企业业务自动化指南

引言

DX和业务自动化应该如何思考和推进？许多企业都在以各种不同的方式推进，我想经营层和相关负责人也在为采用哪种方法而感到头痛。

本指南基于企业目标——企业价值最大化——由哪些要素实现这一认识，用数学公式、行动方案和案例研究（虚构案例）来说明企业业务分解和自动化如何对改善企业价值产生影响。

最后，我们将简洁地提示实践的步骤。

1. 提升企业价值的3个要素

企业应该最大化的目标函数是企业价值（Value、 $V$）。企业价值是指"公司未来赚取的资金按其确定性折现后的总和"，定义如下（DCF法）。 (Koller et al., 2020; Damodaran, 2012)

$V\mspace{6mu} = \mspace{6mu}\frac{E\left\lbrack \text{FCF}_{t} \right\rbrack}{(1 + r)^{t}}$

分子的 $E\lbrack\text{FCF}_{t}\rbrack$ 是、$t$ 年公司能够自由支配的资金（自由现金流：Free Cash Flow, FCF）的预期金额（期望值：Expected value, E）。分母的 $r$ 是折现率（将未来资金折现为现值时所用的利率），公司业绩波动越大，即风险（Risk、 $r$）越高，其值就越大。 (Sharpe, 1964)

如果假设利润（Profit、 $P$）每年以一定的增长率（Growth、 $g$）持续增长，则该公式简化为以下形式（恒定增长率模型）。 (Gordon, 1959)

$V\mspace{6mu} = \mspace{6mu}\frac{P}{r - g}$

这个公式是本文的总体框架。根据该公式，驱动企业价值的杠杆只有以下3个：

• 利益（$P$）增加 → 第2章：分解业务，通过自动化提高流程的盈利性

• 风险（$r$）降低 → 第3章：保护成本结构、错误和可持续性

• 增长（$g$）来提升 → 第4章：将释放的资源用于增长

通过结合这3个因素来决定"投资于何处"，从而提升企业价值（第5章）。

企业行动

• 按业务工序单位估算该措施能增加多少利润（$P$）（→第2章）

• 同时标注该措施如何改变风险（$r$），并重新评估利润增加但风险也增加的措施是否从企业价值角度采纳（→第3章）

• 评估该措施节省的资源如何转化为增长（$g$），包括这一环节（→第4章）

案例研究（A公司·酒店连锁）：利润增加，企业价值却下降

A公司年利润为10亿日元、$r = 8\%$、$g = 3\%$ 。企业价值为 $10 \div (0.08 - 0.03) = 200$ 亿日元。在这里，大幅削减前台员工和清扫人员，利润增至11亿日元，但由于服务质量下降，口碑和入住率变得不稳定，$r$ 上升到10%。那么 $V = 11 \div (0.10 - 0.03) \approx 157$ 亿日元。利润虽然增加了1亿日元，企业价值却下降了约43亿日元。重要的是不仅要增加利润，还要实施不会导致风险增加的措施。

2. 增加利润（$P$）：业务分解和自动化

2.1 将利润分解到业务工序

全公司利润可以分解为各事业 $i$ ，进一步分解为事业中各业务工序 $j$（任务）的"投资额（Investment、 $I$）× 投资回报率（Return on Investment, ROI）"。 (Porter, 1985; Autor, 2015)

$P\mspace{6mu} = \mspace{6mu}\text{ROI}_{i} \cdot I_{i}\mspace{6mu} = \mspace{6mu}\text{ROI}_{\text{ij}} \cdot I_{\text{ij}}$

业务自动化·效率化就是提高工序级收益率 $\text{ROI}_{\text{ij}}$ 的投资。仅停留在公司整体或事业部单位是无法考虑自动化的。只有分解到工序，才能看清"在哪里投入了人力和成本，又在哪里没有创造价值"。 (Acemoglu & Restrepo, 2019; Brynjolfsson, Mitchell, & Rock, 2018)

可以通过以下3个步骤找出ROI低的工序。

(1) 成本实测：按工序"年工时 × 时间单价"实测成本。 (Kaplan & Cooper, 1998)

