编者注：Aarif Nakhooda是总部位于加利福尼亚州旧金山的Keystone.ai公司的CoreAI与客户成功部门首席财务官。该公司为大型企业、律师事务所和政府提供全球技术与咨询服务。本文观点仅代表作者个人。

在先前的一篇文章中，我曾指出传统ROI在评估人工智能投资时存在缺陷，甚至可能产生误导。AI创造价值的方式并非资本项目或定向营销支出那样规整、线性，而是通过影响复杂系统中的众多微观杠杆，产生难以隔离、量化和限定时间的即时及后续效应。

既然ROI力有不逮，那么CFO们应当采用何种工具？我的答案很简单：用AI来度量AI。如果AI系统过于复杂和动态，无法用静态财务模型评估，那么解决方案就是应用智能、自适应的度量工具，例如数字孪生和下游影响分析。

数字孪生

设想一下，你试图判断某个单一的营销触点——例如一封邮件、一次促销或一个产品推荐——是否促成了客户转化。传统A/B测试能提供粗略对比：一组接收触点，另一组不接收。但如果测试不可行、不道德或难以规模化呢？在医疗行业，我们不能拒绝为某组患者提供救命治疗；在营销中，为半数客户关闭营销活动则成本高昂且不切实际。

数字孪生恰好能解决此问题。数字孪生是利用AI和历史数据创建的真人或真实事件的模拟版本，允许在不干扰现实的情况下进行实验。一个“客户”版本接受处理（例如在免费试用期间观看视频），而孪生版本则不接受。通过比较转化率、收入、长期参与度等结果，我们便能隔离出该行为的真实效应。

与A/B测试不同，数字孪生可扩展至数千个变量、触点和客户细分。它们使CFO不仅能追踪直接影响，还能追踪长期效果：微小干预如何通过客户行为和业务结果产生涟漪效应。

许多CFO难以应对AI带来的无形收益，如客户参与度、内容消费或决策速度。这些行为看似积极，但如何为其赋予美元价值？数字孪生有助于解决此问题。假设孪生版本在免费试用期间流式播放了一段内容，而原始版本没有。十二个月后，孪生版本花费更多、订阅时间更长或推荐了他人。我们由此建立了曾经的无形行为与可衡量的业务结果之间的因果财务联系。

这使CFO可能视为“软性指标”的东西转变为可规划、可预测、可归属的投入项。

下游影响分析

AI行为往往随时间产生复合效应。今天受折扣影响的客户可能不仅购买一次，还可能彻底改变行为：更早复购、后续升级或推荐他人。

下游影响模拟使我们能够利用数字孪生模拟这些长期演变的旅程。我们可以观察单一输入——如观看教程视频、点击广告或接收配送优惠——如何不仅影响单笔交易，还影响客户的终身价值。

此类分析对CFO至关重要，因为他们不仅需要证明短期回报，还需证明AI所能释放的完整价值创造轨迹。

权利分析

有时，评估AI的正确方法并非比较处理组与对照组，而是问：我们距离理想结果有多近？在权利分析中，我们定义一个理论上的“完美”场景——其中每个决策在成本、时间或客户体验方面均达到最优——并将其与现实表现进行比较。例如，在物流领域，完美系统可能以最低成本从最近仓库发运每批货物。这在实践中可能无法实现，但它提供了基准。如果您的算法缩小了当前状态与完美状态之间20亿美元的差距，那么您就创造了切实的价值。

该技术并非必须由AI实施，但它是评估AI是否随时间改善绩效的绝佳方式——尤其在运营、履约或供应链场景中。

从度量到行动

一旦CFO能够隔离并量化无形投入的价值，下一步便是规划。财务团队可基于这些洞察，构建与特定事件相关联的因果模型。例如，希望提高试用转付费转化率？识别驱动因素——视频参与度、早期使用、首次价值实现时间——并规划增加这些行为。然后，根据合成对照模型中观察到的预期响应率预测收入。

这将AI从实验工具转变为深思熟虑的财务规划引擎。您知道要传递多少触点、应驱动何种回报、是否在正轨上——同时加强营销、产品和财务之间的紧密联系。

编者注：本文是两篇系列文章的第二篇。第一篇解释了为何传统ROI工具并非评估AI投资的理想选择。