本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

案例 B：15 分鐘篩選時間

案例 B 模型最佳化的招聘操作，其中人工招聘人員已將篩選程序簡化為每個應用程式 15 分鐘。這表示比案例 A 有 66% 的效率改善。此案例為中階招聘人員維持相同的完全載入年成本 112，250 美元。不過，它展現了大幅提升的人類生產力，在 8 小時的輪班期間，每日容量增加到 32 個應用程式，每月輸送量達到 660 個應用程式。改善的人工效率可將每個應用程式的成本從 45 美元降至 15 美元，從而縮小代理式 AI 系統的經濟差距。不過，代理程式會維持其結構優勢：5 分鐘處理時間、全年無休啟用每日 288 個應用程式、比人工 5% 低 2% 的錯誤率，以及每月容量超過 8，600 個應用程式。雖然這種效率改善將損益平衡期間從 1.16 個月延長到 4.76 個月，並將每月節省從 19，833 美元減少到 4，833 美元，但分析顯示，即使與高度最佳化的人力操作競爭，代理系統仍然經濟上可行，這是評估組織目前程序效率水準是否合理化代理 AI 投資的關鍵洞見。

基本成本結構

下表顯示案例 B 的年度固定成本。

下表顯示案例 B 的實作成本。

操作指標

下表顯示案例 B 的操作指標。

磁碟區型成本分析

下表顯示案例 B 的以磁碟區為基礎的成本分析。在此範例中，代理式 AI 系統成本包括固定成本和 12 個月內每月 1，917 USD 的攤銷設定成本。

ROI 分析

下表顯示案例 B 的 ROI 分析，以每月處理 500 個應用程式為基礎。

累積成本比較

下表顯示前六個月案例 B 的累積成本比較，假設每月 500 個應用程式。