(2) 价值估算：价值可以用近似值。直接产生销售的工序用销售关系来估算，间接工序则用"如果质量下降会失去什么"或与外包价格的比较来估算。

(3) 将"成本大 × 价值贡献低"的工序作为候选对象。

企业行动

• 将事业分解为业务工序（任务），使各工序的成本和所创造的价值可视化

• 识别工序ROI低的业务，列入自动化·效率化候选清单

案例研究（B公司·食品超市）：该瞄准哪个工序

B公司通过DX检讨应该效率化哪些工序。通过以下3个步骤找出ROI低的工序。

(1) 成本实测――"该工作每年花了多少钱"来计算

只需做乘法。

• 顾客服务·卖场打造：每店每天共计30小时（开店期间多名员工的顾客服务·理货·陈列的总计）× 22店 × 365天 ≒ 年24万小时。以兼职为主的时薪1,500日元计，年约3.6亿日元

• 订货业务：每店每天1小时 × 22店 × 365天 ≒ 年8,000小时。按时薪3,000日元计，年2,400万日元

• 传单·价签制作：总部和各店年12,000小时 × 3,000日元 ＝ 年3,600万日元

• 办公用品订购（复印纸·清洁用具等）：每店每月1小时 × 22店 × 12个月 ≒ 年260小时 × 3,000日元 ≒ 年80万日元

关键是用"订货花了2,400万日元"这种说法。如果用小时表示就体会不到这笔钱的重量，但换成金额就能比较了。

(2) 价值近似――"该工作大约值多少钱"来估算

无法精确测量，所以按工序类型用3种测量方法区分对待。

• 直接产生销售的工作：以顾客服务为例，比较"店员问候过的顾客和没问候过的顾客购买率差异有多大"。差异大说明价值高

• 幕后工作用"如果做砸了会失去什么"来测量：以订货为例，如果订货不周密就会增加缺货（销售机会失失）和废弃（报废损耗）。如果增幅达年500万日元，那么订货业务的价值就是"防止了年500万日元的损失"

• 与外包价格比较：社内制作传单年花3,600万日元，但外包或用自动生成工具年只需1,200万日元的话，差额2,400万日元就是"过度操作的信号"

(3) 两轴筛选――"成本大 × 价值贡献低"的工作纳入DX对象

并排列出(1)和(2)，按成本和对价值的贡献分为4个象限（大小·高低）。

• 顾客服务·卖场打造

  • 成本：特大（3.6亿日元）

  • 对价值的贡献：高（直接产生销售）

  • DX优先度：低（增加人手）

• 传单制作

  • 成本：大（3,600万日元）

  • 对价值的贡献：低（外包仅为1/3）

  • DX优先度：高（自动化候选）

• 订货业务

  • 成本：大（2,400万日元）

  • 对价值的贡献：低（可规则化的幕后工作）

  • DX优先度：高（自动化候选）

• 办公用品订购

  • 成本：小（50万日元）

  • 对价值的贡献：低

  • DX优先度：延后（效果小）

只需瞄准左上的"花钱多但并非决出胜负的工作"。像顾客服务这样"成本大但价值也高"的工作不作为自动化候选。

但是，"订货ROI低"≠"订货不必要"。订货是店铺必不可少的工作。必需的工作目前花费年2,400万日元这个过高的价格，但如果采用自动订货系统，同样的工作可以用年400万日元（系统费用+例外处理的人件费）完成，这就是在保持价值不变的情况下仅降低成本的自动化。

2.2 确定自动化级别：委托到什么程度，利润会改变多少

自动化程度用自动驾驶国际标准（SAE J3016）推广的6阶自动化级别（Level, L）来表示。通信网络运维、手术机器人、开发审查、BIM审查等各个领域都采用类似框架分类。 (SAE International, 2021; Parasuraman, Sheridan, & Wickens, 2000; Sheridan & Verplank, 1978)

• L0（手动）：人完成所有工序。不使用AI

• L1（支持）：AI通过信息提示、事前调查、讨论来支持。判断和执行由人进行

• L2（部分自动化）：AI进行工作，但人对全部进行确认并最终批准

• L3（条件自动化）：在规定条件内AI完成从判断到执行的全过程，仅在出现例外时人才介入

• L4（高度自动化）：在有限领域内，无需人的介入即可完成

• L5（完全自动化）：在任何情况下都不需要人（目前是理想形态，基本未实现）

将某工序的自动化级别（Level、 $L$：L0手动～L5完全自动）提升时，年利润的变化 $\Delta P(L)$ 可以用3项表示。

$\Delta P_{\text{ij}}(L)\mspace{6mu} = w_{\text{ij}}\, H_{\text{ij}}\left\lbrack \, 1 - h_{\text{ij}}(L)\, \right\rbrack - \mspace{6mu} c_{\text{ij}}(L) - e_{\text{ij}}\, D_{\text{ij}}\left\lbrack \, 1 - d_{\text{ij}}(L)\, \right\rbrack$

