成本分析这件事，我做了很多年，但一直有个毛病：容易停在「总数对不对」的层面。
比如月度分析会上，我拿着表说「本月成本超了八个点」，然后大家讨论为什么超——讨论一小时，结论往往是「材料涨价了」或者「进度慢了」。听着有道理，但落到动作上是空的：材料涨价是哪个材料、涨了多少；进度慢是哪个部位慢、慢了多少天。说不清。
最近我试着用AI把成本偏差做了一次拆解，效果好得出乎意料。方法说出来不复杂，关键在拆的角度。
我问AI的第一个问题是：把本月成本偏差按「用量差异、价格差异、费用差异」三个维度拆开，并给出每一块的金额和占比。
这一步就把原来一句「超了八个点」变成了三行数字：用量差占多少、价格差占多少、费用差占多少。
拆完立刻看出问题：费用差占比最高，用量差反而是负的（说明现场用料比预算还省）。
这个结论跟会上原来的猜测完全相反——大家一致以为材料涨价是主因。
有了方向，第二个问题就自然了：把费用差再按科目拆开，看是哪几项贡献最大。
结果指向三项：临时设施费、机械闲置费用、二次搬运费。
这三项有一个共同点——都不是材料问题，是组织问题。
临建超支说明前期临建方案和实施有偏差；机械闲置说明工序组织或者设备调度有问题；二次搬运说明堆场和运输路线规划不合理。
这一步是这次尝试里最有价值的部分。我跟AI说：基于上面的分析，列出我应该去现场核实的问题清单。
它给我的清单里有几条我自己没想到：
这个转变很关键：从「AI给结论」变成「AI给该查什么」。 结论可能不准，但问题清单可以直接拿去现场用。
第一个坑：数据口径必须先统一。 第一次跑出来的结果明显不对，原因是预算口径和实际核算口径不一致（一个含措施费一个不含）。把口径写清楚重新跑，结果才可信。
第二个坑：不要让它算金额。 涉及金额的汇总，我坚持自己用原始数据核一遍。出现过一次跨表引用错位，金额差了三倍。
第三个坑：脱敏。 成本数据里有项目名称、供应商名称、班组名称，进AI之前全部替换成代号。
第四个坑：不要指望它替你判断。 AI能拆结构、能算占比，但「这个偏差要不要追究」「这个责任该谁担」，得人来定。
体会：AI在成本分析上的价值，不是替我做结论，而是逼我把「总偏差」拆到「可追责的科目」。拆到这一步，问题自己就浮出来了。
每月成本分析，我固定让AI做三件事：
拿到这三样，我才开分析会。会议时间从原来两小时压缩到四十分钟，因为不用再猜原因了——直接对清单过。
成本分析做不好的项目，往往不是算不出来，是拆不开。所以AI在这里帮的忙很具体：它就是一把刀，把一整块模糊的偏差切成一条条能核实的东西。
工具是新的，逻辑还是老的：任何偏差，能落到具体科目和人头上，才有被解决的可能。