很多企業不是看不到 AI（人工智能）的價值，而是算錯了 AI 的帳。最常見的錯法，是把「有人在用」當成「已經產生回報」；把員工偶爾用 ChatGPT 寫文案，當成公司已經完成 AI 轉型。這兩件事差很遠。能登入工具，不等於能把一條工作流程穩定做完；有幾個部門做出漂亮 demo（示範），也不等於財務報表會改善。
我對 AI ROI（投資回報率）的主張很直接：AI 的回報，不應先看模型有多聰明，而要先看流程有沒有被重構、單位經濟（unit economics）有沒有變好、以及風險成本有沒有被算進去。 對香港、台灣、新加坡以至中國內地的中小企而言，真正決策價值不在「最強模型是哪個」，而在「哪一個應用場景，能在 6 到 12 個月內，把人力、速度、錯誤率與收入轉化成可核對的數字」。
在實戰導入中，我們反覆見到：企業高估了授權費，低估了整合費；高估了功能展示，低估了變革管理；更嚴重的是，高估了短期節省工時，低估了合規（compliance，符合法規與內控）與資料治理（data governance，資料權限、品質、流向管理）的隱性成本。所以本文我用一個更適合老闆看的框架：AI ROI 三層帳——效率帳、決策帳、風險帳。只看第一層，通常會做錯投資決策。
先問一句：你算的是「工具使用率」，還是「業務結果」？
很多團隊報告 AI 成效時，喜歡講採用率（adoption rate）、活躍用戶數、提示詞數量，因為這些數字容易拿到；但老闆真正該追的是產出指標：每宗案件處理時間是否下降、每位客服可同時處理的對話量是否上升、報價週期是否縮短、成交率是否改善。
Gartner 在 2024 年多次提醒企業，生成式 AI（Generative AI）專案若缺乏明確商業目標，極易停留在概念驗證（POC，proof of concept）而無法進入 production（真正對外服務或日常營運）。McKinsey 在 2023 年《The economic potential of generative AI》指出，生成式 AI 在客服、行銷與銷售、軟件工程等職能具高潛力，但前提是把技術嵌進流程，而不是孤立成一個聊天視窗。
所以第一個原則很簡單：凡是不能對應到 P&L（損益表）或營運 KPI（關鍵績效指標）的 AI 指標，都只能當輔助，不應當 ROI 主指標。 例如法務摘要速度快 60%，聽起來很好；但若律師仍需從頭重寫，真正節省可能只有 10%。同樣地，客服機器人把 35% 查詢擋在前台，如果因此 CSAT（客戶滿意度）下滑、升級投訴增加，回報未必為正。
AI ROI 三層帳：效率帳、決策帳、風險帳
我建議企業把 AI ROI 分成三層，並用不同方法計算。
第一層：效率帳。 這是最容易量化的部分，包括工時節省、外包費下降、產能提升、回應速度加快。計算式通常是：
效率 ROI =（節省工時價值 + 減少外包/錯誤成本 + 額外產能價值）÷ AI 總成本
例如一間香港保險中介，每月 8,000 份文件要做初步分類與摘要，每份原本 6 分鐘，導入 AI 後降到 2 分鐘。每月節省 32,000 分鐘，即約 533 小時。若全成本時薪為 HK$180，單月可量化節省約 HK$95,940。一年就是超過 HK$115 萬。這類案子通常最容易過關，因為現金流改善清楚。
第二層：決策帳。 這層比較常被低估。AI 不只省時間，還可能提升轉換率、定價能力、交叉銷售、庫存周轉與預測準確度。例如銷售團隊用 AI 做客戶分層與提案草擬，若報價週期從 5 天縮到 2 天，成交率從 18% 升到 21%，其價值往往大於節省的工時。IDC 在近年多份 AI business value 研究中持續指出，企業衡量 AI 成效時，收入增長與流程加速通常比單純成本節省更具長期影響。
第三層：風險帳。 這是最容易被忽略、也最該被董事會關心的一層。包括資料外洩、錯誤建議、版權爭議、監管風險、模型漂移（model drift，模型表現隨時間變差）與人工覆核成本。尤其在金融、醫療、法務、跨境貿易，若把風險成本當零，ROI 幾乎一定被高估。Deloitte 在 2024 年企業生成式 AI 調查中就指出，多數高階主管認同治理與風險控管將決定 AI 擴張速度，而非模型能力本身。
真正要算的，不只是訂閱費，而是「全生命週期成本」
很多老闆問：「每人每月 US$20 或 US$30，不就很便宜嗎？」錯。那只是 licence（授權）成本，不是 total cost of ownership，TCO（整體擁有成本）。AI ROI 算錯，往往就錯在 TCO。
你至少要把六類成本算進去：1）模型或 SaaS（軟件即服務）訂閱；2）API（應用程式介面）用量費；3）系統整合，例如 CRM、ERP、知識庫串接；4）資料清洗與權限治理；5）員工訓練與流程改造；6）人工覆核與風險控制。
下面這個表，不是要你立刻選哪家，而是提醒你：產品價格只是冰山一角，定位與整合模式才真正決定 ROI。
| 產品/方案 | 參考價格 | 主要定位 | 優點 | 風險/限制 |
|---|---|---|---|---|
| OpenAI ChatGPT Team | US$25-30/用戶/月 | 通用知識工作助理 | 上手快、文案/摘要/會議整理強 | 需額外治理；流程整合能力有限 |
| Microsoft Copilot for Microsoft 365 | 約 US$30/用戶/月 | 深度辦公生產力 | 與 Outlook、Word、Excel、Teams 整合佳 | 若員工主要工作不在 M365，回報會被高估 |
