中小企業 AI 採購：買、試辦，還是不買

現在去問軟體廠商「你們這套有沒有用 AI」，得到的答案一律是有，語氣還跟上個月才把這兩個字加進簡報的人一模一樣。這兩個字已經不能拿來分辨任何東西了。老闆真正要問的其實小很多：就這套、就這條流程、就這個價錢，跟公司裡現在的做法比起來，到底有沒有比較好。AI 採購說到底是在配置資本，只是帳單長得像月費訂閱，而答案永遠只有三個。

買，是證據撐得住，投入的程度也跟結果相稱。試辦，是案子看起來可以，但有個假設非得放進你自己的流程才驗得出來。不買，是這點價值扛不動它帶來的成本，也扛不動後面那條解不開的依賴。

這篇從應用情境確定之後才開始。你如果還在找 AI 到底能用在哪，那是另一個問題，起點也不一樣。以下都假設你已經講得完這句話：我們想把 X 降到 Y，而且不能犧牲 Z。

先把比較對象補回來

供應商做展示，等於是拿產品去跟「什麼都沒有」比。畫面上出現的是模型表現最好的那一刻，操作的人心裡也很清楚哪一段指令會跑出那個結果。缺席的是對照組，而補上對照組是你的事。

MIT 的 Project NANDA 在 2025 年提出，企業做生成式 AI 試辦專案，大約 95% 在損益數字上看不出可衡量的影響。這個數字有人質疑，也該質疑：它背後是 150 場高階主管訪談、350 份員工問卷、300 個公開導入案例，量的是導入後大約六個月內的損益變化。不過方向站得住，那些專案很少輸在模型不夠好，多半輸在從頭到尾就沒接上一條帶著數字的流程。

所以請先把數字寫下來。四行，在看展示之前：

• 今天的基準線。 這件事現在花掉多少時間、多少錢，錯多少次，拖多久。要量過，不能憑印象。
• 想達到的結果。 改善到什麼程度，這件事才值得做。
• 價值單位。 改善一單位，換成現金、產能或省下的外包費，值多少。
• 可以接受的失誤水準。 輸出可以錯到什麼程度，錯了之後誰收拾。

寫出來大概長這樣：一份提案現在要花 2.5 小時的員工時間，一年做 40 份，只要準備加覆核的總時間掉到 1.5 小時、成交率不掉，就值得做。

接著把替代方案攤開來。誠實的名單通常包括維持現狀、你早就在付錢卻沒開的某個非 AI 功能、連模型都不必用的規則式自動化、把流程重新設計一次、外包，或者乾脆請一個人。產品確實有效益，跟這筆錢花得划算，是兩件事；更便宜的做法早就把大部分效益拿走了，剩下那一截往往不值那個價。

先分類，再挑供應商

會計軟體裡順手附贈的 AI 功能，跟一套從頭打造的客製系統，放在同一張比較表上其實沒有意義。兩者的成本結構、壞掉的方式、資料會跑到哪裡、將來想抽身有多難，全都不一樣。先分類，再評分。

原則很簡單：解決得了問題的做法裡面，先挑複雜度最低、依賴最少的那一種；多出來的價值付得起多出來的成本跟風險，才往上走一級。這不是說內建功能比較高明，而是說複雜度要有人講得出理由，不能預設。

內建 AI 最容易整個溜過審查，正因為它看起來人畜無害。功能長在你早就信任的系統裡，它照樣在碰你的資料，照樣吐出需要有人看過的結果，供應商想改的時候也照樣說改就改。跟著軟體一起送上門，這是一條採購途徑，不是免審通道。

自動化跟代理人層要拉高門檻，理由剛好倒過來。系統一旦可以寄出、核可、寫進去、刪掉，而不只是給你一份草稿，出錯的後果就不再跟做了幾件事成正比，而是跟權限摸得到多遠成正比。自動化本身就有一整套設計課題；決定下一步的換成模型而不是規則，課題只會更多。

