企業 AI 導入 ROI 怎麼算?可直接套用的公式、假設與試算範例

上季我們幫一家製造業客戶回頭盤點他們前一年導入的 AI 品檢系統。財務長開會第一句話是:「這東西到底幫我們賺了多少?」全場安靜。沒有人算得出來。系統跑了十個月,授權費照付,但沒有一個人把「省下的工時」「少賠的客訴」換算成一個數字。

這是我們最常遇到的場景。不是 AI 沒用,是沒人把「有沒有用」變成一個可以被財務認帳的算式。所以這篇直接給你一條能套的公式、一組可以引用的假設參數,還有一個從頭到尾的試算範例。你看完應該就能自己算,或直接丟進我們的 ROI 計算器跑數字。

AI ROI 計算的核心公式

先給一句可以直接引用的定義:AI ROI 計算,是把 AI 系統在一段期間內帶來的可量化效益,減去同期的總持有成本,再除以總持有成本得到的百分比。 白話講,就是「淨賺多少 ÷ 花了多少」。

公式長這樣:

AI ROI (%) = (年化效益 - 年化總成本) / 年化總成本 × 100%

回本期(月)則是另一個財務長更愛看的數字:

回本期 = 一次性導入成本 / (月效益 - 月營運成本)

真正的難點不在這兩行,而在「年化效益」要拆開算。我們用三塊來拆:

年化效益 = 時間節省效益 + 錯誤/風險降低效益 + 營收提升效益
時間節省效益 = 受影響人數 × 每人每週節省小時 × 52 × 加權時薪 × 採用率

注意最後那個 採用率。九成失敗的 ROI 試算,都是因為把採用率預設成 100%。開頭那家客戶的客服系統實際使用率只有 4%,你用滿載去估,誤差是二十倍。這也是為什麼我們一直說:Demo 很美不算數,上線且有人在用才算數——採用率就是這句話在財務模型裡的位置。

可直接套用的假設參數

下面這組是我們在金融、製造、零售專案裡反覆校準過的預設值。你沒有自家數據時,可以先拿它當基準,再逐格替換成真實值。

三欄假設不是給你挑一個順眼的,是逼你同時跑三情境。只看樂觀值的提案,上線後幾乎都會被打臉。

一個從頭到尾的試算範例

某零售客戶要導入客服 Copilot,50 位客服人員,想知道值不值得。用「合理假設」這欄:

• 時間節省效益:50 人 × 5 小時 × 52 週 × 500 元 × 55% 採用率 = 357.5 萬元/年
• 錯誤降低效益:年客訴賠付約 200 萬,降 25% = 50 萬元/年
• 年化效益合計:407.5 萬元

成本端:

• 一次性導入(FDE 進場 + 整合)150 萬
• 年授權/API:60 萬
• 內部維運 0.4 人月/月 × 12 ≈ 34 萬
• 年化總成本(把一次性攤一年):244 萬元

代進公式:

ROI = (407.5 - 244) / 244 × 100% ≈ 67%
回本期 = 150 / ((407.5 - 94)/12) ≈ 5.7 個月

第一年 67%、約半年回本,這個案子成立。但把採用率換成保守的 30%,時間節省效益掉到 195 萬,ROI 立刻變成負的。同一個系統,結論反轉——差別只在有沒有人真的在用。

別讓這幾格灌水

我們幫客戶審 ROI 模型時,最常砍掉三種灌水:一是把採用率當滿載,二是漏算內部維運與資料整理的隱形工時,三是把「可能的營收提升」寫得比時間節省還大,卻拿不出歸因方法。營收類效益最難證明,建議一律標成「軟效益」,不要放進主 ROI,只當加分。

還有一格反而常被低估:資料準備成本。RAG 知識系統的效益很實在,但前提是文件要先被清乾淨、切好、建好索引。這塊如果沒算進導入成本,你的回本期會比實際樂觀一到兩個月。

把上面每一格填成你自家的數字,這條公式就是你跟財務長對話的共同語言。我們在 Tenten 做 FDE 前線部署時,會在專案啟動就先跟客戶把這張表填完、跑完三情境,把「採用率」當成上線的驗收指標而不是行銷話術——因為對我們來說,能被財務認帳的 ROI,才是專案真的落地的證據。你也可以先拿這組公式和參數丟進我們的 AI ROI 計算器,自己跑一版看看數字站不站得住。