本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 衡量代理人工智能系统的成功和投资回报率
<a name="measuring-success"></a>

衡量代理人工智能系统实施的成功需要采用系统的方法。本节为评估和持续优化提供了一种清晰的方法，该方法使用您现有的分析，而不是从头开始。

## 第 1 步：使用你现有的粉底
<a name="measuring-success-foundation"></a>

首先根据评估[当前流程成本部分中的建议进行全面的成](assessing-costs.md)本评估。这为您的 ROI 计算提供了运营基准。如[风险影响评估](understanding.md#understanding-risk-impact)部分所述，在四个自主级别（完全自主、人工在环、副驾驶方法、由代理支持的人为主导）之间进行选择，以便为每个过程确定适当的测量标准和容错阈值。

## 第 2 步：设定明确的成功目标
<a name="measuring-success-targets"></a>

制定架构和成功目标，强调具有学习能力的系统，如[实施代理人工智能系统的成功模式部分所述。](implementation.md)专注于持续改进，而不是静态性能。使用[案例研究：比较招聘运营的人工和代理人工智能成本](case-study.md)中演示的收支平衡分析方法来设定投资回报率时间表。包括终止不良代理的明确决策要点。

## 第 3 步：跟踪关键指标
<a name="measuring-success-metrics"></a>

根据既定基准监控财务业绩，并跟踪成本节省和战略价值的改善。衡量运营指标，包括所选自治级别的可接受阈值内的错误率、处理速度的提高和一致性的提高。将重点放在能够证明学习能力和随时间推移适应能力的战略指标上。

## 第 4 步：使用 AgentOps
<a name="measuring-success-agentops"></a>

应用 “将[人类反馈纳入代理人工智能系统” 部分中的持续学习框架，通过系统](feedback.md)的人类反馈集成来优化决策。创建包含人类洞察力的实时学习系统，以提高绩效。监控向基于结果的商业模式的转型，如[代理人工智能系统的经济转型到基于结果的定价](outcome-pricing.md)中所述。 AWS