three-value-drivers

## Source Metadata Original cangjie-skill frontmatter from the distillation run: ```yaml 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： 1. **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 2. **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 3. **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） 1. **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） 2. **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 3. **评估投入**：估算开发成本、数据成本、部署成本、维护成本 4. **计算ROI**：(量化价值 - 投入成本) / 投入成本 5. **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？ 6. **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 - **[triple-due-diligence](/books/ai-for-everyone/triple-due-diligence/)** — *depends-on*：商业尽调需要量化项目价值，三价值驱动框架提供了商业尽调中"价值评估"部分的结构化方法。 - **[cross-functional-brainstorming](/books/ai-for-everyone/cross-functional-brainstorming/)** — *composes-with*：头脑风暴产出候选项目后，用三价值驱动框架对候选项目进行价值评估和优先级排序。