等号右侧的项表示（人件费削减）－（AI运用费）－（错误的期望损失）。

符号说明如下：

• 时间单价（wage、 $w$）和年工时（Hours、 $H$）：这两者的乘积是现状的人件费

• 人的参与率（human、 $h$）：即使升至级别 $L$ 也继续参与工作的时间比例

• AI运用费（cost、 $c$）

• 错误率（error、 $e$）、每个错误的损害额（Damage、 $D$）、人工检查发现错误的检测率（detect、 $d$）

关键在于 $h(L)$ 的形状。直到L2（AI工作，人全部确认）为止， $h$ 保持高位，人件费削减并不多。一升到L3（仅在例外时人见面），$h$ 就会一下子降低到例外比例。也就是说，效果的主战场是将定型业务从L2提升到L3这一步。 (Endsley & Kaber, 1999; Parasuraman et al., 2000)

但是，级别有上限 $L‾$ 。错误无法取消（不可逆）、涉及人命、健康、巨额资金（$D$ 大）、法律要求资格人士判断、包含对人的判断――对于这些工序，要设定目标级别的上限较低。因此，可达成的$L_{\text{ij}}^{*}$表示如下：

$L_{\text{ij}}^{*}\mspace{6mu} = \mspace{6mu} arg\max_{L}\mspace{6mu}\Delta P_{\text{ij}}(L)\quad\quad s.t.\quad L\mspace{6mu} \leq \mspace{6mu}{L‾}_{\text{ij}}$

也就是说，根据工序性质确定如下自动化级别目标：

• "定型 × 低风险 × 可逆 × 大量"的工序：目标级别为L3～L4。人仅在例外时检查或仅进行监视

• "半定型（最终判断需人来）"的工序：目标级别为L2。人对全部确认（AI进行初稿）

• "非定型（重判断·创造性）"的工序：目标级别为L1。AI作为讨论伙伴，决定由人来做

• "不可逆·高损害·法令要求"的工序：目标级别为L2以下。人对全部确认，资格人士·责任人批准

• "对人交涉·身体作业"的工序：目标级别为L0～L1。人进行实施，AI仅限于准备、记录辅助（预计随着Physical AI发展逐步成为自动化对象） (Frohm, Lindström, Winroth, & Stahre, 2008)

企业行动

• 检查是否存在"虽然引入了AI但全体人员仍保留"L2止步的工序

• 将定型·低风险工序的目标设定为迁移至仅例外时由人审看的L3

• 对于不可逆·高损害·有法令要求的工序，不要勉强提升级别

案例研究（C公司·汽车零部件工厂）：L2和L3效果相差3倍

C公司生产的零部件外观检查需要10名检查员·年20,000小时（人件费6,000万日元）。引入AI检查摄像头即使是L2（人对全部重新确认、$h = 0.6$）时，效果也是 $60,000,000 × 0.4 - 10,000,000 - 2,000,000 = 12,000,000$ 万元/年。L3（AI自信度低的15%才由人确认，$h = 0.15$）时，$60,000,000 × 0.85 - 12,000,000 - 4,000,000 = 35,000,000$ 万元/年。同样的AI，能否停止"人工查看所有案件"会导致效果相差约3倍。另一方面，"出货判定的最终批准"是不良品流出会直接导致市场召回的不可逆处理，因此上限设在L2。

2.3 业务流程变革：沿用现有流程还是重新设计

在2.2中讨论目标级别时，有是否进行业务流程变革这两种选择。

• A案（沿用现有流程）：保持现有工作流程（工序划分和检查流程），在各工序中应用AI

• B案（流程变革）：以AI为前提，重新设计工序划分方式和人工检查的位置

A案投资小、启动快，但有上限。现有流程是以"人工操作、人工确认"为前提建立的，即使引入AI，人工确认仍会保留，参与率 $h$ 不会下降。此外，最大削弱自动化效果的不是工序本身，而是工序之间的"衔接处"（人工中转、抄写、重复确认）。如果衔接处仍保留人工操作，作业会在那里停滞，$h$ 不会下降，效果在L2的壁垒处（人工全部确认）停滞不前。要实现效果跳跃，需要进入L3（仅例外由人工查看），但这需要重新设计流程本身。(Davenport & Short, 1990; Davenport, 1993)

