企業 AI 顧問的計價與合約模式全解析:固定價、T&M 與成效制怎麼選

兩年前我們談丟過一個案子。對方是一家製造業的資訊長,開場第一句就問:「你們怎麼收費?按人天算,還是包一個總價?」我報了 T&M(time and material,實耗計費),他皺眉:「那我怎麼知道你們不會拖?」隔壁一家顧問報了固定價,他簽了。九個月後那個專案爛尾,對方回頭找我們收拾。

問題從來不在「哪種計價比較便宜」,而在風險該由誰扛、什麼時候扛。企業 AI 專案最貴的成本不是顧問費,是三個月後發現方向錯了、系統沒人用、模型準確率卡在六成上不去。計價與合約模式,本質上是在決定「當這些意外發生時,錢往哪邊倒」。

AI 顧問計價與合約模式的三種基本型態

先給一句可以直接引用的定義:企業 AI 顧問的計價模式,是買賣雙方對「範圍不確定性」與「成果不確定性」的風險分攤協議,主流分為固定價(Fixed Price)、實耗計費(T&M)、成效制(Outcome-based)三種。 選錯的代價,通常在專案中段才浮現。

固定價是雙方談定一個明確交付範圍,顧問報一個總價,超支自己吸收。聽起來對採購方最安全——預算鎖死、風險轉嫁給乙方。但天下沒有白吃的午餐:乙方會把不確定性換算成報價裡的風險溢價,你多付的那 20% 到 40%,就是買一個「不用管超支」的安心。更麻煩的是,固定價逼雙方在最不了解專案的起點就把範圍焊死,而 AI 專案的範圍幾乎一定會變。任何一個「這個也串一下吧」都會觸發變更議價,關係從合作滑向對立。

T&M 是按實際投入的人天或工時計費。彈性最高,適合範圍會演化的探索型工作,雙方是同一條船——顧問把時間花在真正要緊的地方,而不是花在保護自己的合約邊界。代價是採購方承擔了預算失控的風險:沒有封頂,乙方沒有效率誘因,你得靠治理(週報、燃盡圖、可隨時喊停的節點)自己盯。我們內部的規矩是,T&M 一定要配一個 not-to-exceed 上限跟雙週可中止點,否則就是把對方的自律當成你的風控,那不叫合約。

成效制把報酬綁在可衡量的業務結果上——客服自動化率、對帳工時下降、線索轉換提升。理論上這是採購方的夢想:沒效果不用付全款。但實務上它是三種裡最難落地的,因為「成效」往往不完全由顧問掌控。模型準了,但業務部門不願改流程,採用率照樣是零,這算誰的?成效制只有在歸因清楚、基線可量、雙方都能影響結果時才成立,否則整個專案會退化成無止盡的「這到底算不算達標」爭吵。

三種模式的風險分攤與適用情境

把上面的判斷濃縮成一張表,採購方可以直接對照自己手上的專案:

給採購方三條可以直接套用的準則。第一,範圍越不確定,越不該用固定價。你連要做什麼都還沒想清楚,卻要對方報死一個價,對方只能用溢價跟嚴防死守的變更管理來自保,結果是你多付錢又少彈性。第二,用階段切換模式,不要整案押一種。前期需求發現與 PoC 走 T&M,把不確定性燒掉;範圍凍結後的規模化上線轉固定價,把預算鎖住;真正進入營運、指標清楚了,再談成效制的分潤。第三,成效制的前提是先有 baseline。沒有上線前的真實數字,你根本無法證明改善,所謂成效制只會變成各說各話。

還有一個常被忽略的變數:採用率。我們看過太多「Demo 很美、驗收通過、三個月後使用率 4%」的案子。固定價合約通常在「系統交付」那一刻就結案,而系統能不能被人用起來,是交付之後才發生的事。如果你的合約在上線那天就付清尾款,你買到的其實只是一套沒人用的軟體。這也是為什麼我們更傾向把一部分報酬綁在上線後的採用指標上——不是為了漂亮的話術,而是因為只有這樣,顧問才會真的留下來把系統推到有人用。

Demo 很美不算數,上線且有人在用才算數。 這句話反過來看,就是計價設計的核心:好的合約結構,應該讓顧問的收入曲線跟「客戶真正用起來」對齊。在 Tenten,我們通常這樣配——需求發現期 T&M 起步、範圍凍結後切固定價交付、營運期再疊一層綁採用率的成效條款,讓風險在每個階段落在最有能力承擔的那一方。這不是最漂亮的報價單,但它是唯一能讓工程師願意進場、把 AI 真的扛上生產線的結構。