每一次 AI 導入提案的會議桌上，幾乎都會出現同一張投影片：「導入後每月省下 200 小時、ROI 高達 480%」。漂亮的數字，老闆點頭，專案上線。然後三個月後，沒人說得清楚到底省了多少錢——因為那 480% 從一開始就是算給人看的，不是算給自己看的。
這篇文章把我們在多個 AI 導入專案裡反覆校正過的 ROI 算法攤開來：怎麼算才不會自欺、哪些成本最常被漏掉，以及一份可以直接複製去用的 12 個月 Google Sheets 樣板。
1. 為什麼大多數 AI 導入 ROI 都算錯
我們看過的錯誤 ROI 試算表，幾乎都犯同一組錯：
- 用理論工時，不是真實工時：假設一份報告原本要 4 小時、AI 後變 0.5 小時，就直接記「省 3.5 小時」。但實際上人還要讀、要改、要核對，真實只省了 1.8 小時。
- 用帳面時薪，不是負擔成本：員工月薪 5 萬不等於每小時 300 元的成本。加上勞健保、設備、管理分攤，真實負擔成本通常是帳面的 1.3–1.5 倍。
- 把採納率當 100%：工具上線不等於人在用。有個內部流程自動化案，前兩個月實際採納率只有 40%，ROI 自然只有試算的四成。
- 忽略導入期的負產出：學習、踩坑、調 prompt 的那幾週，產能其實是下降的。漂亮的 ROI 把這段直接當成零，等於少算了一筆。
結論很簡單：ROI 不是拿來說服老闆的話術，而是拿來決定「要不要繼續投錢」的工具。算給自己看的版本，數字一定比較醜——但那才有用。
2. 三層 ROI 模型
我們不再用單一一個百分比交代 ROI，而是拆成三層，因為這三種效益的「可信度」與「能不能進帳」完全不同。
第一層：硬效益（Hard ROI）
能直接換成現金、會出現在財報上的。例如：裁撤外包費、減少加班費、降低錯誤造成的退款。這層是說服 CFO 的唯一籌碼，也是計算回收期的基礎。只有這層能進 payback 公式。
第二層：軟效益（Soft ROI）
可以量化，但不會直接變現金的。例如：客服回覆時間從 6 小時縮到 40 分鐘、業務一天能多跑兩個提案。這些有價值，但除非你真的因此裁員或接更多單，否則它不會變成現金。軟效益單獨列、單獨標，不要混進硬效益裡灌水。
第三層：選擇權價值（Option Value）
導入這套能力後，未來能做但現在還沒做的事。例如：建好了資料管線，之後要接客戶分群、要做預測都省一大半工。這層幾乎無法精算，所以我們只用文字描述、不放進數字，避免它變成「為了讓 ROI 好看而硬湊的故事」。
3. 節省工時的真實計算
節省工時是最容易灌水的一塊，所以公式要寫得保守。我們實際用的算式是：
真實月節省金額 = 每月處理件數 × 每件節省工時 × 採納率 × (1 − 返工率) × 真實負擔時薪
用一個匿名個案（B2B 服務業，文件處理流程）的真實數字代入：
- 每月處理件數：320 件
- 每件理論節省：2.5 小時 → 但扣掉人工核對後，實測只省 1.4 小時
- 採納率：上線第 4 個月穩定在 78%
- 返工率（AI 產出需重做）：12%
- 真實負擔時薪：帳面 320 元 × 1.4 = 448 元
代入：320 × 1.4 × 0.78 × (1 − 0.12) × 448 ≈ 每月 13.8 萬元。
對照當初提案上「每月省 28 萬」的數字，真實值大約是它的一半。重點不是哪個數字「對」，而是：如果你拿 28 萬去做投資決策，你會嚴重高估；拿 13.8 萬去算，你的回收期預估才站得住腳。
4. 最常被漏掉的隱藏成本
ROI 的分母（成本）幾乎永遠被低估。除了大家都會算的「工具授權費」與「開發費」，下面這六項最常被整個忘掉：
