AI 導入的 ROI 怎麼算？95% 企業踩過的 5 個陷阱與正確評估框架

做了 AI 系統三個月，老闆問你「省了多少錢？」你拿出一張 Excel，上面寫著「客服回應時間從 8 分鐘變成 2 分鐘」。老闆看完皺眉：「所以人事費降了多少？」你愣住。這是恆遠數位行銷接案這幾年看到最常見的場景——95% 的企業 AI 專案算不出 ROI，問題從來都不在 AI 本身，問題出在大家用錯了公式、漏算了成本、忽略了時間維度。

這篇文章把 ROI 計算拆到底，一路從硬成本、軟成本、機會成本講到隱藏成本。中間會放三份產業實戰試算表（金屬加工、教育訓練、餐飲服務業），每個試算都帶保守、合理、樂觀三檔，數據可以直接套到你自己的場景。最後給你一張老闆該問顧問的 7 道題清單，下次評估專案直接照念。

先講結論：AI 的 ROI 沒辦法用「導入後省了多少人力」這一條公式打發。它需要四維框架（成本 × 產出 × 風險 × 時間），任何只看其中一兩維的試算，都會誤判成功或失敗。下面開始拆。

為什麼 95% 的 AI ROI 計算都是錯的

MIT Sloan Management Review 在 2025 年的調查顯示，企業 AI 專案宣稱「達成預期效益」的只有 11%，跟導入金額完全沒有正相關。也就是說，花 200 萬做的專案不一定比花 30 萬的成功。差異在哪？差在事前的 ROI 評估方式，跟事後的衡量指標。

常見的錯誤計算法有三種：第一種是「省下幾個人力 × 月薪」，這種算法忽略了系統維護、流程改造、員工再培訓的成本；第二種是「處理時間從 X 變成 Y」，但如果處理變快卻沒有讓營收成長，省的時間其實沒換成錢；第三種最常見也最危險，就是「先做再說，反正大家都在做」，等於把 ROI 評估丟到專案結束才算，那時候才發現算不出來。

真正能算清楚的 ROI，必須在專案啟動前就把以下四件事釘死：可量化的產出指標（例如報價週期從 45 分鐘到 3 分鐘）、所有成本項（含一次性與循環）、衡量時間點（1 個月、3 個月、1 年、3 年）、風險折算因子（成功率、人員適應期）。少了任何一塊，數字都會失真。

ROI 公式重新拆解：硬成本、軟成本、機會成本、隱藏成本

教科書版的 ROI 公式長這樣：（收益 − 成本） / 成本 × 100%。問題是「成本」這兩個字，企業端常常只算到一半。完整的 AI 專案成本要拆成四類，少算任何一類都會讓回報率被高估。

硬成本（看得見的開銷）：包含軟體授權費、API 用量費、雲端主機費、模型微調費、第三方廠商開發費。台灣中小企業導入一套客製化 AI 系統，硬成本通常落在 30 萬到 200 萬區間，月維運費再加 1 萬到 8 萬不等。詳細的預算分配可以參考恆遠的 AI 預算拆解指南：10 萬、50 萬、200 萬各能做什麼，裡面把每個級距能做什麼都列得很清楚。

軟成本（員工時間、學習曲線、流程改造）：這塊最常被忽略。一個 AI 系統上線，員工平均要花 40 到 80 小時學習新流程，期間生產力會下降 20% 到 30%。流程改造的會議、SOP 重寫、跨部門協調，動輒佔一個月以上。如果你公司有 10 個員工要適應，光軟成本就可能逼近 30 萬（用 5 萬月薪 × 0.3 損失 × 1 個月 × 10 人 + 開會跨部門時間粗估）。這筆錢不會出現在發票上，但它真實存在。

機會成本（你不做別的事的代價）：做 AI 專案的這 6 個月，你的 IT 主管沒辦法處理其他系統升級；你的行銷主管沒辦法專心做新檔活動。機會成本 = 該人員投入時間 × 他原本能創造的產值。中小企業老闆最容易忽略這塊，因為它不會出現在費用單上，純粹是「沒賺到」。

