[{"data":1,"prerenderedAt":251},["ShallowReactive",2],{"blog-\u002Fblog\u002Fai-tco-iceberg":3},{"id":4,"title":5,"body":6,"date":238,"description":239,"extension":240,"meta":241,"navigation":242,"path":243,"seo":244,"stem":245,"tags":246,"__hash__":250},"blog\u002Fblog\u002Fai-tco-iceberg.md","AI 專案的報價單只有三成是真的——剩下七成，沒人跟你說",{"type":7,"value":8,"toc":228},"minimark",[9,13,16,19,26,29,34,37,40,43,46,52,54,57,63,66,69,72,78,81,84,87,90,92,96,99,102,108,111,114,120,123,125,129,135,138,141,146,149,152,154,158,161,168,179,182,189,192,194,197,200,203,216,219,222],[10,11,12],"p",{},"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。",[10,14,15],{},"一年後他算帳，發現花了九十萬。",[10,17,18],{},"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。",[10,20,21],{},[22,23],"img",{"alt":24,"src":25},"AI 專案的 TCO 冰山：技術成本只是露出水面的那一角","\u002Fblog\u002Fimages\u002Fai-tco-iceberg-hero.png",[27,28],"hr",{},[30,31,33],"h2",{"id":32},"三成看得見七成藏水下","三成看得見，七成藏水下",[10,35,36],{},"Accenture 有個說法叫 30\u002F70 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%。",[10,38,39],{},"剩下 70%？",[10,41,42],{},"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。",[10,44,45],{},"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」。",[10,47,48],{},[49,50,51],"strong",{},"那七成，沒有人的報價單會列。",[27,53],{},[30,55,56],{"id":56},"七成到底花在哪",[10,58,59,62],{},[49,60,61],{},"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。",[10,64,65],{},"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。",[10,67,68],{},"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。",[10,70,71],{},"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。",[10,73,74,75],{},"原因很簡單：",[49,76,77],{},"沒人幫他們把舊流程正式退場。",[10,79,80],{},"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。",[10,82,83],{},"部署花一天。讓人用起來，花了兩個月。",[10,85,86],{},"「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。",[10,88,89],{},"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。",[27,91],{},[30,93,95],{"id":94},"klarna-的七百人教訓","Klarna 的七百人教訓",[10,97,98],{},"2024 年初，Klarna 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。",[10,100,101],{},"十四個月後，他們把真人全部招回來。",[10,103,104,105],{},"CEO Sebastian Siemiatkowski 對 Bloomberg 說：",[49,106,107],{},"「成本導向是錯的。」",[10,109,110],{},"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。",[10,112,113],{},"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。",[10,115,116,117],{},"省下七百人的薪水很好算。失去的客戶信任值多少？",[49,118,119],{},"算不出來。",[10,121,122],{},"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。",[27,124],{},[30,126,128],{"id":127},"_95-的試點對損益表零影響","95% 的試點對損益表零影響",[10,130,131,132],{},"MIT Sloan 的 NANDA Study（2025）數字更殘忍：",[49,133,134],{},"95% 的 AI pilot 無法產出對公司損益表有影響的成果。",[10,136,137],{},"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 pilot 到真正影響營收或成本，中間隔了培訓、流程、人、組織慣性。",[10,139,140],{},"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%。",[10,142,143],{},[49,144,145],{},"差兩倍。",[10,147,148],{},"外部工具本身沒有比較厲害。差別在自建的時候，你除了技術開發，還得自己扛維護、整合、變革管理——就是那 70%。買現成的，至少有人幫你扛了一部分。",[10,150,151],{},"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\u002F33 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。",[27,153],{},[30,155,157],{"id":156},"怎麼不變成那-95","怎麼不變成那 95%",[10,159,160],{},"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。",[10,162,163,164,167],{},"第一關只問一個問題：技術上做不做得到？這是 ",[49,165,166],{},"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。",[10,169,170,171,174,175,178],{},"過了技術關，才進 ",[49,172,173],{},"Pilot（小規模試行）","。三到六個月，但 KPI 完全不同——不再看技術指標，看的是",[49,176,177],{},"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。",[10,180,181],{},"這裡是分水嶺。技術可行不代表商業可行。",[10,183,184,185,188],{},"Pilot 過了，才輪到 ",[49,186,187],{},"Scale（全面擴展）","——也才值得投大錢。六到十二個月，看完整的財務 ROI。",[10,190,191],{},"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 Pilot，等於跳過那 70% 的檢驗。",[27,193],{},[30,195,196],{"id":196},"你需要的不是更便宜的報價",[10,198,199],{},"如果你正在評估要不要做 AI——先別比價。",[10,201,202],{},"問拿報價給你的那個人三件事：",[204,205,206,210,213],"ol",{},[207,208,209],"li",{},"你的報價包含員工培訓和流程改造嗎？還是只有系統交付？",[207,211,212],{},"上線後第一個月，誰負責確認系統真的被用了？",[207,214,215],{},"三年的總成本你能估嗎？",[10,217,218],{},"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。",[10,220,221],{},"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。",[10,223,224,225],{},"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。",[49,226,227],{},"先確認這筆錢值不值得花，再討論花多少。",{"title":229,"searchDepth":230,"depth":230,"links":231},"",2,[232,233,234,235,236,237],{"id":32,"depth":230,"text":33},{"id":56,"depth":230,"text":56},{"id":94,"depth":230,"text":95},{"id":127,"depth":230,"text":128},{"id":156,"depth":230,"text":157},{"id":196,"depth":230,"text":196},"2026-05-28","Accenture 說技術成本只佔 AI 專案總成本的 30%。MIT 說 95% 的 AI 試點對損益表零影響。你正在看的那份報價單，可能只是冰山上面那一角。","md",{},true,"\u002Fblog\u002Fai-tco-iceberg",{"title":5,"description":239},"blog\u002Fai-tco-iceberg",[247,248,249],"ai","smb","cost","169yzoTP5qElPvlZ7zkjNoCjFMoRgZWddFEGsGBzJ6o",1785903592272]