业务流程变革是指以AI为前提重新划定"业务边界"。这种做法看似相反，但有两个方向。(Hammer, 1990; Hammer & Champy, 1993)

• 整合（消除衔接处）：将分散的相邻工序整合在一起，形成一贯流。消除人工中转，整个流程更容易进入L3

• 分解（分割一个工序）：将一个工序分成可规则化的标准部分（自动流转）和需要判断的部分（由人工承担），仅对标准部分进行自动化

虽然看似相反，但两者都是"哪部分自动流转、哪部分保留人工判断和责任"这一责任重新设计的一部分。具体工作包括以下3个环节，这些环节形成一个连贯的流程。

1. 重新划定边界：整合相邻工序以消除衔接处，或将一个工序分解为标准部分和判断部分

2. 按阈值重新配置：根据AI置信度、金额、新颖性等阈值（自动化触发点），划分"到此为止自动、从此以后由人工"的界线

3. 调整控制方式：将审查方式从全部确认→抽样→仅例外情况→仅监控进行阶段性简化（必须保留的工序固定不变）

选择A案还是B案也取决于各自的利润改善$\Delta P$的大小。

$\\Delta P_{\\text{ij}}(L_{A}) = wH\\left\\lbrack 1 - h(L_{A}) \\right\\rbrack - c(L_{A}) - eD\\left\\lbrack 1 - d(L_{A}) \\right\\rbrack\\quad(现有流程)$

$\\Delta P_{\\text{ij}}(L_{B}) = wH\\prime\\left\\lbrack 1 - h\\prime(L_{B}) \\right\\rbrack - c\\prime(L_{B}) - e\\prime D\\prime\\left\\lbrack 1 - d\\prime(L_{B}) \\right\\rbrack\\quad(变革后流量)$

整合的效果主要体现在前者（$H$ 的减少）。B案需要额外投资 $\Delta I_{\text{ij}}$（流程重组、培训、数据整备），选择B案的条件是上述差额的现值大于额外投资。

$\\frac{\\Delta P_{\\text{ij}}(L_{B},\\, t) - \\Delta P_{\\text{ij}}(L_{A},\\, t)}{(1 + r)^{t}}\\mspace{6mu} > \\mspace{6mu}\\Delta I_{\\text{ij}}\\quad \\Rightarrow \\quad 采用B案（流程变革）$

如果不等号反向（额外效果未达到额外投资），则保持A案。实务中，安全的做法是先用A案小规模开始，确认技术与业务的匹配程度，然后从效果在L2壁垒处停滞的工序开始按顺序投资B案——这类工序的特征是"引入了AI却所有人力仍然保留"，即 $h(L_{A})$ 仍然很高的工序。(Trigeorgis & Reuer, 2017)

企业行动

• 首先在现有流程基础上小规模自动化，确定效果在L2壁垒处停滞的工序

• 对于停滞的工序，通过相邻工序的"整合"或单个工序的"分解"重新划定业务边界

• 根据边界设计阈值和控制方式（审查方法），与自动化级别一起纳入运营规则

• 流程变革要与额外投资一起估算，与额外效果相比后决定取舍

• 对每个工序估算损害额 $D$ ，$D$ 较大的部分保留人工检查

案例研究（D公司·财产保险公司）：结合整合与分解越过壁垒

D公司在事故应对中导入了AI。最初采用A案，按现有流程在"受理·记录·查勘·支付"各工序中应用AI，由员工全部确认，但工序间的文件交接仍为人工操作，效果微弱。典型的L2壁垒。

随后用B案重新设计了流程。首先是整合。将原来分散的"事故受理→记录→保险金初期计算"整合成一贯流，消除了员工之间的交接（衔接处），使标准事故自动流向查勘计算。其次是分解。将"保险金支付查勘"分成金额机械计算（可规则化）和支付可否最终判断（由人工承担）两部分。

