做完三個月的 AI 自動化專案，到了要交代成果的時候，遲早得回答這一句：「所以我們省了多少錢？」你打開簡報，上面寫著「客服回應時間從 8 分鐘降到 2 分鐘」，但被追問一句「那人事費到底降了多少、多久回本」就答不上來，因為那張簡報從頭到尾沒有一個錢的數字。
這個畫面其實天天在發生。MIT 在 2025 年發布的研究就指出，市面上導入生成式 AI 的專案，有高達 95% 拿不出可衡量的 ROI。問題很少出在 AI 本身，而是出在「沒人在導入前先把 ROI 怎麼算想清楚」。AI 流程自動化的 ROI（投資報酬率），就是用「（增加的效益 − 投入的成本）÷ 投入的成本 × 100%」這條公式，把一個自動化專案有沒有替你賺到錢算成一個百分比。 它把「感覺好像有變快」換成「這筆錢值不值得花」。
只是這條公式看起來簡單，能算對的人卻不多，多半是成本漏算、效益灌水，或根本沒設衡量的時間點。這篇會先把公式跟成本拆乾淨，再用一個假設的流程實際代入算一遍，接著給你一套五維度的判斷標準跟一張導入前 30 天就能跑的快速驗證表。算清楚再決定要不要做，比做完才發現算不出來省事太多。
AI 流程自動化 ROI 怎麼算？
ROI 的核心公式只有一條，先記下來，後面所有判斷都從這裡長出來：
ROI（%）＝（導入後增加的效益 − 導入總成本）÷ 導入總成本 × 100%
公式不難，難的是把「效益」跟「成本」兩個欄位填對。先講效益。AI 流程自動化能帶來的效益，拆開來其實是三條線：
- 省下的人力時間換算成錢：這是最直接、也最好算的一條。把每個月省下的工時乘以該職位的時薪，就是省下的人事成本。舉例來說，一個原本要花 40 小時人工處理的流程，自動化後剩 5 小時，每月省 35 小時，乘上時薪 NT$300，就是每月 10,500 元。
- 多賺到的營收：自動化常常不只省時間，還會讓營收長出來。報價回得更快，流失到對手手上的詢價就變少；客服 24 小時不打烊，深夜進來的單就接得住。這部分要跟「省時間」分開算，因為它對應的是賺，不是省。
- 少賠的錯誤成本：人工作業會出錯，出錯要重做、要賠償、要安撫客戶。自動化把錯誤率壓下來，省下的重工跟賠償也是效益的一塊。
把這三條加起來，才是完整的「效益」。很多人只算第一條，於是 ROI 永遠看起來比實際低，好專案就這樣被自己算死了。
成本那一欄更需要小心，這也是下一段要專門拆的重點：你發票上看得到的那些費用，通常只是真實成本的一半。
公式裡最容易漏算的，是看不見的那幾筆成本
導入總成本如果只算到軟體授權費跟開發費，算出來的 ROI 一定虛胖。一個 AI 流程自動化專案的成本，至少要拆成四類，少算任何一類，回本期都會被你低估。
第一類是硬成本，也就是看得見的開銷：軟體授權費、API 用量費、雲端主機費、模型微調費、找廠商客製化開發的費用。台灣中小企業導入一套客製化的 AI 系統，硬成本從幾十萬到數百萬都有可能，每月還要再編列一筆維運費，實際落點會因系統複雜度而有落差。這一塊最好算，因為都會出現在報價單上。
第二類是軟成本，指員工的學習時間跟流程改造的代價。一套系統上線，員工都需要時間去學新流程，這段期間整體生產力難免會下滑一段時間。流程要重寫 SOP、跨部門要開會協調，動輒拖上一個月以上。如果你有 10 個員工要適應，光這一塊損失就很可觀。它不會出現在發票上，但它真的在發生。
第三類是機會成本，也就是因為做這個專案、你的人沒辦法去做別的事。導入的這幾個月，IT 主管沒空升級其他系統，行銷主管沒空專心跑新檔活動。機會成本等於這些人投入的時間，乘上他們原本能創造的產值。這筆「沒賺到」的錢，老闆最容易忽略，因為它不在任何一張帳單上。
第四類是隱藏成本，發生在系統上線之後。AI 模型不是裝好就一勞永逸，市場數據在變、客戶習慣在變，模型準確率會慢慢往下掉，這叫模型漂移（model drift）。上線之後通常還要定期重新調校，每一次都要再編列一筆不小的預算。再加上個資合規的檢查、員工的內訓更新，這些都是上線後才陸續冒出來的隱藏開銷。
| 成本類別 | 大概佔比 | 包含什麼 |
|---|---|---|
| 硬成本 | 最大宗 | 授權、開發、雲端、API、模型微調 |
