试点成功的标准常是"建议看起来对"。上线后调用量上来，账单和复核人力一起涨。没有人把 token、GPU 时间和人工复核算进该场景。于是智能显得便宜，因为它的成本进了信息部总账。成本看得见，才能决定这个场景该不该继续用模型，还是该退回规则。
ROI 不是准确率除以热情。是业务收益减去这三项成本。
看不见的成本如何膨胀
提示越写越长，上下文塞进整份合同，token 按数量级跳。复核为了放心变成全量人工，模型只是前置排版。排版很贵。演示环境调用少，生产环境一开放给全员，成本曲线才露脸。露脸时已经难以下线。
没有场景级账单，优化无从谈起。优化只能喊"大家少问一点"。
让每个场景有一张成本卡
- 记录每次调用的 token、是否走贵模型、是否触发人工复核。
- 复核人天按工单回写，全量复核的场景不得宣称已自动化。
- 周成本超阈先缩范围或改规则，而不是先扩用户。
- 对比规则引擎方案，模型只留在规则写不清的例外。
XYN 数智化系统把 AI 挂在节点上，调用可以按场景记账。成本看得见，智能才配谈经营。看不见，它只是一项会自我繁殖的费用。