在此基础上，根据损害额 $D$ 设计了阈值和控制。"事故受理·记录"即使出错也可以后续电话补正， $D$ 较小，因此取消了全部确认（取消检查增加的损失为 100,000件 × 1% × 2,000日元 = 年200万日元，而全部确认费用年2,500万日元，不划算）。相反，"支付可否最终判断"错误直接影响客户生活和公司信用， $D$ 较大（取消检查增加的损失为 20,000件 × 1% × 1,000,000日元 = 年2亿日元，远超全部确认费用年3,000万日元），因此保留了查勘员的确认。衔接处通过整合来消除，判断则通过分解保留给人工，这样进行了责任的重新设计。

2.4 投资是否值得：用NPV判断

根据2.2～2.3的设计，利润改善 $\Delta P(t)$ 得以确定。投资的采否通过净现值（Net Present Value, NPV）来判断，即将生涯效果折算为现值后减去投资额。(Brealey, Myers, & Allen, 2020)

$\text{NPV}_{\text{ij}}\mspace{6mu} = \mspace{6mu}\frac{\Delta P_{\text{ij}}(t)}{(1 + r)^{t}}\mspace{6mu} - \mspace{6mu} I_{\text{ij}},\quad\quad\text{PI}_{\text{ij}}\mspace{6mu} = \mspace{6mu}\frac{\text{NPV}_{\text{ij}}}{I_{\text{ij}}}$

NPV为正时，该投资会增加企业价值。比较多个项目时，用投资1元钱的收益即收益率指数（Profitability Index, PI）排序。有两点需要注意。第一，投资额 $I$ 包括系统费用，也包括业务重组、培训、数据整备的费用。第二，效果初期会由于学习成本先行出现负值，1～2年后才开始上升（称为生产率的J曲线）。不要因为首年亏损就判定为"失败"，而应通过中期KPI（数据整备率、精度、自动化率）来判断是否继续。(Brynjolfsson, Rock, & Syverson, 2021)

企业行动

• 逐个项目用NPV是否为正来判断，比较多个项目用PI判断

• 投资评价期应与效果持续期相匹配，而非与折旧期相匹配

• 不因首年亏损而撤退，继续与否由中期KPI判断

案例研究（E公司·卡车运输公司）：评价期改变结论

E公司投资1.2亿日元（系统8,000万日元+数据整备·培训4,000万日元）用于配车计划的AI化。效果为第1年−1,000万日元（学习先行），第2年+2,000万日元，第3年后+3,500万日元/年（$r = 8\%$）。按5年计算NPV约为−3,500万日元，但系统可用10年，按10年评价时NPV约为+6,000万日元（PI=0.5）。评价期和初期亏损的处理方式决定了投资判断的结论。

3. 降低风险（$r$）：稳定费用结构

第二个杠杆是折现率 $r$ 。$V = P/(r - g)$ 的分母，业绩波动（利润浮动）越大的公司， $r$ 越大。因此在推进自动化时，不仅要看"利润增加多少"，还要看"业绩波动=$r$ 如何变化"。(Sharpe, 1964; Mandelker & Rhee, 1984)

自动化中 $r$ 变化的主要途径是费用结构的改变。将人工费（根据销售额可以减少的变动费）替换为系统费（销售额下降也减不了的固定费），在衰退时费用不会下降，利润波动增大， $r$ 上升。$r$ 的抑制手段是尽可能保持费用为变动费。(Mandelker & Rhee, 1984)

企业行动

• 优先采用按使用量计费、租赁等能根据销售额调整费用的合同

• 大型固定投资要在衰退情景（销售额−20%等）下验证耐性后才执行

• 在评估方案时，不仅看年度成本大小，也要看费用固定化导致的 $r$ 变化

案例研究（F公司·SaaS企业）：选便宜的反而企业价值下降

F公司为运行AI问题应答，用两个方案比较了计算机使用方式。

• 自有方案：自己购买高性能服务器。一旦购买，单价便宜，但无论使用与否每年费用基本固定（=固定费）

• 按使用量计费方案：使用外部AI服务，按使用量付费。单价略高，但不使用就不付费（=变动费）

景气好问询多的年份，单价便宜的自有方案年度成本更低。仅看这一点，自有方案似乎是正确答案。

但一旦景气下行问询减少3成，差异就会出现。按使用量计费方案会随着使用量减少自动降低费用3成，而自有方案因为已经购买了服务器，费用几乎不会减少。销售额下降但费用不下降——即利润波动（浮沈）增大。