| 軟成本 | 次之 | 員工學習期、流程改造、SOP 重寫 |
| 機會成本 | 較小但常被忽略 | 主管時間、其他專案延後 |
| 隱藏成本 | 較小但持續發生 | 模型重新調校、合規檢查、內訓更新 |
把這四類加總後再去除以效益，才是貼近真實的 ROI。如果你之前只算了硬成本，那實際的回本期通常會比你想的更長。先把成本攤完整，是這整套計算裡最關鍵、卻最常被跳過的一步。
一個報名流程自動化，ROI 怎麼跑一遍？
光看公式不夠有感，把數字實際代進去算一遍，你才會知道每個欄位該填什麼。以下用一個假設的場景示範，數字是為了講清楚邏輯而設計的，不是真實個案，你之後可以把自己流程的數字直接替換進去。
假設有一間小型課程機構，每個月都要人工處理一批重複性的行政事務：報名確認、付款追蹤、課前提醒、課後回饋問卷。把這些攤開來看：
| 流程項目 | 人工耗時（每月） | 自動化後耗時 |
|---|---|---|
| 報名確認 | 10 小時 | 1 小時 |
| 付款追蹤 | 8 小時 | 0.5 小時 |
| 課前提醒 | 6 小時 | 0.2 小時 |
| 課後回饋 | 5 小時 | 0.3 小時 |
| 合計 | 29 小時 | 2 小時 |
這位負責的行政人員，假設時薪是 NT$300。沒自動化前，這些事每月吃掉 29 小時，等於 8,700 元的人力成本。導入一套串接表單、金流、通訊軟體的自動化流程後，每月只剩 2 小時要人工盯，人力成本降到 600 元。
先算效益：每月省下 27 小時、約 8,100 元的人力成本。為了示範保守一點，這個例子先只算「省下的人力」這一條，不把多賺的營收算進去。一年下來，效益約等於 8,100 × 12 ＝ 97,200 元。
再算成本：假設這套自動化流程的建置費是 20,000 元，工具月費抓 1,000 元，一年維運成本 12,000 元。導入第一年總成本約 32,000 元。員工學習這套流程的軟成本，因為流程單純、半天就上手，這裡先粗抓 3,000 元併進去，第一年總成本約 35,000 元。
最後代入公式：
ROI＝（97,200 − 35,000）÷ 35,000 × 100% ≒ 178%
回本期則是用建置與年成本去除以每月淨效益。每月淨效益約 8,100 − 1,000（月費）＝ 7,100 元，建置費 20,000 ÷ 7,100 ≒ 2.8 個月就回本。
算到這裡你會發現一件事，這類「高頻、重複、可量化」的行政流程，ROI 幾乎都很漂亮，因為投入小、省下的時間又紮實。真正難算的是那種「省了時間但不確定有沒有換成錢」的流程，回本快，就代表這個專案真的做對了嗎？
光看回本快不算過關，五個維度才看得出划不划算
回本期短當然是好事，但只盯著一個 ROI 百分比下決定，很容易誤判。一個自動化專案到底划不划算，建議從五個維度一起看，每個維度給自己打個分，整體才不會被單一數字騙過去。
- 成本維度：四類成本（硬、軟、機會、隱藏）有沒有都算進去？只算硬成本的試算，分數要先打折。完整算過四類，這個維度才算過關。
- 效益維度：效益是「省下的時間」「多賺的營收」「少賠的錯誤」三條都看，還是只看了省時間？而且省下的時間有沒有真的被重新利用，如果省了 30 小時卻沒讓人力去做更高價值的事，那 30 小時其實沒換成錢。
- 品質維度：效率上去了，品質有沒有掉？自動回信讓客服速度從 4 小時變 5 分鐘，但如果客戶覺得回信太機械、續約率反而下滑，那這筆 ROI 是假的。衡量時要同時放進客戶滿意度、客訴率、續約率這類品質指標。
- 時間維度：你是看上線第一個月的數字，還是看一整年？第一個月幾乎都是負的，因為大家還在學、建置費還沒回收；真正的 ROI 報表至少要看到 12 個月。把不同時間點分開看，才不會「上線一個月覺得不行就喊停」或「上線一年沒檢討讓虧損擴大」。
- 風險維度：員工會不會抗拒？流程改造會不會卡住？模型準確率達不達得到能上線的水準？這些風險都會吃掉預期效益，要先折算進去，而不是當成 ROI 之外的事。
五個維度裡，最常被漏掉的是品質跟風險這兩個。很多專案的 ROI 在試算表上漂亮，落地後卻不如預期，問題幾乎都出在「只量了效率，沒量品質」或「沒把人的抗性算進去」。把這五格都填過一遍，你對「這個專案划不划算」的判斷，會比單看一個百分比可靠得多。
