多數 AI 自動化專案都以同樣的方式結束：系統上線了，大家覺得「好像有比較快」，但沒有人說得出省了多少。原因不在 AI，而在沒有人記錄「導入前」的樣子。沒有基準，就沒有 ROI，只有感覺。

這篇說明怎麼在導入前建立基準、上線後如何驗算，以及哪些成本最常被漏掉。

為什麼多數團隊算不出 ROI

三個常見狀況：

  • 沒有導入前的數字。上線後才想衡量，只能用回憶估算，而回憶通常高估成效。
  • 衡量的是產出，不是結果。「每天處理 300 份文件」不是 ROI，「原本要 2 個人半天、現在 1 個人 40 分鐘」才是。
  • 只算節省，不算成本。忘了導入工時、人工覆核、模型費用與維運，帳面上的回本時間會被嚴重低估。

第一步：建立基準

在自動化任何事情之前，先把現況寫成一張表。挑一條流程，不要整個部門一起量。

項目怎麼取得範例
處理量系統紀錄或人工計數，取 2 到 4 週每週 420 份文件
單件工時實際計時 10 到 20 件，取中位數平均 6.5 分鐘
錯誤率事後更正、客訴或退件的比例每 100 件 3 件
一次錯誤的代價更正工時加上外部成本平均 25 分鐘加運費損失
人力成本完全負擔時薪，含勞健保與管銷每小時 NT$450
等待時間從收到到處理完的時間差平均 5.2 小時

用中位數，不要用平均值。 平均值容易被少數極端案例拉高，讓成效看起來比實際好。

最後一列「等待時間」常被忽略，但它往往才是客戶真正在意的。報價從 3 小時縮到 20 分鐘，對成交率的影響可能大於省下的人力。

第二步：挑值得做的流程

不是每件事都值得自動化。同時滿足下列三項的流程，回本最快：

  1. 量大且重複：每週至少幾百次，或佔掉一個人半天以上。
  2. 規則清楚或有大量歷史資料：判斷標準說得出來，或過去的正確結果有留存。
  3. 錯誤可被發現：結果送出前有人會看到，或系統能驗證。

反過來說，量少、規則靠個案判斷、而且錯了不容易發現的流程，先不要碰。那種流程用 AI 的風險遠大於省下的時間。

第三步：ROI 怎麼算

基本公式：

年度節省 =（單件節省工時 × 年處理量 × 人力成本）
        +（減少的錯誤件數 × 一次錯誤的代價）

年度成本 = 導入費用攤提 + 模型與服務費 + 人工覆核工時 + 維運費用

投資回收期（月）= 導入費用 ÷（（年度節省 − 年度經常成本）÷ 12）

示範計算（數字為假設，請代入你自己的基準）：

  • 單件從 6.5 分鐘降到 1.5 分鐘，省 5 分鐘
  • 年處理量 21,840 件（每週 420 件）
  • 人力成本每小時 NT$450

年度節省工時 = 21,840 × 5 ÷ 60 = 1,820 小時，換算約 NT$819,000。扣掉每年的模型費、覆核工時與維運之後，才是真正的淨值。

最常被漏算的四項成本

  1. 人工覆核：自動化不等於無人。信心度低的結果仍要人看，這部分工時要算進去。
  2. 資料整理：運價表、範本、歷史紀錄的清理，往往比模型本身花時間。
  3. 例外處理：頭幾個月的例外比例會高於穩定期，要預留人力。
  4. 維運：格式改版、來源系統更新、模型調整都需要持續投入。

把這四項算進去之後，如果回本期仍在 12 個月以內，這個案子通常值得做。

第四步：用試行驗證，不要一次全上

試行的設計比試行本身重要。建議：

  • 範圍：一條流程、一種文件或一個客戶群。
  • 期間：4 到 6 週，足以看到例外。
  • 資料：用真實資料，不要用挑過的樣本。
  • 成功標準事先寫下來，例如「單件工時降 50%，且人工更正率低於 5%」。

試行結束後，拿同一張基準表再量一次。數字達標就擴大，不達標就找出是流程、資料還是模型的問題，而不是直接放棄。

上線後持續追蹤

ROI 不是一次性的數字。準確率會隨著資料和格式變化而下降，維運沒有跟上的自動化，一年後可能比人工還慢。建議至少每季重新量一次單件工時與錯誤率，並保留人工覆核的紀錄，作為下一次調整的依據。

一句話總結

先量，再自動化，最後用同一把尺驗收。做不到第一步的專案，不管技術多好，最後都說不出成效。

如果你正在評估某條流程值不值得自動化，我們可以先做一次流程診斷，把基準表跟你一起填完，再決定要不要動工。