如何為 AI Agent 專案寫出過關的商業案例 (Business Case)?

一份被打回票的 AI Agent 提案,通常長這樣:三頁投影片講技術多先進,最後一頁寫「預期提升效率 30%」,沒有出處。財務長問一句「這 30% 怎麼算的」,全場安靜。

我們陪客戶進過太多次這種會議。問題從來不是 Agent 不夠強,而是那份 AI agent business case 商業案例 根本沒回答決策者真正在問的四個問題:你要解決哪個具體的痛?現在這件事花了多少?做了之後能省回多少?萬一失敗,損失有多大、多久能發現？

把這四題答清楚,預算就過了一半。以下是我們實際在用的範本結構,五個區塊,每一塊都有「過關標準」。

第一塊:問題陳述——具體到一個流程,不是一個願景

最常見的錯誤,是把問題寫成「我們希望用 AI 提升營運效率」。這種句子沒人能反對,也沒人能核准,因為它不指向任何可量測的東西。

過關的寫法是鎖定一個流程。舉例:「客服團隊每天處理 800 張工單,其中 62% 是重複性的訂單查詢與退換貨,平均每張耗時 6 分鐘,尖峰時段回覆延遲達 40 分鐘,導致上季客訴增加 18%。」

看出差別了嗎?後者每一個數字都能被驗證,也自動定義了 Agent 要打的靶。寫商業案例的第一條紀律:如果一個問題無法用數字描述現況,它還沒準備好被投資。

第二塊:基準線——沒有 before,就算不出 after

這是最多人跳過、卻最致命的一塊。你要在導入 Agent 之前,先把「現在的成本」釘死。

基準線至少包含三個維度:時間成本(每個任務多久、每月總工時)、金錢成本(人力、外包、既有工具授權費)、品質成本(錯誤率、客訴率、SLA 未達標的罰則)。這些數字最好來自系統紀錄,不是憑印象。

我們踩過一個雷,提醒你:別只量「快樂路徑」。有家製造業客戶量了正常訂單的處理工時,卻漏了例外訂單——結果例外佔了 35% 的人力,Agent 上線後這塊才是真正省下最多的地方,但因為基準沒抓,ROI 反而被低估,差點在複審時被砍。

第三塊:預期 ROI——把假設攤在桌上,而不是藏起來

決策者不怕你的數字不完美,他怕你藏假設。所以 ROI 這一段的重點不是算出一個漂亮的大數字,而是把每一步的推導寫成別人可以反駁的形式。

一個誠實的 ROI 長這樣:

有了這張表,回收期一目了然:首年淨效益約 NT$156 萬,約 14 個月回本,第二年起純省。關鍵在最右欄——每個數字都標了假設,審核的人可以逐條質疑。你把「55% 太樂觀」這種爭論從會議室搬到了表格裡,反而更容易達成共識。

一個原則:寧可用保守假設過關,也不要用樂觀假設闖關。過度承諾的 ROI 會在上線後三個月反噬你。

第四塊:風險與緩解——先講失敗,才顯得可信

會在提案裡主動列風險的人,反而拿得到預算,因為決策者知道你想清楚了。要列的通常是這幾類:資料品質不足導致 Agent 答錯、內部使用率上不去(這是我們看過最常見的死因)、與既有系統整合卡關、以及幻覺造成的合規風險。

每個風險都要配一句緩解與一個偵測指標。例如:「風險:採用率低。緩解:第一個月只在單一團隊試點,設專人陪跑;偵測:每週追蹤實際使用率,低於 40% 即檢討。」風險欄真正的作用,是把「萬一沒用怎麼辦」的焦慮,轉成一組可以被監控的數字。

第五塊:里程碑——用可退出的階段,換取第一筆預算

不要一次要三年的錢。把專案切成有明確驗收點、且可以喊停的階段,決策者的心理門檻會低很多。

我們慣用的節奏是三段:第一階段四到六週,做一個真實流程的可用原型,驗收標準是「在真實資料上準確率達標」;第二階段八到十週,單一團隊上線試點,驗收標準是「實際使用率過門檻、基準指標開始改善」;第三階段才全面推廣。每一段結束都是一個「繼續或收手」的決策點,而不是無底洞。

這樣寫完,你手上就是一份完整的商業案例:問題有數字、基準有出處、ROI 有假設、風險有偵測、里程碑可退出。它不保證專案成功,但它保證這場預算會議不會因為「講不清楚」而輸掉。

我們自己在替客戶導入 AI Copilot 與 Agentic 工作流時,第一週往往不寫程式,而是先陪對方把這五塊填滿——因為 Demo 再美都不算數,能過預算關、上線後真的有人在用,才算數。那份商業案例,就是這兩件事之間的那座橋。