AI 導入顧問怎麼選？自己做 vs 外聘的成本、時程與失敗風險完整對照

上週有位金屬加工廠的老闆傳訊息來問我：「你們自己公司都在跑 AI，可以直接教我們就好嗎？花 60 萬請一個顧問，真的有這個價值？」這個問題我們每個月至少會被問三次，答案通常要看你公司現在的位置：適合哪一種顧問模式，或根本應該自己來。

恆遠公司內部每天就在跑 20+ 個 AI 流程，我們很清楚哪一段是「找對工具就能做」，哪一段是「沒有一個懂資料架構的人幫你想清楚，燒錢也做不出東西」。這篇會用一張對照表、三個報價區間、五個檢核點，幫你在 30 分鐘內決定：這筆錢該花給顧問，還是花在自家團隊。

先給結論：如果你連公司裡最花時間的三個流程都還沒盤過，付顧問費是划算的；如果你已經盤完、只差把工具接上去，多半自己做就夠了。剩下的差別在於，你要用什麼形式的顧問、要為什麼付費。

這篇主要回答「怎麼挑顧問」；如果你還在猶豫「到底要不要請顧問」，可以先看 中小企業導入 AI 顧問服務值得嗎？5 分鐘自我診斷；如果已經確定要外包、但搞不清楚「顧問」跟「系統開發商」差在哪，去看 AI 顧問 vs AI 系統開發商完整指南 更快。

什麼時候真的需要 AI 導入顧問？3 個訊號一次判斷

一句話講完：公司內部沒有人能把「資料在哪裡、能給誰用、給到多細」講清楚的時候，一定要外聘。這件事不是花時間學就能學會，需要跨部門的談判經驗與資安判斷力，硬要自己來只會拖半年。

以下 3 個訊號中了任何 1 個，把顧問費列進今年預算：

反過來，如果你公司 15 人以下、只有一個部門想用 AI、資料本來就存在一個表裡，「自己買個 ChatGPT Team 加上 Zapier 兜起來」通常就夠了，這種情況硬付顧問費是浪費錢。

延伸判斷可以搭配 你的公司還不該導入 AI 的 5 個訊號 一起看：有些公司連組織盤點都還沒做完就急著找顧問，通常錢會燒在改組織上，不是燒在 AI 上。

自己做 vs 外聘顧問：一張表對照成本、時程與失敗風險

這張表是我們把過去兩年跟業界同行、客戶交叉比對過的實際數字，不是理論估算。金額以 20 到 100 人規模的公司為基準，超過 200 人另有級距。

上面「跑到 production、產出 ROI 的機率」不是我們自己算的。Deloitte 2026 年的企業 AI 調查 訪問了 2800 位跨國企業主管，發現只有大約四分之一的公司能把 40% 以上的 AI 試點推進到正式上線；沒有外部顧問參與、也沒有內部專職團隊的一群，這個數字掉到不到 15%。

換另一個角度看，BCG 的 AI at Scale 報告 也指出企業 AI 投資有 74% 的公司「沒有明顯 ROI」，同一份報告裡把「有無專門的整合 partner」列為區分成功與失敗的前五大變數之一。這件事在中小企業更明顯，因為你沒有像大企業那樣「燒錯了還有預算再燒一次」的空間。

三種顧問報價區間：策略、實作、駐點各花多少錢

市場上被叫做「AI 顧問」的公司在賣三種完全不同的東西，價格差 5 倍以上。付錢之前先搞清楚你要買的是哪一種，不然容易付了策略顧問費卻期待拿到系統，或反過來。

策略顧問（NT$30 到 80 萬 / 3 個月）

賣的是判斷力：你這家公司該不該導入 AI、要從哪個場景開始、預算怎麼分。交付物是一份戰略地圖、幾張決策樹、一份 vendor shortlist。不寫程式、不接 API。適合董事會要拍板但方向還沒定的階段，也適合上市櫃準備寫 ESG / 永續報告時要一份可對外的策略文件。

要小心的雷是「只給地圖、後續實作要另外找人」，等到執行階段你會發現地圖上寫的方案在你公司根本跑不動。合約條款一定要寫「若第一階段執行卡關，顧問願意提供 X 小時免費諮詢陪跑」。

實作顧問（NT$60 到 200 萬 / 6 個月）

賣的是「陪你把第一個場景做出來」，通常包一到兩個 PoC 開發、資料權限盤點、跟至少一次跨部門教育訓練。這是 80% 中小企業真正該找的模式，因為策略地圖不用花 80 萬買一份、你要的是一個可以動的東西。

實作顧問的報價區間有兩個變數：資料清洗的難度、要不要串既有系統（ERP、CRM、報價、生產排程）。串系統就多一輪 API 相容性測試，通常會多 30 到 50%。細節可以看 AI 顧問 vs AI 系統開發商完整分工指南 那篇，裡面有 7 個決策節點的判斷樹。

駐點顧問（NT$150 萬起 / 半年）

顧問把自己的人塞進你公司，一週來 2 到 3 天，跟你的員工一起工作、開會、寫規格。適合的情境很窄：組織正在做大型轉型、AI 只是其中一環、需要一個資深的人幫你「用你的話跟員工溝通」，同時又不想真的招一個 CTO 進來。

這個模式踩雷的機率比前兩種都高，因為「駐點的人不是你的員工」這件事會在第 3 個月開始被員工看穿，配合度會急速下降。合約要寫「若團隊反饋顧問配合度不佳，得於 2 個月內免費更換人選」，以及明確的知識轉移交付物。