隱藏成本（模型漂移、合規、客戶教育）：AI 模型上線後不會一勞永逸。市場數據會變、客戶習慣會變、模型準確率會慢慢下降，這叫 model drift。一年要重新調校 1 到 2 次，每次費用約佔初期建置的 15% 到 25%。另外像是個資合規檢查、員工內訓更新、客戶端的使用教育（特別是 B2B 客戶要學會怎麼跟 AI 報價系統互動），這些都是隱藏成本。

完整成本表：四類加總後的實際數字

把這四類加起來再除收益，才是「真實 ROI」。如果你之前的試算只算硬成本，那實際回收期通常要 ×1.5 到 ×2 倍。

金屬加工業實戰試算：報價人力 × 客戶轉換率 × 成單金額

第一個案例選金屬加工業，是因為這個產業最常被「AI 跟我們無關」誤導，但其實 ROI 反而最容易算出來。恆遠去年協助一間南部金屬加工廠導入 AI 報價系統，那個案例後來變成 金屬加工廠的報價地獄怎麼破：傳產 AI 報價系統落地實戰，這邊我把試算流程拆給你看。

導入前 baseline 與三檔試算

這間廠每個月收 80 件詢價，需要工程師看圖、估工時、算材料、查市場行情後手寫報價，平均一份要 45 分鐘。配置 2 名專職報價工程師，月薪 6 萬（含勞健保與獎金），等於每月人事支出 12 萬。但問題不只人事費——因為報價平均要 1.5 到 3 天才回給客戶，導致 30% 的詢價在等待期間流失到競爭對手。轉換率落在 25%（80 件詢價成交 20 件），平均成單金額 35 萬，每月成單營收約 700 萬。下表是導入後保守、合理、樂觀三檔的預測。

投入成本與回收期

這套系統的建置費用 85 萬（含客製化開發、ERP 串接、3 個月導入輔導），月維運費 1.8 萬（含雲端、API、模型更新）。年總成本 = 85 萬 + 1.8 萬 × 12 = 106.6 萬。用合理檔來算：每月增加成單營收 = 1,435 萬 − 700 萬 = 735 萬。但這是營收不是利潤，金屬加工業的毛利率約 18%-22%，取 20% 換算每月毛利增加 = 735 萬 × 20% = 147 萬。再扣掉產能擴張需要多請的 1 名材料採購助理（月薪 4 萬）= 143 萬。

回收期 = 85 萬 ÷ 143 萬 = 0.6 個月，約 18 天。硬成本部分不到 3 週就回本。一年累計淨收益 = 143 萬 × 12 − 1.8 萬 × 12 = 1,694 萬。3 年累計（考慮模型維護費年增 10%）約 5,000 萬。ROI 第一年 = 1,694 ÷ 106.6 = 1,589%。

教育訓練業實戰試算：課程上架時間 × 行銷素材成本 × 報名轉換

第二個案例是教育訓練業。恆遠自己有一個叫「開課王」的開課平台，是 SaaS 產品線的一員。我們用自己平台的數據當試算範本，因為手上有完整的 baseline，數字最真實。這個案例適合套用到語言補習班、線上課程平台、企業內訓中心、技能培訓機構等場景。

導入前 baseline 與三檔試算

一間中型語言補習班，每年要上架 60 堂新課程。每堂課從規劃到正式上線平均 14 天，包含：課程大綱撰寫 2 天、行銷文案 2 天、視覺素材設計 3 天、社群貼文與廣告素材 4 天、頁面建置與測試 3 天。需要 1 個課程企劃 + 1 個文案 + 1 個設計師合作完成，每堂課的人力成本約 4.2 萬，年人力投入 = 4.2 萬 × 60 = 252 萬。行銷素材外包部分，每堂課額外花 1.8 萬，年支出約 108 萬。報名轉換率 12%，平均客單 8,500 元，每堂平均報名 80 人，年總營收約 4,080 萬。

導入 AI 之後，原本 14 天的課程上架週期可以壓縮到 3-5 天，因為 AI 能根據課程大綱自動產生：行銷文案 8 個版本（A/B 測試用）、社群貼文 30 則（Facebook、IG、LinkedIn 三平台）、廣告素材 12 組（不同尺寸與訊息）、課程介紹影片腳本與配音（30/60/90 秒三版本）。設計師只要做最終美感把關。

