OpenAI 于 2026 年 7 月 17 日发布〈A scorecard for the AI age〉，把企业评估 AI 的问题从「买了多少席位、用了多少 Token」转向「AI 实际完成了多少有用工作」。文章以 CFO 关心的投资回报为入口，提出一个名为「每美元有用智能」的衡量方向。
这个框架包括四个问题：AI 完成了多少重要工作、每项成功任务的完整成本是多少、人是否可以依赖结果，以及随着使用量增加，每一美元是否带来更多价值。OpenAI 认为，单看 Token 价格不足以判断效益，因为较便宜的模型可能需要更多重试、更长等待或更多人工修正。
第一步是把指标放回真正发生工作的系统。客服团队可以衡量成功解决的个案，工程团队可以衡量通过测试及 review 的代码变更，法律团队则可以衡量准时而准确完成的合同审阅。文章建议先选择一条 workflow，先定义「完成」的标准，再在原本的工作系统内记录结果。
第二步是计算每项成功任务的完整成本。这不只包括模型及工具用量，也包括尝试次数、延迟、员工时间、人工 review 和返工。OpenAI 以自家模型作例子，说明较高单价的模型如果能以较少次数达到质量要求，总成本未必比低价模型高；企业仍然应该用自己的代表性案例和质量门槛重新验证。
可靠程度是这套方法的另一个重点。OpenAI 建议把结果分成「交付后可以直接使用」、「需要修正」及「需要升级由人完成」三类，因为这比单一准确率更能反映 AI 是否真的减少了完成工作的负担。当系统从草稿走向跨工具、处理例外和执行动作时，数据可见范围、可使用的系统、人工批准点及权限边界都需要先写清楚。
最后，企业要观察规模效益：在同一条 workflow 中，合格完成的任务是否增长得比总成本快，而且质量没有下降。这使 AI 投资更像一个可分阶段验证的 portfolio：先探索模型能否处理问题，再用真实案例验证，最后才投资整合、治理、可靠性及变更管理。
这篇文章提供的是 OpenAI 的管理框架，而不是独立的行业标准；文中对 ChatGPT Work、GPT-5.6 和计算基础设施的描述也带有供应商视角。对企业来说，最有用的做法是保留这四个问题，再用自己的成功定义、审批记录、成本数据和实际业务结果建立基线。
