AI 專案的 ROI 怎麼算?把省下的時間換算成錢

AI 專案做完三個月後,老闆問「所以這東西到底值不值?」,得到的答案常常是「同仁都說很有幫助」。這句話的問題在於它無法跟任何東西比較:很有幫助,是幫了多少?比多請一個人划算嗎?比把錢投廣告划算嗎?「感覺有幫助」不是 ROI,是氣氛。

我們自己的產品線每個 AI 功能都要過成本效益這關——因為模型帳單是自己付的,算不清楚就是真金白銀在漏。這篇分享我們用的計算框架:三個可量測指標,加上誠實的成本清單。

指標一:人力小時——最直接,也最常被算錯

基本公式很簡單:(導入前單件耗時 − 導入後單件耗時)× 月件數 × 時薪成本。但三個細節決定這條公式是真數字還是自我安慰:

• 導入前的耗時要「實測」,不要用印象:開工前先花一週,請執行者實際記錄每件任務的耗時。人對自己花多少時間的印象誤差極大,而這個基準線一旦沒量,之後的所有比較都是編的。
• 導入後要把「新增的工作」算回去:AI 產出需要人審、需要改、偶爾出錯要善後——這些時間都要從省下的時間裡扣掉。AI 擬稿省了四十分鐘、人審多了十分鐘,淨省是三十分鐘,不是四十。
• 時薪用「總雇用成本」:薪水加勞健保加管理成本,不是帳面月薪除以工時。省下的是貴的那個數字。

指標二:錯誤率——省下的善後成本,常常比省下的工時大

每個錯誤都有價格:填錯資料要回頭改、漏回詢問掉一張單、文案踩到法規紅線是罰款等級。公式:(導入前錯誤率 − 導入後錯誤率)× 月件數 × 單次錯誤成本。

要注意方向不一定是正的——AI 也會製造新型錯誤。所以這個指標要誠實地雙向記錄:AI 攔掉的人為錯誤,和 AI 自己犯的錯,兩本帳都要記。我們自己的內容合規掃描就是典型的「錯誤率型」投資:它幾乎不省工時(人本來也沒在逐字掃),它的價值全部來自「攔下一次違規就回本」的錯誤成本。這類專案如果只用人力小時衡量,會被誤判成不值得做。

指標三:周轉速度——快,本身就是錢

有些價值不表現在省時,而表現在「變快」:詢問兩分鐘內回覆 vs 四小時後回覆,成交率是兩個世界;內容從週更變日更,流量的複利曲線完全不同;報價當天出 vs 三天後出,單就是別人的了。公式化的寫法:周轉時間縮短 → 轉換率或產出量的變化 × 單位毛利。這個指標最難精算,建議用前後對照的區間數據抓量級就好,不要假裝有小數點兩位的精度。

算 ROI 的目的不是向老闆交代,是讓下一個 AI 專案知道該投哪裡、該停哪裡。

別忘了分母:成本要列完整

效益算得再漂亮,分母漏項就是假 ROI。完整的成本清單:建置費(一次性)、模型 API 費(月費,會隨量長)、維運與提示詞調校的工時(很多人漏這條,它是真實存在的)、同仁的學習與流程轉換成本(前兩個月的效率會先降後升)。把這些加總,跟三個指標的年化效益比,回本期一年內的專案才值得歡呼;兩年以上的,通常代表當初選錯了切入點。

什麼時候開始量?第一天。

ROI 量測最大的失敗原因,是想到要量的時候,基準線已經沒了。所以我們的做法是把量測設計進專案流程:PoC 階段就定義指標和量法(這也是我們在 為什麼 AI 專案要先做 PoC 裡強調「先寫成功標準」的原因),上線前實測基準線,上線後每月自動出報表。量測本身的成本很低,大部分數據系統順手就能記——貴的是事後想補的時候,補不回來。

收束成一句:AI 專案的 ROI = 人力小時 + 錯誤成本 + 周轉速度,減去完整列出的成本,而且從第一天就開始量。如果你想在專案啟動前就把這套量測設計好,或想替現有的 AI 投資做一次健檢,歡迎 找我們聊聊,服務細節見 AI 應用開發服務。