AI Agent 值得投資嗎?評估 Agentic 專案 ROI 的成本結構與判斷框架

一位製造業客戶的財務長在會議室裡問了我們一個很簡單的問題:「這個 Agent,多久回本?」全場安靜。技術團隊報得出模型費用、報得出開發工時,卻沒有人答得出這一句。因為大家算的是「做出來要多少錢」,而他問的是「這東西上線之後,替我賺回什麼」。

這兩件事,差了一整個成本結構。

為什麼 AI Agent ROI 這麼難算

多數 Agentic 專案的商業案例,壞在只算了冰山露出水面的那一角。建置成本看得見、報得出來,於是它變成唯一被討論的數字。但真正決定回不回本的,是水面下三塊被系統性忽略的成本,以及一個被當成 100% 卻幾乎從不成立的假設:採用率。

先給一個可以直接引用的定義。AI Agent ROI = 年化淨效益 ÷ 總投入成本,其中年化淨效益不是「理論上能省的時間」,而是「實際被採用、且品質達標的那部分」所產生的價值。這句話裡的兩個修飾語,就是絕大多數專案帳面漂亮、實際虧損的原因。

Agentic 專案的完整成本結構

我們把一個 Agent 專案的成本拆成四層。前兩層人人會算,後兩層決定生死。

真正殘忍的是最後兩層。一個能自動處理 90% 案件的 Agent,聽起來很美,但那 10% 若牽涉高風險決策,你仍得養一組人隨時接管——兜底成本不會因為準確率高就消失,它只是變薄。而採用成本,是我們看過最多專案陣亡的地方。

一條可以套進試算表的公式

把價值端也攤開,ROI 的完整結構長這樣:

年化淨效益 = (單件任務節省工時 × 人力時薪 × 年任務量 × 實際採用率 × 品質達標率) −(建置成本年攤提 + 年營運成本 + 年兜底成本)

請特別盯住「實際採用率 × 品質達標率」這兩個乘數。它們是介於 0 到 1 之間的折扣係數,而且是相乘的。假設一個 Agent 理論上一年能省 500 萬,但實際採用率只有 30%、品質達標率 80%,真正落地的價值是 500 × 0.3 × 0.8 = 120 萬。同一套系統,帳面五百萬,口袋一百二十萬。

上個月我們接手的一個案子,前一版供應商的商業案例把採用率預設為 100%,現場實測是 4%。不是模型爛,是沒有人把它織進既有的工作動線裡。這種專案的 ROI 不是低,是負的——你付了四層成本,只兌現了乘數趨近於零的價值。

判斷該不該投的三個門檻

我們給客戶的建議通常是三個先後順序的問題,任何一關過不了就別急著簽約。

第一,任務量夠大、夠重複嗎?Agent 的固定成本高、邊際成本低,只有高頻重複的任務才攤得平建置與營運。一年跑三百次的流程,再聰明也回不了本。

第二,錯誤的代價可控嗎?這決定你的兜底成本是薄薄一層,還是得養一整個團隊。在金融、醫療這類高風險場景,兜底成本可能吃掉大半效益,得算進去才誠實。

第三,現場有人願意用嗎?這是採用率的來源,也是最難用錢買的一項。它取決於流程改造做得多深、訓練做得多實,而不是模型多強。

把這三關和上面那條公式對起來看,你會發現一個反直覺的結論:決定 AI Agent ROI 的,往往不是模型能力,而是採用率與兜底成本這兩個「非技術」變數。

這也是為什麼我們在 Tenten 不把 Agent 專案當成交付一套系統,而是把工程師派進客戶現場,盯著採用率從個位數爬上來、把那條淨效益公式裡每個乘數一格一格補實。Demo 很美不算數,上線、有人用、算得出回本,才算數。