| 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