阱3：替代率上不去，单位经济性撑不住
典型表现：
- 每单都要人工大量介入（清洗、对齐、改稿、兜底）
- 客户越多，人越累；收入涨，毛利不涨
- 规模化不是增长，是爆炸
解法：早期就把“人工兜底”当作要消灭的对象：
记录每一次人工介入的原因，做成下一轮自动化的目标。
六、早期验证路径：窄场景 → 高频 → 扩展（别反过来）
AI应用早期最稳的路线不是“做大而全”，而是：
Step 1：选一个窄到不能再窄的场景
选择标准（建议同时满足两条）：
- 输出可标准化（有明确可用标准）
- 高频发生（周复用能快速跑出趋势）
- 价值明确（省时/省钱能算账）
- 风险可控（可审核、可回滚）
Step 2：做到“高频可替代”
你要追求的是：
- 核心任务的TTFV变短
- 替代率稳步上升（从10%到30%到50%）
- 用户开始把它当作工作流的一部分，而不是偶尔玩玩
这里有个很实用的节奏：
先做“Copilot”（人主导、AI辅助） → 再做“Autopilot”（AI主导、人审核）
别一上来就全自动，容易在可信度与风险上翻车。
Step 3：扩展有两种方式，但要按顺序
- 先扩步骤：同一岗位、同一场景，把前后相邻步骤纳入（替代率更容易提升）
- 再扩人群：同一产出标准，推广到相邻岗位/相邻行业（复用更容易）
扩展不是“加功能”，是把“可替代的那段工作”复制到更多地方，同时保持边际成本可控。
七、实操：一张“工作流拆解图”就能让判断效率翻倍
很多团队讲半小时产品，别人还是听不懂你替代了什么。
最有效的方式是：画工作流拆解图（一张图胜过十页PPT）。
你可以按这个模板画（用飞书文档/白板都行）：
- 目标岗位与场景（一句话）
- 工作流分步（从触发到交付，8–15步即可）
- 每步的输入/输出（输出尽量写成交付物）
- 每步耗时与频次（粗估也行）
- AI介入方式（替代/辅助/不碰）
- 风险点与审核点（哪些必须人审）
- 你当前覆盖到哪一步、下一步要吃掉哪一步
画完这张图，你自然就能算替代率，也自然知道下一轮迭代该瞄准哪里。
OXYZ资本认为：AI应用早期的胜负，不在模型上，在“替代率曲线”上
AI应用最真实的竞争，不是“谁的模型更聪明”，而是：
谁能更快把一段真实工作流变成可交付、可复用、可规模化的系统。
当你开始用“工作流替代率”看项目，你会发现很多决策会变简单：
- 功能要不要做？看它能不能提升替代率
- 场景要不要扩？看它会不会拉低复用与边际成本
- 模型要不要换？看它是不是能让“可用标准”更稳定
欢迎投递 工作流拆解图 + 指标口径
如果你愿意，我也欢迎你把材料发来“用证据说话”——
请投递两样东西：
- 工作流拆解图（按文中模板即可）
- 指标口径（至少包含：TTFV、复用频率、替代率、边际成本的定义与时间窗）
我可以按“替代谁的哪段流程/省多少/能否规模化”的框架，帮你做一次早期判断：
- 你的替代率被什么环节拖住
- 哪些指标口径容易导致自嗨
- 下一轮验证应优先做哪些实验，最快把“聪明”变成“交付”