利润波动越大的公司折现率 $r$ 越高，$V = P/(r - g)$ 的分母越大，企业价值越低。因此即使自有方案在平常年度成本便宜，考虑到衰退风险后的企业价值也可能不如按使用量计费方案。"成本最便宜的方案"与"企业价值最高的方案"必不相同。

4. 提高增长（$g$）：将浮出的资源用于成长

第三个杠杆是增长（Growth, $g$）。持续增长率由"利润中用于再投资的比例（再投资率, $b$）"与"再投资的收益率（Return on Invested Capital, ROIC）"的乘积决定。(Damodaran, 2012; Koller et al., 2020)

$g\mspace{6mu} = \mspace{6mu} b \times \text{ROIC}$

自动化通过3条途径提高 $g$ 。

• 首先，工序收益性改善（第2章）直接提高ROIC。

• 其次，将浮出的人工时间和现金重新配置到成长业务（产品开发、新市场、客户获取），可以提高$b$ 。

• 第三に，自动化后的工程即使增加处理量，成本也几乎不会增加，因此"人手不足导致无法增长"的瓶颈就会被打破。

$V = P/(r - g)$ 根据其形式可以看出，$g$ 中的1个百分点的改善$r$ 与1个百分点的下降对企业价值的影响大小相同。自动化是以"成本削减"而告终，还是转化为"增长的资本"，这在很大程度上改变了对企业价值的影响方式。

企业的行动

• 不仅通过裁员来收回自动化节省的工时，而是与增长业务的重新配置计划一起批准

• 对于边际成本下降的工程所在的事业，要与扩大销售渠道等规模投资同时规划

• 对在自动化过程中积累的数据，要作为产生下一步改善和新服务的资产来管理

案例研究（G公司·在线学习服务）：利润相同但价值提升1.5倍

I公司通过AI批改和自动应答（L3：仅将难题转给讲师），释放了讲师60%的时间。年度利润为5亿日元，$r = 10\%$ 。按照传统 $b = 40\%$，ROIC＝10%时为 $g = 0.4 \times 0.10 = 4\%$、$V = 5 \div (0.10 - 0.04) \approx 83$ 亿日元。

如果将释放的时间用于新课程开发， $b = 50\%$，ROIC＝12%，则为$g = 6\%$、$V = 5 \div (0.10 - 0.06) = 125$ 亿日元。

即使当期利润仍为5亿日元，仅通过改善增长性，企业价值就约提升1.5倍。如果只以"成本削减额"来衡量自动化，就会完全忽视这种效果。

5. 投资方向：预算配置的整体最优

自动化的投资对象是第2.1章中分解的工程 $(i,j)$ （$i$＝事业，$j$＝工程）。当利润（第2章）、风险（第3章）和增长性（第4章）织入的各工程NPV都已算出后，最后就变成了有限预算（Budget， $B$）如何配置到各工程这一问题。

max_{xij} Σ NPV_ij(x_ij)   s.t.  Σ x_ij ≤ B

这里 $x_{\text{ij}}$ 是分配给工程 $(i,j)$ 的自动化投资额（投入多少的决策变量）。$\text{NPV}_{\text{ij}}(x_{\text{ij}})$ 是该投资产生的净现值，右侧约束条件表示"对全部工程的投资总额不超过预算 $B$ "。

在实践中，按PI（每投资1日元的NPV）从高到低排序，采纳至预算耗尽即可充分发挥作用。与其把全部资金投入看起来收益最高的单一工程，不如按效率高低分配到多个工程才是正确的判断。 (Brealey, Myers, & Allen, 2020; Kundisch & Meier, 2011)