- Prompt 與流程工程：把一個流程調到能用，通常要 2–4 週反覆迭代，這是人力成本。
- 資料整理與清洗：AI 要吃乾淨的資料。把散落各處的舊資料整理成可用格式，常常比建模型還久。
- 驗證與人工把關：上線初期需要有人逐筆檢查 AI 產出，這段人力要算進去，且會持續好幾個月。
- API 與運算用量：token 用量會隨採納率上升而成長，要用「滿載情境」估，不是用 PoC 階段的低用量估。
- 長期維護：模型會更新、需求會變、prompt 會退化。抓每月 4–8 小時的維護工時是合理起點。
- 變更管理：教育訓練、抗拒磨合、流程重寫。這是讓採納率從 40% 拉到 78% 的隱形投資。
一個誠實的試算表，光是把這六項補回去，ROI 通常會從帳面的三位數百分比掉到兩位數——而那個兩位數，才是你真的會拿到的。
5. 12 個月 ROI 樣板（Google Sheets）
單月 ROI 百分比會騙人，因為它把一次性成本攤平或忽略。我們改用 12 個月現金流來看，重點看兩個數字：累積淨效益由負轉正的月份（回收期），以及第 12 個月的累積 ROI。樣板的欄位結構如下：
| 欄位 | 說明 | 範例（第 4 月） |
|---|---|---|
| 月份 | M1–M12 | M4 |
| 硬效益（當月） | 第 3 節公式算出的真實節省 | +138,000 |
| 一次性成本 | 開發、資料整理（多落在 M1–M2） | 0 |
| 經常性成本 | 授權 + API + 驗證 + 維護 | −42,000 |
| 當月淨效益 | 硬效益 − 成本合計 | +96,000 |
| 累積淨效益 | 逐月累加（看它何時轉正） | −18,000 |
| 採納率 | 每月實測，驅動硬效益 | 78% |
建表時把「採納率」與「每件節省工時」設成可調的參數儲存格，硬效益欄用公式引用它們。如此一來你可以拉出三條情境線——保守、預期、樂觀——一眼看出回收期落在第幾個月。上面這個個案的累積淨效益在第 5 個月轉正，第 12 個月累積 ROI 約 140%。要這份可直接複製的樣板，加我們 LINE 跟你說一聲即可。
6. 什麼時候該停損
最重要、也最少人寫進提案的一段：什麼情況下你該承認這個導入不划算，然後收手。我們給客戶的停損判準是：
- 第 3 個月，採納率還在 50% 以下且沒有上升趨勢——這通常代表流程本身不適合自動化，或抗拒來自更深的組織問題，加再多功能也救不回來。
- 單位成本沒有隨規模下降——如果每處理一件的總成本不降反升，代表這個流程不存在規模經濟，AI 在這裡只是把人工換成另一種人工。
- 返工率長期高於 25%——驗證與重做吃掉的時間，已經把節省抵消掉了。
誠實說：不是每個流程都該導入 AI。我們婉拒過一個客戶的需求——他想自動化的流程每月只有 30 件、規則又一直變，怎麼算回收期都超過兩年。那種情況，請一個熟手兼職、或把流程本身簡化，遠比導入 AI 划算。能算出「不該做」，跟算出「該做」一樣有價值。
結語：ROI 是決策工具，不是說服話術
一個算給自己看的 ROI，數字會比較醜，但它救你的，是那些「上線後才發現根本不划算」的專案——而那種專案的學費，遠比一次保守的試算貴得多。
如果你正在評估某個流程該不該導入 AI、或手上的提案 ROI 看起來好得不真實，加 LINE 把你的場景丟給我們，我們會用上面這套三層模型幫你跑一遍真實版本，並把 12 個月 Google Sheets 樣板給你——不收顧問費，因為這通常是合作的起點。