買、試辦、不買：一張自己做得完的健檢表

這張表的用處，就像自己在家先量體溫、量血壓：量得出該不該掛號，量不出到底是什麼病。六個面向，每個面向 0 到 4 分，滿分 24 分。刻度比總分重要。

每個分數旁邊，順手記一下證據哪裡來的：自己流程裡實測過、合約或文件上寫著、第三方獨立資料、供應商給的資料，或者根本只是假設。這一欄看起來不起眼，卻是整張表最吃重的地方。同樣拿 4 分，一個憑供應商的案例故事，一個憑你自己店裡量出來的基準線，這兩個 4 分不是同一回事；多了這一欄，差別就攤在檯面上，不會包得漂漂亮亮再埋掉。

六個面向刻意不加權。加了權重，跑出來的是一個看起來很精確的小數，而商業價值拿高分，在算術上就把一個不能接受的資料問題吸收掉了。等權重再加上幾條一票否決，反而誠實。

總分怎麼讀。20 到 24 分，買：條件是沒有任何面向低於 3 分、沒有踩到一票否決，而且證據來自跟實際部署差不多的條件。13 到 19 分，試辦：或者分數更高、但有個特定假設還沒驗，而一場有邊界的實驗驗得出來。12 分以下，不買：或者某個弱點修不起來，修的代價跟效益差太遠。這幾條門檻是我們編出來的工具，不是產業標準；真正吃重的還是證據那一欄。

商業價值與流程契合度

展示會挑模型表演得最好的那一段來演。採購要算的卻是整份工作：資料進來、AI 處理、人工覆核、下決定、留紀錄，還有東西缺一角或結果出錯的時候，那條例外路徑要怎麼走。

三十秒生出一份草稿，聽起來很快。員工接著花十九分鐘檢查、改格式、搬資料、修錯字，那就什麼也沒省到。要量的是導入 AI 之後那條流程，不是 AI 那一段的產出。

省下的毛時間，跟真正兌現的價值，中間還隔了一段。每週理論上省五個小時，不等於五個小時的人力成本就此消失。你省下的那五個小時，得變成多接的訂單、少付的加班費、省掉的外包、往後推的一次招募，或者更快的週轉，才配得上接近全額的估值。給它一個兌現率，而且要說得出這個數字怎麼來的。

情境的影響，比供應商願意承認的還要大得多。《經濟學季刊》登過一項研究，追蹤 5,172 位客服人員，用了 AI 助理之後平均生產力提高 15%；不過拆開看就不是這麼回事。資歷淺、技能較低的那一群，速度跟品質一起變好；資歷最深、技能最高的那一群，速度只小幅提升，品質反而小幅退步。同一個工具、同一家公司，換一批人，答案就不一樣。別人公司量出來的數字，不能拿來當你公司的預測值。

經濟性

價格比較表可以直接丟掉。訂閱價格每一季都在動，而且會把人引去問錯的問題。第一年真正要付的，是授權費或用量費，再加上設定、整合、教育訓練、員工覆核跟品質把關、行政維運、這個情境要做的資安或隱私工作，還有這個決定本身製造出來的轉換成本。便宜的軟體可能是昂貴的流程，貴的軟體也可能是便宜的產能。

有三個數字，可以讓這件事真的打得了算盤：

• 每件任務淨省下的時間。 毛時間扣掉下指令跟準備、扣掉覆核、扣掉重做、扣掉例外處理。
• 每件合格產出的成本。 所有算得到頭上的工具跟營運成本，除以真正達到標準的產出件數。
• 簡單報酬率。 可衡量的效益減掉總成本，再除以總成本。

導入時一次付掉的、每期固定要付的、跟著用量跑的，這三筆要分開看。便宜的概念驗證長成正式流程，或者整合做完一次以後變成沒人估過的維護工，差別就出在這裡。你如果已經有一套把支出綁在策略上的預算架構，這筆採購就該進那個架構，而不是擺在旁邊自己記帳；至於整體科技預算裡到底該撥多少給 AI，那屬於更上層的數位投資決策。

