核心想法
一套通过基线、质量、周期、返工和结果衡量增强型能力的框架，不将提示词或 token 当作 KPI。
先定义成果单位，再衡量
审核并交付的报告、获批作品、已解决的咨询或已预约的会议，才是成果，草稿数量不是。每个案例都需要完成标准、时间区间和负责人。如果只衡量自动化环节，团队可能宣布成功，但审核、修正或集成却比以前耗费更多时间。
提示词、词元和输出描述的是技术活动，而非生产力。衡量必须将完整工作流与基线比较，并跟踪周期、质量、返工、成本、采用情况和结果。AI 在帮助更好地完成有意义的成果时才创造能力，而不是在增加与工具的交互次数时。
建立可比基线
变更前，应记录数量、实际工作时间、等待时间、成本、质量、返工、错误和结果。样本需区分简单与复杂任务，并考虑季节性。之后在有记录的条件下，比较同一范围。一个不完美但明确的基线，胜过依据某人对任务耗时的回忆推算节省数字。
通过评分标准和实际后果衡量质量
质量可以涵盖准确性、相关性、品牌一致性、合规性和实用性。除了即时评估，团队还应监测后续修改、投诉、重新开启的事项和用户结果。流程即使更快，如果错误更多，也只是转移了成本。严重失误必须单独统计，避免较高的平均分掩盖本不应进入下一环节的输出。
区分采用与依赖
频繁使用可能代表价值，也可能代表缺少替代方案。采用情况需通过各工作流的活跃用户、完成率、放弃率、人工介入和满意度评估，同时考察更换供应商后能否继续运行。指令、数据和标准应属于组织。成熟能力可以受控迁移或降级，隐形依赖却无法做到。
依据项目组合决策，而非一时热情
每个季度，都应按影响、质量、成本、风险、采用情况与规模潜力比较案例。有些值得投入，有些应简化或退出。计算指标可像《人类能力增强报告》中那样描述规模，但还需转化为释放的时间、改善的决策或新增能力。最终衡量的是：组织现在能够持续做到哪些过去做不到的事。