企业的行动

• 不逐项批准，而是将全部候选项按PI顺序排列，从上往下采纳至预算耗尽

• NPV为负的项目，不以流行或其他企业案例为理由而采纳

• 在报请批示书中记载①利润改善（包括初期赤字期间）、②费用固定化导致的折扣率r的变化、③损害较大工程的错误对策、④投资额，共4项，以此框架进行批准判断

案例研究（H公司·建筑公司／建筑业）：预算1.5亿日元如何分配

H公司的自动化候选项（工程）及其评价整理如下。

• 发票和支付处理自动化（财务）：投资额2000万日元，NPV＝3600万日元，PI＝1.8（每投资1日元产生1.8日元的价值＝效率最高）

• 无人机测量·竣工管理（现场）：投资额1.2亿日元，NPV＝6000万日元，PI＝0.5（NPV绝对额最大，但效率不及财务）

• 作业日报自动生成：投资额3000万日元，NPV＝−300万日元，PI＝−0.1（NPV为负＝减少企业价值，不采纳）

按PI顺序，先分配财务（2000万日元），再分配无人机测量（1.2亿日元），共1.4亿日元。作业日报因NPV为负，即使有剩余预算也不采纳。若认为"建筑公司应该先从现场考虑"，就会忽视效率最高的财务项目（1日元赚1.8日元）。

6. 实践步骤：经营者和实务工作者的推进步骤

将上述内容整理成实际推进的顺序。请按照以下步骤，对每个工程循环执行。

1. 将目标设定为企业价值：不仅以利润额衡量施策，而是以对利润（$P$）、风险（$r$）和增长性（$g$）的影响进行评估（第1章）

2. 将业务分解为工程：将事业细分为工程（任务），逐个工程实测成本并估算价值，将"成本大×价值贡献低"的工程列为自动化候选（2.1）

3. 确定目标自动化等级：用效果（$\Delta P$）和上限（不可逆性、损害大小、法令、涉人性）两方面判断各工程应提升至L0～L5中的哪一级。定型、低风险工程应以L3为目标（2.2）

4. 判断流程变革的必要性：先在现有流程基础上小规模试点，若工程在L2陷入瓶颈，则通过相邻工程的"整合"或单工程的"分解"重新划分业务边界。比较追加投资和追加效果后决策（2.3）

5. 用NPV判断投资可行性：除系统成本外，还要纳入重组、培训、数据整备等费用进行估算，以NPV是否为正来决定取舍。初年度亏损不应撤退，而要用中期KPI继续判断（2.4）

6. 织入风险和增长性：确认费用固定化是否会导致折扣率 $r$ 上升，释放的资源是否能用于增长（$g$）（第3、4章）

7. 按PI顺序配置预算：将候选工程按PI（每投资1日元的NPV）从高到低排列，采纳至预算耗尽。NPV为负的不采纳（第5章）

8. 执行、监测并循环：导入后测量实际成果（工时、错误率、损害额），在下一轮循环中重新审视分解、等级和边界（可活用IS Success Model等）。返回第1步 (DeLone & McLean, 2016; Schryen, 2013)

本步骤不是一次性完成，每循环一次各数值的估算精度就会提高，自动化的范围和精度也会随之提升。

结语

以"企业业务自动化指南"为主题，基于学术研究和实务工作者的见解，整理了为实现企业价值最大化而进行DX施策检讨和实施的内容。无论今后出现什么样的新技术或社会变化，我们希望本指南能够帮助通过一贯的流程来推进企业活动的改善。

参考文献

1. Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3–30.

概要：将自动化理解为"任务向资本的重新配置"，展示了替代效应和新任务再创造效应的框架。

2. Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal of Economic Perspectives, 29(3), 3–30.

概要：论证自动化以任务为单位进行，被取代任务的价值随之提升的学术论文。

3. Brealey, R. A., Myers, S. C., & Allen, F. (2020). Principles of corporate finance (13th ed.). McGraw-Hill Education.

概要：NPV、收益性指数（PI）、资本约束下的投资选择等企业财务标准教科书。

4. Brynjolfsson, E., Mitchell, T., & Rock, D. (2018). What can machines learn, and what does it mean for occupations and the economy? AEA Papers and Proceedings, 108, 43–47.

概要：按任务单位评估机器学习的适应度（SML），论证许多职业仅部分任务可自动化，需要进行职务再设计。

5. Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372.

概要：论证通用技术需要无形资产的互补投资，产生初期生产率下降和后期飞跃（J曲线）的实证研究。

6. Damodaran, A. (2012). Investment valuation: Tools and techniques for determining the value of any asset (3rd ed.). Wiley.

概要：体系化了DCF评估以及增长率＝再投资率×ROIC等估值实务手法的资料。

7. Davenport, T. H. (1993). Process innovation: Reengineering work through information technology. Harvard Business School Press.

