| name | three-value-drivers |
| description | 应用从 AI for Everyone 蒸馏出的「AI价值驱动三途径 — 降本/增收/新业务」方法论。Use when the user needs practical guidance, diagnosis, workflow design, decision support, or an action plan related to three-value-drivers.
|
Source Metadata
Original cangjie-skill frontmatter from the distillation run:
id: f23
title: "AI价值驱动三途径 — 降本/增收/新业务"
book: "AI for Everyone"
author: "Andrew Ng（吴恩达）"
source: p15
tags: [value-assessment, business-model, project-selection, roi]
related_skills:
- slug: triple-due-diligence, relation: depends-on
- slug: cross-functional-brainstorming, relation: composes-with
R — Reading（原文引用）
"AI项目可以通过三种方式创造价值：降低成本、增加收入、创建新业务...问'它降低了什么成本？增加了什么收入？创造了什么新业务？'"
— p15
I — Interpretation（用自己的话重新阐述）
评估一个AI项目的商业价值时，Andrew Ng提供了一个简洁的三问框架：
- 降低成本：AI能否自动化某些任务，从而减少人力成本、时间成本、错误成本？
- 例：客服自动化减少人工坐席、质检自动化减少质检员、预测性维护减少停机损失
- 增加收入：AI能否推动更多转化、更高客单价、更好的用户体验？
- 例：推荐系统提升交叉销售、动态定价提升利润率、个性化提升用户留存
- 创建新业务：AI能否让公司进入全新的业务领域或推出全新产品？
- 例：数据本身作为新产品、AI能力开放为平台、全新的智能服务
为什么这个框架有用？
- 避免"为了AI而AI"——每个项目必须能回答这三问之一
- 帮助商业尽调时结构化地量化项目价值
- 三个途径的风险和回报特征不同：降本最可预测、增收需要用户行为改变、新业务风险最高但天花板最高
A1 — Past Application（过去应用案例）
- 降本案例：某制造企业用AI视觉质检替代人工质检。每个质检员年薪8万，AI系统替代5个质检员，年节省40万人力成本。项目投入60万，1.5年回本。
- 增收案例：某电商平台引入推荐系统。推荐系统将用户转化率从2%提升到3.5%，按年GMV 10亿计算，增量收入1500万。
- 新业务案例：某银行将内部风控模型开放为SaaS服务，为其他小银行提供风控能力。这是全新的业务线，与原有银行业务无关。
A2 — Future Trigger（未来触发条件）
触发场景：
- 评估一个AI项目"值不值得做"
- 向管理层/投资人解释AI项目的商业价值
- 比较多个AI项目的优先级
- 商业尽调阶段需要量化项目价值
语言信号：
- "这个项目怎么赚钱"
- "AI项目的ROI怎么算"
- "这个项目有什么商业价值"
- "值不值得投入"
- "能带来多少收益"
区分要点：
- 用户需要的是快速分类（三选一）还是详细量化（财务模型）？本skill提供分类框架，详细量化需要triple-due-diligence。
- 项目处于创意阶段还是评估阶段？创意阶段用cross-functional-brainstorming，评估阶段用本skill。
E — Execution（执行步骤）
-
识别价值驱动类型：这个项目主要通过降本、增收还是新业务创造价值？（可以多选）
-
量化价值：
- 降本：计算可替代的人力/时间/错误成本
- 增收：估算转化率/客单价/留存的提升空间
- 新业务：评估市场规模和进入壁垒
-
评估投入：估算开发成本、数据成本、部署成本、维护成本
-
计算ROI：(量化价值 - 投入成本) / 投入成本
-
风险评估：
- 降本：技术能否达到自动化要求？
- 增收：用户行为是否会如预期改变？
- 新业务：市场是否存在？竞争格局如何？
-
综合判断：如果三个问题都答不上来，项目价值存疑。
完成标准：明确项目的价值驱动类型，并给出量化的价值估算和投入产出分析。
B — Boundary（使用边界）
不适用场景：
- 纯研究项目（没有商业应用目标）
- 基础设施类项目（价值间接，难以直接量化）
- 合规/伦理驱动的项目（价值不在经济层面）
失败模式：
- 把所有项目都说成"三个都有"——没有聚焦
- 过度乐观估算增收/新业务的价值
- 忽视实施成本和变革管理成本
- 只看经济价值，忽视战略价值（如数据积累、能力建设）
作者盲区：
- Andrew Ng的三问框架偏向短期经济价值，但有些AI项目的价值是战略性的——如积累数据资产、培养AI能力、建立组织信心。这些长期价值难以用三问框架衡量。
- 三个途径并非互斥——一个项目可能同时降本和增收，需要判断哪个是主要驱动力。
相关 skills
