企业能追踪AI使用情况，但证明其实际价值才是难题

企业正在加速推进AI投入，部署智能体的预算也在急剧膨胀，管理层被要求对这些成本做出合理解释。然而，投资回报率（ROI）的洞察往往难以量化。

协作工作空间平台提供商Tempo表示，其全新推出的"劳动力智能"（Workforce Intelligence，简称WFI）产品，能够帮助产品经理为AI支出建立合理依据，并对其进行持续优化。

Tempo介绍称，WFI是Atlassian Marketplace上首款能够将AI工具使用活动自动关联至Jira工作项、任务、史诗和计划的应用程序，帮助管理者清晰了解AI的使用情况、相关成本、生产力影响，以及这些工具实际产生ROI的环节。

"企业在AI上的支出规模庞大，其中相当大比例被白白浪费掉了。"Tempo首席执行官维克·钦沃斯（Vic Chynoweth）表示，"能够将投资导向已知有效的成果，对于企业来说将是一大助力。"

根据IBM的数据，仅有29%的高管能够自信地衡量AI的ROI，而只有25%的AI项目真正实现了预期回报。与此同时，来自各方的压力持续加剧——Kyndryl的调查显示，61%的高级商业领袖感到证明AI ROI的压力比一年前更重。

钦沃斯将当前困境形容为"夹在两块石头中间"：一边是"我必须加快部署AI"，另一边是"我必须控制AI支出"。

"一旦企业开始部署，成本很快就变得高昂，"他说，"预算超支了，因为没人知道实际花费会有多少，而成本只会越来越高，不会降下来。"

他还指出，现有的AI分析工具虽然能够统计提示词、Token和授权使用量，以及代码产出、采用率和整体支出，但这些工具独立于实际工作系统之外运行。而WFI则为AI驱动的工作引入了Tempo所称的"全新归因层"。

WFI目前已面向Atlassian生态系统中的所有企业开放，其核心功能是提供经过验证的AI贡献归因，而非仅仅估算使用量。该平台围绕三个层次构建：直接从AI服务提供商获取的成本数据；将成本归因到所支持的具体Jira工作项，而非仅停留在项目或团队层级；以及在同一工作记录中整合AI支出与人力成本的综合视图。

"我们称之为劳动力智能，因为它同时涵盖人和AI，"钦沃斯解释道，"如今，工作由人和智能体共同完成，关键在于如何优化两者的协作。"

企业无需使用Tempo的其他产品即可使用WFI。它是Atlassian Marketplace上的独立应用，任何拥有活跃Jira Cloud环境、并使用一种或多种支持的AI编程工具的团队均可使用，包括OpenAI Codex、GitHub Copilot和Claude Code。

该平台将人员与AI的活动关联至具体的Jira议题和计划，并在一条工作记录中整合推理API遥测数据、人机综合工作量以及成本汇总。管理者可获得工作项级别的AI活动视图，以及相应的绩效和成本数据记录。

"当你将这些数据三角印证，就能真正说清楚：这是我交付的成果，这是我花费的成本——包括人力和AI，"钦沃斯说。

WFI能够帮助企业回答以下问题：每个计划的AI实际成本是多少？正在使用哪些工具，它们究竟在多大程度上提升了工作效率？AI辅助工作流与非AI辅助工作流的生产力差异有多大？

钦沃斯表示，Tempo可在数小时内为客户完成WFI的接入部署。平台集成后，可调取90天的历史数据，并基于历史使用情况和任务记录生成洞察与优化建议。它还能识别数据不完整、不一致或未与战略计划关联的情况，并给出改善数据质量的建议。

"它拥有三个月的历史记录，"钦沃斯说，"这是你在大语言模型上的所有投入，加上你的人力，换来了什么。然后你再据此决定下一步怎么做。"

他表示，企业能够识别出哪些团队和方法论产生了实质性成果，哪些还在落后，也可以在范围蔓延演变为更大问题之前及时发现并加以控制。

此外，企业还可以深入了解大语言模型的使用情况，从而优化路由策略。由于模型在持续演进，不同的大语言模型适用于不同类型的工作——前沿模型可助力规模化创新，而更小规模的模型则可针对现有产品维护进行优化。

"我们能够测试不同模型的实际效果，对于那些成本较高但回报不相称的模型，我们可以选择不部署，"钦沃斯表示，"核心在于分类管理、规模化推进，同时持续有针对性地开展实验。"

WFI按企业规模定价，具体定价和方案详情可直接向Tempo咨询。公司计划进一步扩大归因覆盖范围，接入更多源代码管理和集成开发环境（IDE）工具。

钦沃斯指出，现有工具可以追踪大语言模型的使用费用，但未必是实时的。例如，某些工具可能会告诉你一家企业的AI采用率达到了100%。

"且慢，这到底意味着什么？"他说，"它只是告诉你，100%的员工都接触过大语言模型。这对我来说什么信息都没有。"

同样，使用量追踪平台会告诉团队生成了多少代码，或者提交了多少拉取请求（PR）。但这同样没有多大意义，因为AI本质上已经将代码生产商品化了。"我们生成了代码，但这些代码到底有没有用，说不准。"

"最初大家都是广撒网：到处尝试，"他指出，"但现在企业需要找准AI真正能发挥效能的场景，在这些场景上集中发力，并有目的性地开展测试和实验。重点是规模化推广那些有效的做法，告别广撒网的方式。"

他还补充说，在近期与客户的交流中，AI投资回报率"是目前最重要、被提及最多的话题"。业界的普遍共识是：要么部署AI，要么被淘汰。

Q&A

Q1：Tempo的WFI产品是什么？它能解决什么问题？

A：WFI（劳动力智能）是Tempo推出的一款Atlassian Marketplace应用，专门帮助企业衡量AI工具的实际投资回报。它能将AI工具的使用活动自动关联至Jira具体工作项，整合AI成本与人力成本，让管理者清晰看到AI究竟在哪些环节真正发挥了价值，解决了企业普遍面临的AI支出不透明、ROI难以量化的问题。

Q2：WFI支持哪些AI工具，企业需要什么条件才能使用？

A：WFI目前支持OpenAI Codex、GitHub Copilot和Claude Code等主流AI编程工具。企业使用WFI不需要购买Tempo的其他产品，只需拥有活跃的Jira Cloud环境并使用至少一款受支持的AI编程工具即可。Tempo可在数小时内完成接入部署，平台接入后可调取90天历史数据，并据此生成分析洞察和优化建议。

Q3：现有AI分析工具和WFI有什么区别？

A：现有工具通常只能统计Token用量、授权数量、代码产出量或采用率等表层指标，且独立于实际工作流程运行，无法说明这些使用行为带来了什么业务成果。WFI的不同之处在于，它将AI活动归因到具体的Jira工作项层级，并与人力成本数据整合在同一记录中，让管理者能够直接看到每个项目计划实际花了多少、产出了多少，从而做出更有依据的AI投资决策。