投入成本與回收期

AI 課程行銷自動化的建置費 65 萬（含內容生成模型訓練、素材模板庫、平台串接），月費 2.5 萬（含 AI API 用量、儲存、影片生成額度）。年總成本 = 65 萬 + 2.5 萬 × 12 = 95 萬。用合理檔算：年營收增加 = 8,712 − 4,080 = 4,632 萬，教育訓練業淨利率取 40% 換算淨利增加 = 1,853 萬。產能擴大要增加 1 名講師協調員（年薪 60 萬）+ 課務人員 1 名（年薪 50 萬），扣掉人事擴編後淨增加 = 1,743 萬。回收期 = 65 萬 ÷ 1,743 萬 × 12 = 0.45 個月，約 14 天。

服務業實戰試算（餐飲業）：人力配置 × 客訴處理 × 翻桌率

第三個案例選餐飲業，這個產業 AI 的 ROI 最容易被低估，因為老闆們普遍覺得「我們是做菜的，跟 AI 有什麼關係」。但實際上餐飲業的 ROI 結構非常清楚：人力成本 + 翻桌率 + 客訴成本，三項加總的改善幅度可以很驚人。以下試算用一間中型連鎖餐廳（3 間店、每店 60 個座位）當範例。

導入前 baseline 與三檔試算

3 間店每月總營收約 720 萬，平均單店日營業額 8 萬。每店配置 12 名員工（4 廚房 + 6 外場 + 2 行政/結帳），月人事費單店 60 萬，3 店共 180 萬。客訴每月平均 45 件，每件處理時間 30 分鐘到 2 小時，平均產生賠償或折抵約 800 元。翻桌率平均 2.8 次/餐期，假日客滿時拒客率約 18%。AI 切入點通常有三個：智能訂位排程（提升翻桌率與降低拒客）、AI 客服處理線上訂位與外送諮詢（降低外場人力負擔）、客訴智能分類與回應（降低店長處理時間）。整套系統建置 55 萬，月費 1.5 萬。

投入成本與回收期

用合理檔算：每月營收增加 216 萬、人事費省 15 萬、客訴賠償降 (45-28) × 800 = 1.36 萬。餐飲業淨利率約 8%-12%，取 10%：營收增加帶來淨利 21.6 萬 + 人事費省 15 萬 + 客訴省 1.36 萬 = 每月淨增加 37.96 萬。年總成本 = 55 萬 + 1.5 萬 × 12 = 73 萬。回收期 = 55 萬 ÷ 37.96 萬 = 1.45 個月。年累計淨收益 = 37.96 × 12 − 1.5 × 12 = 437.52 萬。3 年累計（考慮維護費年增 10%）約 1,290 萬。

提醒：餐飲業的 ROI 數字看起來比金屬加工業低，這很正常，因為餐飲業毛利率本來就低。判斷 ROI 高低不能跨產業比，要跟自己同產業的標準比。

5 個常見陷阱與真實踩雷案例

把試算邏輯講清楚之後，來看實戰中最常見的 5 個陷阱。每個陷阱都附一個簡化案例，這些都是恆遠這幾年接案、輔導、評估專案時看過的真實情境。更完整的失敗案例集請看 AI 導入失敗的 10 間公司，都犯了這個錯誤，那篇有更完整的避坑指南。

陷阱 1：把試行期數據當常態

一間零售品牌做 AI 推薦系統，前兩週數據漂亮，轉換率提升 40%。老闆立刻上全店。三個月後發現轉換率掉回原本的 +8%。原因是試行期店員特別關心、刻意推銷導致的霍桑效應，等大家習慣後效果就回歸常態。正解：試行期至少 8 週，且要刻意安排不同類型的場景（平日/假日、忙時/閒時、新客/老客）測試。

陷阱 2：忽略「不導入也會發生」的成長

一間電商導入 AI 客服後，月營收成長 12%，老闆認定是 AI 帶來的。但同期整體電商產業成長率本來就是 8%-10%，扣掉產業自然成長，AI 真正貢獻只有 2%-4%。正解：算 ROI 時要做基準對照（baseline correction），扣掉同期產業平均成長率，剩下才是 AI 真實貢獻。

