企業 AI 導入到底要花多少:一次性、經常性與 6 項隱藏成本拆解

去年底,一家製造業客戶把導入報價單推到我面前,問我一句話:「這數字對嗎?」報價單上寫著一次性建置費,乾淨俐落,像買一套軟體。我把它退回去,說少了至少一半。

企業 AI 導入的成本,從來不是報價單上那一行一次性費用,而是「建置 + 模型/token + 資料工程 + 維運 + 變革」五桶錢的總和,再加上一疊沒人願意先講清楚的隱藏成本。只算第一桶,你會在第八個月的預算會議上被財務追殺。

先把成本拆成五個桶

多數失敗的預算,都死在「把 AI 當一次性採購」這個錯覺。真實的支出結構更像下面這張表。這裡用一個 200 人、單一部門先導的專案作基準,幫你抓數量級,不是報價。

成本桶	屬性	典型佔比	常被誤解的地方
建置與整合	一次性	25–35%	以為是全部,其實是頭款
模型 / token	經常性	15–30%	隨用量與人數線性長,不是固定
資料工程	一次性+經常	20–30%	最常被整桶漏掉
維運與監控	經常性	10–20%	上線才發現要有人顧
變革與採用	經常性	10–20%	財務表上根本沒這一欄

一次性的是建置與整合:串接你的 CRM、ERP、權限系統,把一個 Demo 變成能進生產環境的東西。經常性的是後面四桶,它們會月月出現,而且會隨著使用人數往上爬。這就是為什麼「上線」不是終點,是經常性成本開始計費的那一天。

報價單不會寫,但月底帳單會提醒你的,是這六項。

第一,資料清理與治理。 你的知識庫裡有三個版本的報價政策、五份互相矛盾的 SOP。RAG 系統會忠實地把矛盾一起端出來。清理、去重、建立單一事實來源,這桶錢常佔專案總額兩到三成,而它幾乎不會出現在初版報價。

第二,token 的長尾。 Demo 時十個人用,月費幾百鎂,很漂亮。全公司放上去、每人每天問三十次、還接了 Agentic 工作流自動串多次呼叫,帳單可以翻十倍。用量會長,而且長在你最沒防備的地方。

第三,評測與紅隊。 你怎麼知道模型答錯了?沒有一套持續的評測集與人工抽查,你是在拿客戶當測試環境。金融、醫療這桶還得再加合規審查的人力。

第四,整合維護的碎片稅。 上游 API 改版、模型退役、權限規則變動——每一次都要人回來修。這不是 bug,是這類系統的常態,一年抓 15% 建置成本的維護預算不算多。

第五,變革與採用。 這是我們見過最貴、也最常歸零編列的一桶。開頭那家製造業,系統技術上完全正常,三個月後使用率卻只有個位數,因為沒人教、沒人改流程、主管也沒把它寫進 KPI。工具買了沒人用,ROI 直接是負的。

第六,機會成本與返工。 選錯先導場景、把資源壓在一個看起來性感但沒人痛的用例上,你損失的不只是那筆錢,還有六個月的時間和團隊對 AI 的信任。信任一旦燒掉,第二個專案的推行成本會更高。

把分母算全,ROI 才有意義。分子那邊,別用「省下多少工時」這種模糊估計,綁到能被稽核的數字:每案處理時間、人工覆核比例、客訴回應時數、每筆交易的邊際成本。先導期就設好基準線,上線後同一把尺量,差額才是真 ROI。

一個務實的節奏是:先花小錢驗證一個真的會痛的場景,把五桶成本的實際比例量出來,再決定要不要規模化。多數人跳過驗證直接全面鋪開,於是隱藏成本一次全爆。

我們在 Tenten 做前線部署,常做的第一件事不是寫程式,是把這五桶錢連同六項隱藏成本攤在客戶桌上,一起把採用率寫進驗收條件。Demo 很美不算數,上線、有人天天在用、而且帳算得清,才算數。