AI 導入 ROI 怎麼算才誠實:公式、關鍵假設與可套用試算模型

上季我們幫一家製造業客戶重算他們的 AI 導入 ROI。原本 IT 部門報給董事會的數字是「年省 1,200 萬」,聽起來很漂亮。我們把三個被漏掉的變數補回去之後,真實數字是 340 萬。差在哪?他們把「假設每個員工都會用、每次都用對」當成前提,但現場的採用率只有三成。

這不是誰在說謊。是大多數 AI 導入 ROI 計算,都只算了分子,沒算分母裡的折扣。

為什麼多數 ROI 算法都灌水

一句話定義:誠實的 AI 導入 ROI,是把工時節省乘上真實採用率、再扣掉導入與維運總成本與新增的錯誤成本,除以總投入所得的比率。 關鍵不在公式多複雜,而在你有沒有勇氣把三個「不好看」的變數放進去。

第一個被漏掉的是採用率折扣。工具能省多少工時,和團隊實際用它省下多少工時,是兩件事。一個理論上每天省 40 分鐘的 Copilot,如果只有 30% 的人固定使用,實際效益就要打三折。

第二個是錯誤成本。生成式工具會產生新的錯誤類型——幻覺、引用錯資料、把半對的答案講得很篤定。在金融或醫療場景,一次沒被抓到的錯誤,賠掉的可能比全年省下的工時還多。這一項必須從效益裡減掉,而不是假裝它是零。

第三個是維運成本。很多 ROI 只算了授權費,忘了 prompt 維護、資料管線、模型更新、內部支援這些會持續發生的人力。上線那天不是成本的終點,是維運成本的起點。

把上面三件事寫進同一條式子,就得到我們實際在用的版本:

年化淨效益 = (每人每年節省工時 × 每小時人力成本 × 採用率)
            − 年度錯誤成本
            − 年度維運成本

ROI(%) = (年化淨效益 − 年度授權/攤提導入成本)
         ÷ (年度授權/攤提導入成本 + 年度維運成本) × 100

其中三個「誠實變數」的算法:

同一個「年省 1,200 萬」的案子,用三種口徑算出來的結果差很多:

口徑	是否含採用率	是否扣錯誤成本	是否扣維運	呈現的年效益
廠商 Demo 版	否(假設 100%)	否	否	1,200 萬
IT 樂觀版	部分(估 70%)	否	否	840 萬
誠實版(我們用的)	是(實測 30%)	是(−120 萬)	是(−140 萬)	340 萬

340 萬看起來沒有 1,200 萬漂亮,但它是唯一一個你敢拿去對半年後實際帳的數字。而且它會告訴你槓桿在哪:把採用率從 30% 拉到 60%,年效益直接翻倍,比砍任何成本都有效。這就是為什麼我們幾乎所有力氣都花在「讓人真的用」而不是「把 Demo 做得更炫」。

如果要把它做成 calculator,輸入六個欄位就夠:目標使用人數、每人每年可節省工時、每小時人力成本、實測採用率、年度錯誤成本、年度總持有成本(授權+導入攤提+維運)。輸出三個數字:年化淨效益、ROI 百分比、以及回本月數(= 攤提導入成本 ÷ 月化淨效益)。

給幾個保守的預設值當基準線,方便快速對照:試點期採用率先用 25%–35% 估;每次錯誤處理成本在後台流程抓 500–2,000 元、在對外金融場景抓 1 萬元以上;回本月數超過 18 個月的案子,通常不是工具不好,是採用設計沒做。

真正的重點是:ROI 不是導入前寫在提案裡的一個數字,而是導入後每季都要重算一次的儀表。採用率會變、錯誤率會隨模型更新變、維運人力會累積。只算一次的 ROI,和沒算差不多。

我們在客戶現場做 FDE 前線部署時,交付的從來不只是一套會動的系統,而是這張每季更新的 ROI 表——因為 Demo 很美不算數,上線、有人用、而且帳算得回來,才算數。