廠商的 AI 提案怎麼審？簽約前問這五個問題

「廠商說導入 AI 之後，客服可以省下很多人力，Demo 看起來也很厲害。熊董，你覺得可以簽嗎？」

最近這類問題越來越多。老闆手上拿著一份提案，裡面有漂亮的架構圖、一段流暢的 Demo 影片、一串聽起來很先進的技術名詞，還有一個很誘人的效益數字。他直覺覺得哪裡怪怪的，但說不上來是哪裡。

我是熊董，川輝科技創辦人。帶團隊做系統導入七年，經手超過 34 個案子、14 個以上產業，現在一個人加 AI，一年交付 2,000 萬以上的客製系統。我最常跟老闆講的一句話是「這個不要做」：十件想自動化的事，大概兩件值得寫系統、五件用現成工具就好、三件根本不該碰。所以先講結論：審 AI 導入廠商的提案，不要先看技術，先問五個問題。第一，這個提案要解決哪一條流程，現在的基準線是多少；第二，Demo 用的是誰的資料，有沒有用你的真實資料跑過；第三，AI 出錯的時候怎麼辦，誰確認、錯了能不能回復；第四，上線後誰維護，用量費用怎麼算，資料和設定歸誰；第五，什麼叫做完，驗收標準是什麼。五題都答得具體的提案才值得往下談，任何一題答得模糊，就先退回去請廠商補。

為什麼 AI 提案特別難審？

先替你講句公道話。會去找廠商要 AI 提案，代表你已經意識到 AI 可能改變你的生意，不想被同業拉開距離。這個直覺是對的，比完全不碰好得多。

但 AI 提案確實比一般系統提案更難審，原因有四個。第一，Demo 太容易做得好看。用整理好的資料、挑過的問題，AI 的表現常常很驚豔，跟放進真實環境的表現可能差很多。第二，AI 的結果不是百分之百固定的，同一個問題可能有不同的回答，傳統「功能有沒有做到」的驗收方式不太夠用。

第三，費用結構不一樣。除了開發費，很多 AI 服務還有依用量計算的費用，用得越多付得越多，提案裡常常沒寫清楚。第四，效益很難驗證。「提升效率」「節省人力」聽起來都對，但沒有基準線，你永遠不知道到底省了多少。

這四個難處加在一起，就是為什麼很多公司簽了 AI 專案，半年後說不出它到底有沒有用。AI 導入要花多少錢、有哪幾種做法，我在AI 導入要花多少錢？三種做法的價格、時間與適合誰有整理，這篇專注在拿到提案之後怎麼審。

問題一：這個提案要解決哪一條流程？基準線是多少？

這是最重要的一題，也是最多提案答不好的一題。很多 AI 提案講的是能力，例如「智慧客服」「自動分析」「AI 助理」，卻沒有講清楚它要接手你公司裡的哪一條流程。

好的提案應該說得出：這是哪一條流程、現在誰在做、一天或一週發生幾次、每次花多少時間、目前錯誤或漏掉的情況有多少。這就是基準線。沒有基準線，「省下人力」就只是一句形容詞。

如果廠商說不出來，你自己要先量。舉一個假設的例子：你想用 AI 處理客服訊息，那就先記錄一週，看每天進來多少則、多少則是重複問題、平均多久回覆、有多少則漏回。有了這幾個數字，你才能判斷提案承諾的效益合不合理，上線後也才能驗證。

基準線至少量這四個數字

不需要很精密，用一兩週的紀錄就夠，但至少要有這四個：這件事多久發生一次、每次花多少時間、目前錯誤或漏掉的比例、由誰在做。前兩個決定了效益的上限，第三個決定了品質有沒有改善的空間，第四個決定了上線後誰的工作會改變、誰需要被說服。