概要：展示了以IT为前提革新业务流程方法论的流程创新基础书。

8. Davenport, T. H., & Short, J. E. (1990). The new industrial engineering: Information technology and business process redesign. Sloan Management Review, 31(4), 11–27.

概要：主张IT与业务流程再设计原本应一体化，提出流程再设计视角的先驱论文。

9. DeLone, W. H., & McLean, E. R. (2016). Information systems success measurement. Foundations and Trends in Information Systems, 2(1), 1–116.

概要：从系统/信息/服务质量、使用、满意度、净效益等多维度衡量信息系统成功的D&M模型。

10. Endsley, M. R., & Kaber, D. B. (1999). Level of automation effects on performance, situation awareness and workload in a dynamic control task. Ergonomics, 42(3), 462–492.

概要：用实验方法论证自动化等级对成果、情景认识、工作负荷的影响的人因工程研究。

11. Frohm, J., Lindström, V., Winroth, M., & Stahre, J. (2008). Levels of automation in manufacturing. Ergonomia – International Journal of Ergonomics and Human Factors, 30(3).

概要：将制造业自动化分为物理侧面和认知侧面进行阶段化的框架（身体任务自动化视角）。

12. Gordon, M. J. (1959). Dividends, earnings, and stock prices. The Review of Economics and Statistics, 41(2), 99–105.

概要：建立了恒定增长模型（股利折扣模型）基础的经典论文。

13. Hammer, M. (1990). Reengineering work: Don’t automate, obliterate. Harvard Business Review, 68(4), 104–112.

概要：主张不是自动化现有业务，而应重新创造流程本身的BPR原点。

14. Hammer, M., & Champy, J. (1993). Reengineering the corporation: A manifesto for business revolution. HarperBusiness.

概要：体系化了业务流程的彻底再设计（重组）的管理书籍。

15. Kaplan, R. S., & Cooper, R. (1998). Cost & effect: Using integrated cost systems to drive profitability and performance. Harvard Business School Press.

概要：通过作业成本法（ABC）按工程、活动单位可视化成本和收益性的手法。

16. Koller, T., Goedhart, M., & Wessels, D. (2020). Valuation: Measuring and managing the value of companies (7th ed.). Wiley.

概要：基于DCF的企业价值评估与价值创造驱动因素（ROIC、增长）的实务标准书（麦肯锡）。

17. Kundisch, D., & Meier, C. (2011). IT/IS project portfolio selection in the presence of project interactions. Wirtschaftsinformatik Proceedings 2011.

概要：考虑IT项目间相互作用的投资组合选择相关文献综述。

18. Mandelker, G. N., & Rhee, S. G. (1984). The impact of the degrees of operating and financial leverage on systematic risk of common stock. Journal of Financial and Quantitative Analysis, 19(1), 45–57.

概要：论证营业杠杆（固定费比率）和财务杠杆提高股票系统性风险（β）的实证研究。

19. Parasuraman, R., Sheridan, T. B., & Wickens, C. D. (2000). A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics – Part A, 30(3), 286–297.

概要：按获取信息、分析、判断、执行4种功能分别设定自动化等级的框架。

20. Porter, M. E. (1985). Competitive advantage: Creating and sustaining superior performance. Free Press.

概要：提出价值链概念，建立按活动单位分解价值创造视角的经典著作。

21. SAE International. (2021). J3016: Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles.

概要：定义自动驾驶L0～L5的国际标准。是本指南自动化6个阶段的基础通用化模型。

22. Schryen, G. (2013). Revisiting IS business value research: What we already know, what we still need to know, and how we can get there. European Journal of Information Systems, 22(2), 139–169.

概要：综述IT投资价值研究，整理无形资产、延迟效应、组织能力等评估要点。

23. Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3), 425–442.

概要：提出展示风险与期望收益关系的CAPM，奠定折扣率与风险关系基础的论文。

24. Sheridan, T. B., & Verplank, W. L. (1978). Human and computer control of undersea teleoperators. MIT Man-Machine Systems Laboratory.

概要：展示自动化10阶段原型，成为全行业自动化阶段论源流的研究。

25. Trigeorgis, L., & Reuer, J. J. (2017). Real options theory in strategic management. Strategic Management Journal, 38(1), 42–63.

概要：论证在不确定性下，小规模启动且能扩大、撤退的灵活性（实物期权）具有价值的综述。