| Google Workspace with Gemini for Business | 約 US$20-30/用戶/月 | Google 生態協作 | Gmail、Docs、Meet 場景自然 | 需視企業既有 Workspace 滲透率 |
| Salesforce Einstein Copilot / AI 功能 | 依版本與模組報價 | CRM 內嵌銷售/客服 AI | 與客戶資料、流程結合深 | 成本較高，需成熟 CRM 紀律 |
| 自建 RAG（檢索增強生成）+ 開源模型 | 視雲資源、人力而定 | 專有知識、高合規場景 | 可控性高、資料可留本地/私有雲 | 前期建置與維運成本高，技術門檻高 |
以亞太企業常見情況來說，若你是 50 至 300 人規模、IT 團隊有限，先從通用 copilot（副駕工具）切入通常合理；但若你是金融、醫療、法律服務、跨境製造供應鏈，真正有價值的往往不是「人人一個聊天工具」，而是針對文件審核、客戶查詢、知識檢索、報價配置等高頻流程做嵌入式 AI。前者看起來便宜，後者才更容易形成可持續回報。
沒有基線，就沒有 ROI：老闆至少盯這 6 個指標
AI ROI 不是上線後才開始算，而是上線前就要先量 baseline（基線，導入前現況）。沒有基線，後面所有改善都只是感覺。
我建議至少追六個指標：
- 單位任務成本：例如每份報告、每張保單、每次客服對話的全成本。
- 週期時間：從需求進來到交付完成要多久，例如報價、審批、結案時間。
- 首次正確率：第一次輸出就可用的比例，而不是總輸出量。
- 人工覆核率：有多少結果仍需人全面重做；這會直接吞掉 ROI。
- 收入影響：轉換率、客單價、續約率、流失率是否改善。
- 風險事件率：幻覺（hallucination，模型一本正經地說錯）、合規違規、資料外洩、客訴。
Forrester 在近年多份 automation 與 AI TEI（Total Economic Impact）研究一再強調，成功專案的共通點不是模型最先進，而是有明確 baseline、對照組與持續追蹤機制。對中小企尤其重要，因為你沒有太多試錯預算。
一個實用公式是：
AI ROI =（成本節省 + 新增毛利 + 風險避免價值）- AI 總成本 ÷ AI 總成本
更保守一點，可以拆成三個月、六個月、十二個月滾動看，並加入採用折扣（例如只有 60% 員工真正持續使用）與品質折扣（例如只有 70% 輸出能直接採納）。這樣算出來的數字，通常比簡報上的漂亮，但更接近真實。
不是所有 AI 都值得追：先做高頻、可標準化、可覆核的流程
這不是說創新型 AI 專案沒有價值，而是說第一波投資，應該優先放在「高頻、重複、規則清楚、錯誤成本可控」的場景。 在香港與台灣企業，我們最常見能快速出 ROI 的，不是最炫的多代理（multi-agent）系統，而是下面幾類：客服知識回覆、文件分類與摘要、銷售提案初稿、內部知識搜尋、會議整理、發票與採購單處理。
相反，若你一開始就做完全自動化決策、跨部門大整合、又碰到高監管資料，專案很容易卡在法務、資安、資料權限，最後半年後還停在測試環節。Stanford《AI Index Report 2024》提到，企業採用 AI 持續增加，但真正能規模化落地的，仍高度依賴組織能力、資料準備與治理成熟度，而非單看模型 benchmark（基準測試）分數。
換句話說，先做小，不是保守；先做可算清楚的，才是資本配置紀律。
別把節省工時全算成現金：這是很多 ROI 報告最誤導的地方
這裡要特別潑冷水。很多 AI 專案聲稱一年節省幾千小時，但那不等於財務上立刻省下幾百萬。若省下的時間只是讓員工「更忙地做別的事」，卻沒有減少加班、減少外包、減少招聘，或提升營收，那些工時節省只是一種容量釋放（capacity release），不是現金回收。
這不是說容量釋放沒有價值。對成長中的新加坡科技公司、香港專業服務 firms、台灣出口製造商，它可能讓你不用急著多請 3 個人、能更快回應客戶、能承接更多單。但你必須誠實區分：哪些是 hard savings（硬節省，能直接反映在損益表），哪些是 soft savings（軟節省，反映在效率與彈性）。董事會可以接受軟節省，但不能把兩者混為一談。
重點帶走：先做三件事，再談 AI 擴張
如果你是老闆，我的建議很務實。
第一，先選一條流程，不要先選一個模型。 找出每月發生上千次、流程相對標準、目前有人力瓶頸的工作。
第二，用 AI ROI 三層帳做商業個案。 效率帳看節省多少、決策帳看收入與速度、風險帳看錯誤與合規成本。只算授權費，幾乎一定失真。
第三，設定 90 天驗證門檻。 不是看員工喜不喜歡，而是看六個指標有沒有至少兩到三項明確改善，例如週期時間降 30%、首次正確率升 15%、人工覆核率降 20%、外包費下降。
真正成熟的企業，不是 AI 工具買最多，而是最早建立「可核對、可複製、可擴張」的 ROI 紀律。AI 從來不是魔法，它只是把企業原本好的流程放大，把原本混亂的流程也放大。
自我檢查：
- 你現在追蹤的 AI 指標，哪些是使用熱度，哪些真正能連到損益表？
- 你的 ROI 計算，有沒有把整合、治理、覆核與風險成本算進去？
- 若 90 天後只有「大家覺得方便」，但沒有週期、成本、收入上的改善，你會不會果斷停掉？