陷阱 3：成本只算建置不算長期

一間製造業花 120 萬導入預測維護 AI，第一年 ROI 算出 280%。第二年要重新訓練模型 + 換感測器 + 員工流動再培訓，總共追加 95 萬，第二年實際 ROI 跌到 70%。沒有把多年成本攤平的試算都會虛胖。正解：用 3 年總擁有成本（TCO）算 ROI，把模型維護、人員培訓、合規檢查全部攤進去。

陷阱 4：只看效率沒看品質

一間 B2B 公司導入 AI 自動回信，客服回應速度從 4 小時變 5 分鐘。但 6 個月後客戶續約率掉 15%，因為客戶覺得回信「太機械、沒溫度」。正解：ROI 衡量要同時包含「效率指標」與「品質指標」，例如客戶滿意度（NPS）、續約率、客訴升級率。

陷阱 5：把員工反彈當成 ROI 之外的事

一間物流公司導入 AI 排班系統，理論上可省人事費 22%。但司機集體抗議排班不合理，2 個月內離職 18%。重新招募與訓練的成本 + 訂單延誤賠償，吃掉大半預期效益。正解：員工適應期、抗性、離職率風險都要進 ROI 公式。建議導入時搭配「現場人員回饋機制」，讓系統能根據實際使用體驗調校。

ROI 評估的 4 個時間維度：1 個月 / 3 個月 / 1 年 / 3 年

ROI 從來都是四個時間切片的數字，沒辦法用單一數據打發。在不同時間點看同一個專案，ROI 會差很多。理解這四個維度可以避免「上線一個月覺得不行就喊停」或「上線一年沒檢討造成虧損加大」這兩種極端錯誤。

1 個月（適應期）：主要看「員工會不會用、流程有沒有跑得通、技術有沒有大 bug」。這個階段業績通常會持平甚至下降，因為大家還在學。第一個月拿 ROI 算盤敲，幾乎都是負的，這代表時間太早，與專案是否成功沒有直接關係。

3 個月（早期 ROI 訊號）：可以開始看「核心指標有沒有改善」。這個時間點 ROI 通常還是負的（建置費還沒回收），但效率指標（處理時間、轉換率、人均產出）應該明顯改善。如果 3 個月核心指標都沒動，要警覺。

1 年（完整 ROI 報表）：12 個月是大部分 AI 專案的合理回收期。製造業、客服、報價類專案通常 4-8 個月回收，行銷自動化、推薦系統 6-12 個月，預測類（需求預測、庫存）8-15 個月。1 年 ROI 仍然是負的話，要重新評估。

3 年（複利效益顯現）：判斷專案真正價值的時間點。模型累積夠多數據後準確率會持續提升、流程內化後員工可以做更高階任務、品牌建立 AI 能力的口碑能拉新客戶。3 年 ROI 跟 1 年比通常會 2-4 倍，這就是 AI 的複利效應。

預算配置決策框架：哪些情境該砸錢、哪些先試水

ROI 試算做完之後，下一步是決定預算配置。這個階段最容易出錯——很多老闆會說「全部給我做最大」，結果預算分散、每個專案都做半套。比較好的做法是用「期望 ROI × 確定性」做矩陣，把預算優先給高 ROI 高確定性的專案。

這部分的決策邏輯，恆遠在 台灣中小企業 AI 預算完整場景拆解 跟 中小企業導入 AI 系統的 5 個高 ROI 場景 兩篇文章有更完整的展開。這邊只給你一個簡化版決策矩陣。

中小企業常見錯誤是把 70%-80% 預算押在創新應用，因為「聽起來酷」。實際上核心流程自動化才是 ROI 最快的，先把這塊吃掉，現金流穩了再玩創新。

用恆遠自家產品當 ROI 試算範本：實戰數據不是紙上談兵

前面三個產業試算之所以能給出具體數字，是因為恆遠在接案開發之外，自己也經營兩條 SaaS 產品線——秒發報價系統 跟開課王。我們用自己產品累積的真實營運數據，當作試算範本。寫到這邊先講清楚一件事：以下不是業配，是會做產品的接案公司用自己的數字證明，恆遠談 AI 導入有實證基礎。