判斷標準有了，下一步是落地。你不需要等系統跑滿一年才知道答案，導入前的 30 天就能先驗證一輪。
導入前 30 天，怎麼快速驗證划不划算？
不必賭上整套系統的預算才知道結果。在正式投入大錢之前，用 30 天跑一輪小規模驗證，是中小企業最該做、卻最常跳過的一步。下面這張表把這 30 天切成四週，每週要做什麼、要量什麼，照著跑就好。
| 階段 | 要做的事 | 要量的數字 |
|---|---|---|
| 第 1 週：建立基準 | 挑一個最痛、最重複的流程，記錄目前的真實數據 | 這個流程每月花多少工時、多少錢、錯誤率多少 |
| 第 2 週：小範圍試跑 | 用最低成本的方式（先租 SaaS、不要先客製）跑一個試行版本 | 同樣流程自動化後的耗時、需要多少人工介入 |
| 第 3 週：算初步 ROI | 把前兩週的數字代進公式，含四類成本的粗估 | 預估回本期、預估第一年 ROI |
| 第 4 週：做決策 | 用五維度檢查一遍，決定放大、調整還是停手 | 五個維度各自過不過關、最大的風險是什麼 |
這張表的價值，在於它把「要不要花大錢導入」這個大決定，拆成一個花費很低、又能拿到真實數字的小實驗。30 天跑完，你手上會有三樣東西：一個有憑有據的回本期、一份五維度的體檢結果，還有對最大風險的清楚認識。
判斷準則也很單純。如果 30 天試跑算出來的回本期超過 12 個月，先暫停，回頭找更痛、ROI 更高的流程重來；如果落在 12 個月以內、五維度也大致過關，就值得放大投入。 一般來說，報價、客服、行政這類核心流程自動化，因為導入單純、見效快，回本期通常比較短；行銷自動化、推薦系統中等；需求預測、庫存這類預測型的應用，因為前期資料準備工作多，回本期通常拖得比較長。回本期跟流程類型有關，跨類型直接比並沒有意義，重點是它有沒有落在你能接受的範圍內。
有了 30 天的真實數據，最後再避開幾個算 ROI 時最常踩的坑，這份判斷就更穩了。
算 ROI 時，最常被自己騙過去的幾件事
就算公式、成本、維度都做對了，計算過程裡還是有幾個地方特別容易自我欺騙。把它們先標記出來，數字才不會在不知不覺中被灌水。
第一、把試行期的漂亮數據當成常態。 試行期大家特別關心、特別認真，效果常常被放大，這在管理學上叫霍桑效應。等新鮮感過去、大家習慣了，數字往往會回落。所以試行期最好拉到至少 8 週，而且要刻意涵蓋平日跟假日、忙時跟閒時，避免只看到最好的那一面。
第二、把「不導入也會發生的成長」算成 AI 的功勞。 導入 AI 客服後營收成長 12%，看起來很厲害，但如果同期整體產業本來就在成長 8% 到 10%，那 AI 真正的貢獻其實只有兩三個百分點。算效益時要先扣掉產業的自然成長，剩下的才是自動化真正帶來的部分。
第三、成本只算建置、不算長期。 第一年因為效益還沒被維運費吃掉，ROI 常常特別好看；到了第二年要重新訓練模型、要追加調整，數字就會往下修。比較踏實的做法是用三年的總持有成本來算，把模型維護、人員培訓、合規檢查全部攤進去再看。
第四、用樂觀數字說服老闆。 試算時建議一次給保守、合理、樂觀三個版本，內部評估主推合理檔，向上報告時用保守檔。只給一個漂亮數字的試算，事後幾乎都對不上，反而會傷到你下一個專案的信任額度。
這幾個坑的共同點，是它們都讓 ROI 看起來比實際好。提早把它們認出來，你算出來的數字才撐得起真正的決策。
把 ROI 算清楚，AI 怎麼選都不會差太遠。
回到開頭那個被老闆問倒的場景，AI 流程自動化划不划算，從來不是一個玄學問題，而是一道有公式、有步驟、可以一格一格填完的計算題。把效益的三條線、成本的四個類別、判斷的五個維度都攤開來，再用 30 天跑一輪小規模驗證，划算與否的答案自然會浮出來。
真正會繞冤枉路的，是那些把 ROI 丟到專案結束才算的老闆，等做完才發現算不出來，錢已經花了，士氣也耗了。反過來，願意在導入前就把這道計算題寫滿的人，AI 工具怎麼選，方向都不會偏到哪去。下次評估任何一個自動化專案之前，先拿這條公式跟那張 30 天的表，把數字一個一個填進去再決定。算清楚，永遠比做完才後悔便宜。