很多老闆量完會發現一件事：自己以為最花時間的流程，其實不是最花時間的；真正吃掉人力的，是另一件沒人注意的小事。這個發現本身，就可能讓你把提案的方向整個調整。

還有一個要追問的：這條流程是不是真的值得用 AI 做。有些事用現成工具或簡單的規則就能解決，不需要 AI；有些事一個月才發生兩次、每次規則都不一樣，做了也沒人維護。先確認它屬於那「兩件值得做」的，再談怎麼做。

問題二：Demo 用的是誰的資料？有沒有用你的真實資料跑過？

廠商展示的 Demo，資料通常是乾淨的、格式統一的、問題是挑過的。你公司的真實資料則是另一回事：客戶名稱有好幾種寫法、品項編碼不一致、訊息裡夾著錯字和縮寫、有一大堆例外狀況。

所以要問：這個 Demo 用的是什麼資料？能不能拿我們的真實資料，挑一條流程跑一次看看？不需要一開始就做大，用一小批真實資料、一個具體情境測試，結果比任何簡報都有說服力。

測試要先講好「怎樣算成功」

很多公司會做先導測試，但測完就沒下文。問題通常出在開始之前沒講好：測什麼、用多少資料、達到什麼標準就繼續、沒達到怎麼辦。這種測試做完只會留下一句「看起來還不錯」，沒有人能據此做決定。這個坑我在先做 POC 再說？POC 做完就沒下文的三種公司講過，AI 專案一樣適用。

建議在測試開始前寫下三件事：用哪一批真實資料、成功的標準是什麼、成功之後下一步是什麼。這樣測完就能直接決定要不要往下走。

問題三：AI 出錯的時候怎麼辦？

AI 一定會出錯，這不是廠商能力的問題，是這項技術的特性。所以重點不是「會不會錯」，而是「錯了怎麼辦」。好的提案會主動說明：哪些步驟由 AI 自動完成、哪些步驟需要人確認、出錯時怎麼發現、錯了能不能回復。

判斷原則跟所有自動化一樣：出錯代價低、容易回復的，可以讓 AI 自動做；出錯代價高、難以回復的，例如對外報價、付款、對客人的正式承諾，應該讓 AI 準備好，由人按下最後確認。這條線切在哪裡，我在有些事你不該自動化講得比較細。

「人工確認」也要符合實際怎麼工作

這裡有一個我自己踩過的坑。我曾經做過一個流程：每天發文前推播給我核可，我按了才發。聽起來很安全，結果連續八張卡，我一張都沒按，全部過期。技術沒有壞，是這個設計不符合我實際怎麼工作。

所以審提案時，不只要問「有沒有人工確認」，還要問「確認的人是誰、他什麼時候有空看、看一次要花多久、沒看會怎樣」。一個需要老闆每天按十次的確認機制，最後通常會變成沒人按，或是大家不看就全部按過。

問題四：上線後誰維護？費用怎麼算？資料歸誰？

AI 系統上線不是結束，而是開始。它需要持續調整：你的產品變了、價格變了、客人問的問題變了，AI 的設定也要跟著改。所以要問清楚：上線後誰負責調整、怎麼收費、回應時間多久。

費用部分要特別注意用量費。很多 AI 服務背後使用的模型是依用量計費，計費方式以各服務的官方公告為準。提案裡要寫清楚：預估一個月的用量是多少、對應的費用大概多少、用量增加時怎麼算、誰付這筆錢。沒寫清楚的，上線後的帳單可能會讓你嚇一跳。

最後是資料和設定的歸屬。你提供的資料、AI 處理後產生的資料、提示詞與流程設定，這些東西歸誰？如果有一天不跟這家廠商合作了，你能不能把它們帶走？這一點跟一般系統外包一樣，簽約前講清楚，比事後爭取容易得多。

另外也要問：底層使用的 AI 模型如果改版或停止服務，誰負責更換和重新測試？模型更新是這個領域很常見的事，同樣的設定在新版本上的表現可能不一樣。提案裡有說明這種情況怎麼處理的，代表廠商有長期維運的經驗；沒提到的，就請他補上。