秒發報價：金屬加工產業範本的來源

秒發報價是恆遠開發的智能報價 SaaS，原本是給接案公司管理報價單用的，後來發現製造業客戶導入後，效益比想像中更大。我們累積到的真實數據是：用戶平均報價時間從 45 分鐘降到 3 分鐘、報價成交率提升 28%-35%（來自一鍵轉發票 + 電子簽名 + 客戶 CRM 整合）。產品內建的數據分析儀表板能看到每個用戶的轉換率變化、客戶來源分析、成交時機分布，這些都是後台真實 telemetry，所以拿來給金屬加工客戶試算才有實證基礎。

開課王：教育業範本的來源

開課王是恆遠的開課平台，主打「老師上架課程不用會 coding」。內建 AI 行銷素材自動產生模組，平台用戶從上架到開賣的平均時間是 3.5 天，比業界平均（10-14 天）快 3 倍以上。每堂課的素材生成成本（AI 文案 + 廣告圖 + 社群貼文）能壓到傳統人工的 1/8。把這些數字當教育業客戶的 ROI 試算範本，理由很單純：這個產品我們自己每天在用，數字最透明。當你跟一個顧問談 AI 導入，問他「你做過的 ROI 試算，數據從哪來？」他答不出來就要小心——大部分顧問講的數字都是公開報告抄的。

為什麼恆遠要做接案 + 做產品兩條線

恆遠的定位是專業客製化接案公司，這是主業。會額外做秒發報價、開課王這些產品，目的有兩個：第一，把客戶常見需求做成標準產品，後續客製化開發能用模組化方式加速、降低成本；第二，讓客戶看到我們不只會接案，也有能力做出能在市場存活的產品——這代表我們對 AI 應用有足夠深的理解，能站在 AI 巨人肩膀上幫客戶找到合身的解法。關於恆遠的完整服務範疇與 AI 導入流程，可以看 2026 企業 AI 導入完整指南：流程、成本、案例一次看 這篇 pillar 文章。

老闆該問顧問的 7 個 ROI 問題

最後給你一張清單，下次評估 AI 顧問或開發商時直接拿出來問。能順利回答 5 個以上的，可以繼續談；少於 3 個的，建議再找下一家。

第 1 題：你提的 ROI 數字，baseline 來源是哪裡？是業界公開報告、你過去的案例、還是憑經驗估？要求對方給出具體數據出處。

第 2 題：你算過軟成本、機會成本、隱藏成本嗎？讓對方把這三類成本攤開講，講不清楚的就是只算硬成本的計算法。

第 3 題：保守、合理、樂觀三檔的試算分別長怎樣？只給一個數字的試算都要警覺。 第 4 題：3 年 TCO（總擁有成本）多少？包含模型維護、人員培訓、合規檢查、二次開發。

第 5 題：上線 1 個月、3 個月、1 年的衡量指標分別是什麼？該看什麼、不該看什麼？ 第 6 題：員工反彈、流程改造、組織抗性這幾個風險，你會怎麼處理？ 第 7 題：如果半年後 ROI 沒達標，你的 SOP 是什麼？停損、調校、追加投資的決策邏輯怎麼跑？

常見問題

把 ROI 試算變成你的決策武器

讀到這邊你已經有完整的 ROI 計算框架——四類成本、三產業實戰試算、五個陷阱、四個時間維度、七個必問問題。下一步是把這些工具用在你自己的專案上。

恆遠數位行銷有限公司專注客製化 AI 系統開發，從 ROI 評估、流程診斷、系統建置到上線後的長期維運，我們都做。我們把每個專案當自己的產品做，套裝軟體、顧問時數那種交付方式並非我們的選項。如果你正在評估 AI 導入，但還沒做完整的 ROI 試算，歡迎來 /services/ai-system 看更多服務細節，或直接預約一次免費的 ROI 評估會議，我們把你的場景套進前面的試算邏輯，給你一份具體的數字報告。AI 越合身越好，貴不見得就有效。

最後一句話：所有 AI 專案的 ROI，本質上是「管理 AI 的能力」的問題，跟 AI 技術本身的關係不大。把 ROI 算清楚的老闆，AI 怎麼選都不會差到哪去；把 ROI 當神祕學的老闆，AI 怎麼選都會繞冤枉路。算清楚再做，是這篇文章從頭到尾的唯一重點。