核心結論
把同一期間內的軟體或 API、資料整理、流程設定、人工覆核、重試返工及維護成本全部相加，再除以通過品質門檻的任務數。失敗、重做或未通過覆核的任務不能放進分母，但其成本仍要留在分子。
執行摘要
核心觀察：AI 成本不能只看授權費或每百萬 Token 單價。若輸出需要多次重試、人工覆核與返工，便宜模型可能產生更高的單件完成成本。OECD 2026 年調查中，44% 受訪中小企業回報 AI 只有極少或沒有影響，39% 把軟體或技術維護成本列為數位採用障礙。行動建議：為一條高頻流程建立「每件成功任務成本」，把工具、人工、錯誤與維護成本納入分子，只把達到品質門檻的任務放進分母，連續量測一個正常業務週期後再決定模型與方案。
最便宜的模型，可能交付最貴的結果
企業常拿每月授權費或 Token 單價比較 AI，卻漏掉真正消耗預算的環節：員工整理資料、修改提示、等待回應、檢查輸出、重新執行與修正錯誤。若一個便宜模型需要三次嘗試與十分鐘人工覆核，另一個較貴模型一次就達標，前者未必更省。
OpenAI 建議用每件成功任務成本取代單看 Token 價格，把完成工作的全部成本除以達到品質門檻的任務數。[1] 這個方法不是特定模型的效能保證，而是一個企業比較方案的會計框架：同一批任務、同一品質要求、同一期間，才能公平比較。
先定義什麼叫做成功
每條流程先建立驗收門檻。例如報價摘要必須欄位完整、數字可追溯且格式可直接交付；客服草稿必須符合政策、引用正確資料並由人員在限定時間內完成確認。只要輸出需要重做、遺漏必要欄位或未通過覆核，就不能計入成功任務。
OpenAI Academy 建議保存基準、單位、期間與量測方法，同時記錄工時、等待、交接、返工、產量與品質。[2] 若節省時間是訪談估算，就標為估算；若來自時間戳記，就標為量測。小而可核對的證據，比把一週試跑直接放大成年節省更可信。
一張表算出完整單件成本
分子包含六類成本：軟體或 API、資料整理、流程設定、人工覆核、錯誤返工，以及維護與監控。分母只放通過驗收的任務數。再額外記錄每件處理時間、人工介入率與失敗原因，就能看出成本是來自模型、資料、流程設計，還是品質門檻不清。
Google Cloud 的成本最佳化指引也要求同時追蹤訓練、推論、儲存與網路成本，以及每次推論、每個資料點或每項任務的單位成本，並連回營收、節省、效率與準確性等商業指標。[4] 對中小企業而言，不需要先建大型平台，一份每週更新的試算表就能建立第一版基準。
關鍵要點
改算成功任務：完整成本除以達標任務數，才是可比較的 AI 單位經濟。
人工不能漏算：提示調整、資料整理、覆核、重試與返工都是交付成本。
品質先定門檻：沒有通過正確性、完整性與格式要求的輸出，不得放進成功分母。
分開即時與批次：客服回覆重視延遲，夜間報表重視成本，不能用同一種服務層級。
連續量一個週期：保留基準、期間、樣本與方法，再決定擴大、換模型或停止。
參考來源
Gather appropriate evidence of value
OpenAI Academy · 2026-07-17
https://academy.openai.com/public/clubs/champions-ecqup/resources/gather-appropriate-evidence-of-value-2026-07-17Empowering SMEs in the age of AI
OECD · 2026-04-13
https://www.oecd.org/en/publications/empowering-smes-in-the-age-of-ai_bf5a9816-en.htmlAI and ML perspective: Cost optimization
Google Cloud · 2025-05-28
https://docs.cloud.google.com/architecture/framework/perspectives/ai-ml/cost-optimizationNIST AI 800-2: Developing Evaluation Protocols for General-Purpose AI Systems
National Institute of Standards and Technology · 2026-01
https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.800-2.ipd.pdf115年度提升中小企業智慧化經營效能計畫申請須知
經濟部中小及新創企業署 · 2026-02-04
https://www.sme.gov.tw/files/14180/DD0D7FD2-C397-4CAC-AAB5-903F4CD6093C常見問題
Q：中小企業要怎麼計算 AI 每件成功任務成本？
A：把同一期間內的軟體或 API、資料整理、流程設定、人工覆核、重試返工及維護成本全部相加，再除以通過品質門檻的任務數。失敗、重做或未通過覆核的任務不能放進分母，但其成本仍要留在分子。
Q：為什麼不能只比較不同 AI 模型的 Token 單價？
A：因為 Token 單價沒有包含成功率與人工成本。便宜模型若需要更多提示、重試、等待或覆核，完成同一件工作可能反而更貴。比較時要固定任務樣本、品質門檻與期間，再看每件達標任務的完整成本。
Q：AI 成本表至少要記錄哪些數字？
A：至少記錄任務量、成功任務數、模型或授權費、人工處理分鐘、人工介入率、重試次數、返工件數與每件完成時間。另保留資料期間、樣本範圍與量測方法，才能判斷成本變化來自模型、流程或工作量。
Q：什麼情況適合換成更便宜的 AI 模型？
A：當目前流程已具備固定輸入、明確品質門檻與穩定成功率，才用同一批代表性任務測試較便宜模型。若每件成功任務成本下降，而且錯誤、人工覆核與處理時間沒有惡化，就可以在受控範圍逐步切換。
Q：AI 試點要量多久才能決定是否擴大？
A：至少跑滿一個正常業務週期，確保包含尖峰、例外與重複使用。台灣中企署 2026 年導入計畫要求期末提供至少四個月使用紀錄，企業內部小型試點可先按自身週期設定檢查點，但不得用單次展示代替營運證據。
由穹境科技 AI 情報系統生成 · 2026-08-18 · 資料來源見上方參考列表