問題五：什麼叫做完？驗收標準是什麼？

最後一題，是把前面四題收斂起來：這個專案做到什麼程度算完成？好的驗收標準應該連回第一題的基準線，例如「這條流程的處理時間從多少降到多少」「漏接的訊息從多少降到多少」，並且用真實資料、在真實環境裡驗。

驗收也建議分段。先讓一條流程在真實環境跑起來、達到標準，再擴大到下一條。一次承諾整間公司全面 AI 化的提案，往往是最難驗收、也最容易爛尾的。

付款也可以跟著驗收分段。第一條流程在真實環境跑起來、達到約定的標準，才付下一段；這樣廠商的利益和你的成果是綁在一起的。願意這樣設計付款的廠商，通常對自己的交付比較有把握。驗收時也要留意，標準是「用真實資料在真實環境達到」，而不是「在測試環境裡展示過」，這兩者常常差很多。

還有一件事要在這一題一起問：公司裡誰負責這件事？AI 專案不能只靠廠商，你公司裡要有一個人懂它在做什麼、知道出問題時找誰、能判斷要不要調整。沒有這個人，系統上線之後很快就會被晾在一邊。

五個問題的好回答與危險回答

把上面五題整理成一張表。拿到提案時，逐題對照，看廠商的回答比較接近哪一邊。

問題	好的回答長什麼樣	要小心的回答
解決哪條流程	指出具體流程、現在誰做、花多少時間	「全面提升效率」「打造智慧企業」
用誰的資料	願意用你的真實資料先跑一小段	「Demo 就是實際效果」
出錯怎麼辦	說明哪步自動、哪步人確認、錯了怎麼回復	「我們的 AI 很準，不太會錯」
維護與費用	列出維護方式、用量預估與計費方式	「上線後再看用量」
什麼叫做完	驗收連回基準線，分段驗收	「系統交付就算完成」

任何一題落在右邊，就請廠商補充說明，補不出來就先不要簽。五題都落在左邊，這個提案才值得進入價格和合約的討論。

如果你的公司有 IT、有預算，但沒有人能判斷「這件事該不該做、該找誰做、提案合不合理」，這種時候找一個站在你這邊、不負責執行的人一起看提案，通常比多比一家廠商有用。什麼情況需要找顧問、顧問費怎麼算，可以參考企業需要 AI 顧問嗎。

常見問題

AI 導入廠商怎麼選比較不會踩雷？

先不要比技術和價格，先用五個問題篩：要解決哪一條流程、有沒有用你的真實資料跑過、出錯時怎麼處理、上線後誰維護與費用怎麼算、驗收標準是什麼。答得具體的廠商才進入比價，答不出來的先淘汰。

AI 提案裡的效益數字可以相信嗎？

要看它有沒有基準線。如果提案說得出你目前這條流程花多少時間、錯多少，並且承諾用同樣的方式在上線後驗證，數字才有參考價值。沒有基準線的效益數字，只能當作行銷用語。

AI 專案一定要先做先導測試嗎？

建議要，但範圍要小、標準要先講好。用一小批真實資料、一條具體流程測試，並在開始前寫下成功標準和成功後的下一步。沒有標準的測試，做完通常只會留下「看起來還不錯」。

AI 系統上線後還要付哪些費用？

常見的有兩種：維護調整的費用，以及依用量計算的服務費。用量費依使用的模型與服務而定，計費方式以官方公告為準。簽約前請廠商列出預估用量、計費方式和由誰支付，避免上線後才發現帳單超出預期。

結語：不是 AI 不好，是提案還沒回答你的問題

AI 提案難審，不是因為你不懂技術，而是很多提案根本沒有回答一個老闆該問的問題：這件事做了，我公司的哪一條流程會變好、好多少、怎麼證明。五個問題問完，好的提案會越來越清楚，有問題的提案會自己露出破綻。

如果你手上正有一份 AI 提案拿不定主意，或者還不確定該不該做，帶著那份提案來，我們用30 分鐘免費診斷一起看，結論也可能是「這個不要做」。