資料與治理

先問兩件事：什麼資料會進到這個系統，這個系統可以拿它做什麼。老闆自己就問得完的盡職調查，大概七題：

• 哪些客戶、員工、財務或機密資訊會送進去。
• 除了把服務做出來，供應商還能拿你送進去的內容跟產出做什麼。
• 資料放多久，刪除或合約到期的時候怎麼處理。
• 公司內外，哪些人碰得到這項功能跟這些資料。
• 這個產品底下，是不是還壓著另一個模型或另一家第三方。
• 結果碰到客戶、員工或款項之前，由誰負責看過。
• 供應商改了模型或改了條款，而你的流程剛好靠著那一塊，會怎麼樣。

隱私跟資安有關係，但不是同一件事。供應商可以把市面上的資安認證全部拿齊，同時提出一種對你的義務來說並不合適的資料用法，因為有些傷害來自資訊的處理方式，而不是來自有人闖進來。加拿大的老闆對這點已經有警覺；根據加拿大統計局的調查，限制 AI 使用最常被提到的障礙就是資安或隱私疑慮，有 13.4% 的企業提到，排在成本的 10.6% 前面。

這一段到你的內部規章為止。可接受用途、誰要負責、跨工具通用的常設控制，那些屬於一份寫下來的 AI 政策，不屬於單一次採購。

使用者採用

要看的不是工具好不好，是人加上工具之後，事情做得好不好。找得到代表性的使用者嗎，他們操作得起來嗎，知不知道什麼時候該信、什麼時候該把一份輸出退回去，覆核的負擔會不會把省下的時間吃光，還有一個更現實的：新鮮感過了以後，他們還在用嗎。

小公司最省的地方，往往正好在這裡。加拿大過去一年用過 AI 的企業裡，員工 1 到 4 人的公司只有 24% 替現有員工做過 AI 訓練；員工 100 人以上的，比例則是 68.1%。這兩群公司後來拉開的差距，不會是軟體的差距。

供應商與退場風險

有個問題能把其他事情一起照亮：假設十二個月後我們要把這套拿掉，什麼東西會壞。你應該講得出紀錄跟設定怎麼倒出來、整合怎麼拆、流程怎麼接回去或搬走、留在對方手上的資訊怎麼辦，還有誰去跟同仁說明。

依賴有多深，是流程跟轉換難度決定的，不是帳單決定的。月費不高，照樣做得出一個你三個月內解不開的承諾。好消息是，這件事現在就想得清楚；但也只有現在想，才來得及寫進條件裡。這個工具在營運上越關鍵，退場計畫就越該出現在最初那個決策裡。

五個紅燈：總分再高也要停

有些發現看到就該停，不管總分幾分，因為一個面向表現好，不該拿去抵掉另一個面向的根本毛病。

• 牽涉到敏感、機密或受規範的資訊，而你確立不了可以接受的處理、保存、存取跟資安條件。
• 後果嚴重的流程，沒有可行的人工覆蓋、例外路徑或備援。
• 核心表現沒辦法拿你真正的任務去測，只能看供應商自己挑好的範例。
• 會做出營運上關鍵的依賴，卻沒有可信的延續或退場路徑。
• 資料使用、所有權、支援義務、終止條件這些實質權利，談不到可以接受，或者講不清楚。

五個裡面不是每一個都等於永久拒絕。有幾個會把決策改成「先解決再說」，或者「送出去給專業的人看」。資安文件寫不清楚，是該找專家驗證的理由，不是供應商不安全的證據。

讓試辦真的走到結論

試辦是一場商業實驗，不是加長版的展示。它要解決的，就是那幾個讓你只給 2 分而不是 4 分的假設。動手之前先把假設寫成一句話：針對這一組界定清楚的任務，這套方案會讓平均完成時間至少降低 X，品質守在 Y 以上，總成本低於 Z，而且不會冒出無法接受的資料、流程或採用問題。

要量的東西分三組。效率這一組：基準完成時間、導入 AI 之後的端到端時間、每件合格產出的成本。品質跟負擔這一組：不必大改就過關的產出比例、錯誤率、人工覆核時間、例外發生率。現實這一組：目標使用者到底有沒有在用、上線之後才浮出來的存取與控制問題，還有工具不能用的那幾天，事情照不照常。

