AI 專案的報價單只有三成是真的——剩下七成，沒人跟你說

老闆聽完報價，三十萬，點頭。系統按時上線、功能都正常、AI 也真的會回話。

一年後他算帳，發現花了九十萬。

多出來的六十萬不在報價單裡。員工要培訓、流程要改、出了問題要有人盯、舊系統要退場——每一項都合理，每一項都沒人事先跟他說。他不是被騙，是沒人幫他看見水面下的那塊冰山。

三成看得見，七成藏水下

Accenture（全球最大的管理顧問公司之一）有個說法叫 30/70 法則：AI 專案裡看得見的技術成本——伺服器、軟體授權、模型開發、工程師工時——只佔總成本的 30%。

剩下 70%？

員工培訓、工作流程改造、變革管理。三個聽起來不像在花錢的東西，加起來是技術費用的兩倍多。

我接觸過的案子裡，最後實際花費超出報價一倍以上的不在少數。不是因為廠商刻意灌水——大部分廠商自己也只會算技術那部分。他們交付系統，不是「讓你公司真的用起來」。

那七成，沒有人的報價單會列。

七成到底花在哪

培訓不是教怎麼點按鈕。 你買了一套 AI 客服系統，培訓不是「打開後台，點這裡，設定這個」就結束。真正的培訓是讓客服人員相信 AI 回答的東西可以信、讓主管學會看 AI 的對話紀錄判斷品質、讓所有人知道 AI 答不好的時候誰來接手。

這要時間。兩週到三個月不等，看你公司有多少人的工作方式要改。

更常見的情況是流程改造直接被跳過。舊系統還在、舊 SOP 還在、舊的 LINE 群組還在——員工發現同時用新系統和舊方式比較安全，兩邊都不會被罵。結果新系統變成多一個要開的頁面。

我在自己公司導入 AI 工具的時候踩過這個坑。系統部署好了、功能都正常，但同事還是用原本的方式做事。

原因很簡單：沒人幫他們把舊流程正式退場。

後來我花了比部署多兩倍的時間，一個一個場景去確認「這個步驟以後用新工具，舊的停掉」，才真正跑起來。

部署花一天。讓人用起來，花了兩個月。

「我用了十年的 Excel 很好啊，為什麼要換？」「AI 出錯了誰負責？」「是不是要裁員了？」——這些問題沒有技術答案。這就是變革管理，也是整塊冰山裡最貴的那一層。

這些問題不處理，系統不會被用。不被用的系統，再便宜都是浪費。

Klarna 的七百人教訓

2024 年初，瑞典金融科技公司 Klarna（做「先買後付」服務，全球用戶超過一億）宣布 AI 客服取代了 700 個全職客服。AI 處理了三分之二到四分之三的客戶互動。公司宣稱大成功。

十四個月後，他們把真人全部招回來。

CEO Sebastian Siemiatkowski 對 Bloomberg 說：「成本導向是錯的。」

Klarna 犯了一個聽起來很低級的錯：他們量了「AI 攔截多少來電」——轉移率，路由指標。但沒量「客戶的問題有沒有被解決」——解決率，品質指標。

更要命的是客戶不會馬上抱怨。他們默默忍受六到十二個月，然後默默離開。等 Klarna 發現數字不對，來不及了。

省下七百人的薪水很好算。失去的客戶信任值多少？算不出來。

Klarna 年營收幾十億美金，有最好的工程師。他們的技術沒問題——問題在只看見了冰山上面那 30%。你的公司規模可能是 Klarna 的千分之一，但踩進同一個坑的機率一模一樣。

95% 的 AI pilot 專案對損益表零影響

MIT Sloan（麻省理工商學院）2025 年發表的一份大規模研究，數字更殘忍：95% 的 AI pilot 專案（小規模嘗試）無法產出對公司損益表有影響的成果。

技術上大部分都成功了。模型跑得動、Demo 好看、老闆滿意點頭。但從試點到真正影響營收或成本，中間隔了培訓、流程、人、組織慣性。

同一份研究還有一個數據：用外部廠商做好的 AI 工具，成功率 67%。自己從零建的，33%。

差兩倍。

外部工具本身沒有比較厲害。那 70%——維護、整合、變革管理——不管買還是建，都得扛。差別在自建的時候全部自己來，買現成的，廠商至少幫你分攤了一部分（文件、教學、整合支援都有現成的）。

但這不是說「買就對了」。如果你公司已經有一套跑了兩年的自建工具，你踩過的坑、累積的經驗，比外購後從頭適應更值錢。67/33 講的是從零開始建的風險。已經驗證過的東西，改比買更划算。

怎麼不變成那 95%

有個做法叫 Stage-Gating——把 AI 導入拆成三個階段，每個階段之間設一道門。過不了就停。

第一關只問一個問題：技術上做不做得到？這是 PoC（概念驗證），四到六週，十到三十萬。KPI 只有一個——模型準確率夠不夠。做不到？停損。三十萬的學費比三百萬便宜太多。

過了技術關，才進試行階段（Pilot）。三到六個月，但 KPI 完全不同——不再看技術指標，看的是使用者採用率。你的員工到底用不用？不是「有帳號」，是「每天開」。目標 70% 以上。

這裡是分水嶺。技術可行不代表商業可行。

試行過了，才輪到全面擴展（Scale）——也才值得投大錢。六到十二個月，看完整的財務 ROI。

大部分失敗的 AI 專案，是在第一階段就直接跳到第三階段。技術 Demo 成功 → 老闆興奮 → 全面推 → 三個月後沒人用。跳過試行，等於跳過那 70% 的檢驗。

你需要的不是更便宜的報價

如果你正在評估要不要做 AI——先別比價。

問拿報價給你的那個人三件事：

1. 你的報價包含員工培訓和流程改造嗎？還是只有系統交付？
2. 上線後第一個月，誰負責確認系統真的被用了？
3. 三年的總成本你能估嗎？

三題都答得出來的廠商，至少知道冰山長什麼樣。答不出來？你拿到的只是三成的報價。

問得出來是第一步。聽得懂他的回答是真話還是唬爛——那就是第二步要找人幫你聽的事。

如果你想在花錢之前，先有人幫你看一眼完整的冰山——加這個網站的 LINE，描述你想解決的問題。丟訊息就好，不用排會議。有時候看完，我會直接說現在還不是時候——但那也是你付得起的學費。先確認這筆錢值不值得花，再討論花多少。