企業 AI 專案成本怎麼估？一次性、每月與單位成果完整拆解
企業 AI 專案成本不只是一張模型 API 帳單。資料整理、系統串接、權限、安全測試、人工複核、監控與持續維護，常比展示階段更容易被漏算。可靠的估算應把一次性建置、固定月費、用量成本、人工營運與預備金分開，並能隨價格與使用量更新。
先定義一個可計價成果
不要只算 token 或呼叫次數，先定義業務單位，例如每份成功整理的案件、每個附來源的知識庫回答、每張由人確認的工單。FinOps Foundation 的 AI 成本資料強調 workload 與結果層級的估算，因為相同模型費用可能產生完全不同的業務價值。
單位成果成本可以先用「期間內總成本 ÷ 通過品質門檻的成果數」。分母不能包含失敗、重試或最後沒被使用的輸出，否則成本看起來會比真實情況漂亮。
一次性建置成本
- 需求訪談、流程盤點與目前基準量測。
- 文件清理、資料轉換、權限與資料使用審查。
- 提示、RAG、規則、自動化與系統串接。
- 測試集、資安、隱私、容量與使用者驗收。
- 教育、文件、交接與上線演練。
可先使用AI 專案預算估算器把以上項目分開輸入，再將結果帶入AI PoC 計畫書。試算器只計算你輸入的假設，不是市場報價。
每月固定與用量成本
固定成本可能包括平台席次、監控、資料庫、支援方案與最低承諾；用量成本可能依 token、圖片、音訊分鐘、文件索引、搜尋、儲存、網路與外部 API 計算。自架還要加入運算資源、備份、更新、值班與容量閒置。
模型單價會變，估算表應保存查價日期、幣別、折扣、稅與來源，單價放在可替換欄位，不寫死在商業計畫。另做低、中、高三種用量情境，觀察尖峰、重試與輸出長度對總額的影響。
最容易漏掉的人工成本
正式營運需要抽查錯誤、處理無答案、更新知識、撤權、回覆使用者、調查事故與重測版本。把每月維運時數乘以實際完整人力成本，而不是只算工程師寫程式的時間。若高風險輸出每件都要專業人員複核，也要計入每件人工時間。
成本不一定要全部降到最低。較便宜的模型若造成更多人工修正、錯誤或重試，單位成果成本可能更高。品質、延遲與成本必須在同一個真實測試集比較。
加入預備金與停止門檻
初次估算可由組織自行設定預備比例，涵蓋需求變更、資料品質、外部服務調整與匯率；不能把預備金當成精準風險價格。更重要的是設定警戒與停止條件，例如月成本超出預算、每個合格成果成本高於人工替代方案，或品質下降時暫停擴大。
依企業 AI KPI 指南同時追蹤價值、品質、採用與風險，並把成本歸屬到情境、部門和 owner。若還在選擇自建或採購，接著看企業 AI 自建還是購買。
每月複查表
- 預估與實際的一次性、固定、用量與人工成本差異。
- 成功成果數、失敗重試、人工修正與未使用輸出。
- 各部門、情境、模型與供應商的成本歸屬。
- 單位成果成本是否仍低於停止門檻。
- 模型、架構、快取或流程改善後，品質是否維持。
主要資料來源
- FinOps Foundation：Cost Estimation of AI Workloads
- FinOps Foundation：FinOps for AI
- FinOps Foundation：Unit Economics