三種模式對照一次看：

延伸一句：三種模式可以組合買。常見組合是「策略顧問 3 個月 + 實作顧問 6 個月」，先把方向定下來、換一個團隊執行，這樣避免「同一家顧問既定策略又做實作，找不到中立的第三方 review」的風險。

自己做 AI 導入的完整時程：6 到 12 個月怎麼拆

如果評估完覺得可以自己來，時程通常會落在 6 到 12 個月，比你想像的長。這張表把每個月會發生什麼、卡點在哪，講清楚。

這張表底下有一個常被忽略的事實：60% 的公司會卡在「資料權限清算」跟「第一個 PoC 選錯場景」這兩步。我們把資料權限這件事單獨寫成 AI 導入前資料權限盤點 SOP，如果決定自己來，那份 SOP 是必讀。第一個 PoC 選錯場景的判斷框架則在 企業 AI 從 POC 卡關到 production 落地完整路線圖 那篇。

比較完自己做跟外聘顧問你會發現：付顧問費省下的不只是時間，更多是「走錯 3 個月才發現」的機會成本。同樣是 8 個月，找對顧問可以直接跳到第 4 個階段開始做 PoC，因為前 3 個階段顧問已經有現成的做法可套。真正的差距不在「顧問懂得多少 AI」，而在「顧問幫你省掉多少你要花 3 個月才會撞到的坑」。

挑 AI 導入顧問的 5 個檢核點：能回答這幾題的才可靠

找顧問這件事很像挑外科醫生，掛號前你不會問「你會不會開刀」，你會問「這個手術你做過幾次、失敗過幾次、失敗的原因是什麼」。以下 5 個問題直接丟給候選顧問，回答不出來或閃躲的直接扣掉。

• 第 1 題：能不能給我看你上一次類似案子的「原始 prompt」跟系統架構圖？會直接說「這是客戶機密」的通常沒做過，或做過但不敢給看；願意去識別化後給你看的表示做過而且不怕被抄。

• 第 2 題：專案結束後，資料存在哪裡、能不能讓我下載走？把資料鎖在自家平台的顧問絕對不能選，這是 vendor lock-in 的經典陷阱。要看到明確的「離場條款」寫在合約裡。

• 第 3 題：離場條款怎麼寫？如果做到一半我想換人，要付多少違約金？正派顧問會告訴你「按已完成 % 付費，未完成部分退回」，說「一次性付清、不退」的直接跳過。

• 第 4 題：你們的案例能不能給我 2 個真實客戶的聯絡方式，讓我打電話問？推說「客戶不接受打擾」的多半案例是假的，或做壞了。真的做得好的顧問，客戶願意當推薦人。

• 第 5 題：資料工程跟 AI 模型調校，計價能不能切開？很多顧問把兩者綁在一起賣，你會付了 AI 模型的錢卻拿到 90% 是資料清洗的服務。分開計價才能看出這個顧問的真本事。

這 5 個問題可以直接複製到你的 RFP 或初次面談會議室。如果 5 題裡有 2 題以上答不出來，這家不能選。

顧問合約 3 個常被忽略的雷區

錢談完、方向對了，最後翻船的地方常在合約裡的「附件」跟「後續維護」。這三個雷區是我們看客戶合約看過最常見的：

雷區 A：IP 歸屬條款寫「顧問共有」

很多顧問合約會寫「本案產出之智慧財產權由雙方共有」，聽起來很公平，實際上是坑：你想把系統賣給集團另一家公司或自家分公司用，都要再付一次授權費。正確寫法是「所有客製化產出著作權完全歸客戶所有，顧問僅保留通用方法論之使用權」。

雷區 B：資料存回本地沒有明確時程

合約寫「專案結束後將資料交還客戶」：「結束後」是幾天內？資料格式是什麼？誰負責驗收？沒寫清楚的話，實務上顧問可以拖到 3 個月才處理完。要寫「結案驗收後 14 天內以 CSV 或 SQL dump 格式交付，並附完整 schema 文件」。

雷區 C：後續維護費用沒有級距

PoC 上線後的維護費用如果合約沒寫級距，顧問可以隨便報。要求對方提供「月維護時數 x 費率」的明確算式，並且註明「若當月使用量超過 X 小時，超額部分以 8 折計」。這條寫進去，顧問的維護報價會自動壓在合理區間。

這三個雷區都可以在合約範本階段就處理掉，開工後要改幾乎不可能。如果你不習慣看合約條文，找一個律師看一次的費用大約 3 到 5 萬，比事後打官司便宜太多。

我們怎麼看 AI 導入顧問這個角色的下一個 3 年

看到這裡，如果你正在評估要不要開始 AI 導入、或者已經在挑顧問但拿不定主意，可以直接把公司的情況丟過來：聊聊你的 AI 導入需求。我們會用這篇文章裡的判斷框架跟你一起走一輪，該不該花這個錢、花給誰，我們會直接告訴你。

如果想先看 AI 導入的整體成本結構、失敗案例、產業別怎麼落地，可以延伸看 2026 企業 AI 導入完整指南、AI 導入 ROI 怎麼算：5 個常見陷阱、AI 導入失敗的 10 間公司；有內部團隊想直接下手實作的，也可以看 我們公司怎麼跑出 20+ AI 流程：內部報價自動化 SOP 這篇實戰紀錄。