身边做 SaaS 的朋友，今年几乎都被投资人、客户、甚至自家销售问过同一句话：「你们有没有 AI 功能？」被问急了，容易做出一个动作：先上一个 AI 功能，再说它有没有用。 这篇写给所有正站在这个十字路口的人——加 AI 之前，先算清三笔账。
第一笔账：单价账——每次调用的成本会吃掉你的毛利
SaaS 的核心商业模式是「边际成本趋近于零」：多一个用户，服务器成本几乎不涨，所以敢按人头收月费。但 AI 功能打破了这个假设——每次调用都要付 token 费，用户用得越多，你的成本越贵。
算账公式（简化）：
单用户月成本 = 月均调用次数 × 单次平均 token × 单价
拿「智能报表解读」这种功能举例：一个重度用户一个月触发几千次解读，单用户成本可能冲到订阅价的 20%–50%。功能越「好用」，亏损越大——这是 SaaS 嵌 AI 和做普通功能最本质的区别。
解法只有工程侧的缓存、降级、模型分级（详见 AI 成本控制教程），没有银弹。定价侧要么按量收费，要么给 AI 功能单独设上限——别让「无限调用」成为销售话术，它会成为你的财务事故。
第二笔账：留存账——功能热闹 ≠ 用户留下
第二笔账问的是：这个 AI 功能，是用户每周要用的工作流，还是他试用三次就再也不碰的新奇玩具？
一个判断方法：上线前写下这句话——「如果没有这个 AI 功能，用户会因为缺它而流失吗？」如果答案是「不会」，那它对留存贡献有限，最多算获客钩子，别把它当核心卖点投入。
见过最典型的情况：AI 客服助手上线时转化率涨了一点（因为「有 AI」是卖点），三个月后活跃率回到基线以下——客户试过发现解决不了实际问题，反而比没有时更失望。预期被抬高又没兑现，是对品牌最长线的伤害。
第三笔账：信任账——幻觉的容错率，决定了能做什么
不是所有功能都适合加 AI。判断标准是答错的代价：
- 容错高（推荐、草稿、摘要初稿）：可以先上，但要让用户知道「这是 AI 生成的，请人工确认」。
- 容错低（财务对账、法律建议、健康建议）：别硬上，或者只能做「辅助人做决定」而不是「替人做决定」。
SaaS 做的是续费生意，信任是全部。一次严重幻觉造成的客户流失，够你省下几百次调用的成本还倒贴。 在容错低的场景，与其做「AI 直接给结论」，不如做「AI 整理材料，人来下结论」——后者才是可持续的形态。
落地顺序建议
- 先用内部场景练手（客服辅助、文档检索），成本可控、错误可接受。
- 挑一个「用户高频 + 容错高 + 能明显提效」的功能先上，配好用量观测。
- 用数据复盘（功能活跃度、成本、对留存的影响），再决定要不要铺开。
- 别把所有功能一次性 AI 化——那是给明年的自己埋雷。
判断一个 AI 项目值不值得投入，可以套用我做的AI 项目 POC 评估清单。行业里「验收即躺平」的案例我还在陆续写。