企业如何核算无障碍 AI 项目的社会成效
企业如何核算无障碍 AI 项目的社会成效
企业推出无障碍 AI 项目，年报写“服务了十万人”。其中多少人独立完成开户、求助或支付，多少人在中途放弃，没有答案。社会成效要从功能覆盖转向真实生活中的任务结果。
项目启动前与不同残障用户确定目标：少一次等待、减少向家人求助、增加工作机会，还是更安全地获取信息。模型可整理使用数据和访谈，但使用人数不能直接等于受益人数。需要关注旧设备、低收入和偏远地区的用户是否也能用。
验收看任务完成率、求助次数、错误决策、隐私投诉和持续使用，同时保留人工替代服务。比较上线前后时注意其他流程改造的影响，不把全部改善归给 AI。用户参与评价应有合理报酬，并能质疑企业的结论。
无障碍项目评估还要看“谁没有进入统计”。不会用智能手机的用户、设备太旧的用户、曾被一次糟糕体验劝退的人，往往没有持续使用记录。企业可与残障组织合作做线下访谈，了解真正的进入门槛。参与者不应被要求公开私人诊断才能证明功能有用。
社会成效可用一组小而具体的指标：独立办成事的比例、平均求助次数、出错后恢复时间和人工渠道可达性。不同任务的价值不一样，一次成功办理医疗预约可能比数十次打开首页更重要。数据量少时给出案例和限制，不用夸大的百分比。把负面反馈也写入年度复盘，才有改进方向。
社会成效不等于下载次数。一款图像描述工具可能有很多注册用户，真正需要它的人却在医院、车站和办公软件里经常卡住。企业应选取可独立完成的生活任务，测完成率、时间、额外求助、隐私成本和用户自己评价。效果评估要比较使用前后，也留意原本就难接触数字服务的人是否被遗漏。用户补贴结束后还能不能用，是长期成效的一部分。
一家企业宣称图像描述功能“服务十万人”，实际只有少部分人在重要场景持续使用。可抽样跟随用户完成到医院、读药盒和线上购物等任务，记录什么时候仍需他人协助。若误描述药品包装，风险不同于把景色说错，应单独统计并优先修。受益人数要按实际使用定义，不能把一次下载算成生活改善。
长期效果还包括维护。更新后是否兼容旧手机，故障多久修复，用户能否转移数据？如果补贴结束就没人用，发放数量并不等于社会价值。企业应让残障组织参与确定指标，同时对负面体验如误导和被迫共享信息如实记录。好的评估既看收益，也看谁承担了新的成本。
真正的无障碍成效，常体现在一个人不再需要为一件普通事务提前安排别人帮忙。