拿有代表性的工作去測，難的、怪的案例都要放進去，也要讓真正會操作或監督的員工參與。時間盒用營運週期去設，別用日曆。一天做兩百次的公司，兩個星期就攢得出證據；一週做一次的，可能要一整季。三十天是慣例，不是停止規則。

收尾的時候只有四種結果。買，證據把弱的分數拉起來了。重新設計再測一次，某個具體的修正說得通，值得再試一輪。轉診，資安、隱私、法遵或整合上的發現要有資格的人來看。不買，價值沒出現、流程負擔太重、成本不吸引人，或者這個依賴講不出道理。

不買本身就是好結果，只要它擋掉一筆糟糕的承諾。加拿大統計局的統計顯示，40% 的加拿大企業認為 AI 跟自己的業務無關，過去一年真的用過的是 19.2%，兩年前這個數字還是 6.1%。那 40% 裡面，有些是漏看了什麼，也有些是看過了，而且看對了。

什麼時候該轉診

評分表的用處，是告訴你什麼時候該掛號，不是替你看病。

以下這幾種情況，找資安或隱私專業：牽涉敏感或受規範的資料；資料流向或再委託的第三方交代不清；資安宣稱、稽核報告需要人做技術判讀；部署會動到身分跟存取架構；或者自動處理的後果，你不會希望它由一句很有把握的業務回答決定。公司本來的防護就薄的話，先把小型企業面對的威脅樣貌弄清楚，再去把邊界拉大。

以下這幾種情況，找系統整合或導入專業：要客製 API 或中介層；好幾套營運系統之間要雙向交換資料；權限跟身分開始變複雜；提案裡有客製開發或量身打造的資料架構；或者代理人會在正式環境動手，而監控、回復、汰除都要有人設計。

轉診不是承認自己不行。看起來自己解得掉的法律問題，最後還是送給律師，這是同一種直覺；而這件事應該長在更上層的科技策略裡，不是等合約簽完才補。

一頁決策紀錄

決策收在一頁上就好。六個月後重建不出來的決策，等於要從頭再做一次。

最後一列才是真正值回票價的那一列。你講得出具體要看到什麼證據才會改變決定，那試辦就是合理的；沒有人講得出來，公司其實是在拖一個「不買」的決定，每個月照樣扣款，最後只留下一張沒人再打開的決策紀錄。

常見問題

沒有技術背景，怎麼評估 AI 工具？

要評的是商業決策，不是技術。老闆自己做得到的事情不少：把基準線量出來、界定花這筆錢要換到什麼、把整條流程畫出來（覆核跟例外都要畫進去）、在真實用量下把總成本算完、把合約裡關於資料使用跟終止的條款讀懂，然後找真正會用的員工，拿有代表性的工作測一輪。這些都不必看得懂模型架構。真正需要技術幫忙的是驗證資安宣稱、判讀稽核報告、設計整合，以及評估那些會自動動手的系統。老闆層級的評估要做得好，關鍵在於分得清哪些題目自己扛、哪些該送出去，然後在送出去的那些題目有答案之前，先別簽字。

一次 AI 導入試辦該跑多久？

跑到攢出足夠有代表性的觀察為止，看的是你的量，不是日曆。一天做兩百次的公司，兩個星期可能就夠；一週做一次的，可能要一整季。停止規則該用觀察筆數，加上「現在到底在驗哪個假設」去設，不是預設三十天。有兩件事比長度重要。第一，難的、怪的案例一定要放進去，流程真正會壞的地方在那裡，覆核負擔也住在那裡。第二，試辦一定要走到一個決定。沒有預設指標、也沒有決策點的試辦，講白了就是掛著實驗名義的軟體月費。

軟體裡已經內建的 AI，是不是比較安全的選擇？

它通常是摩擦比較小的選擇，摩擦小跟安全不是同一件事。內建功能繼承了原本的整合、使用者的熟悉度，通常也繼承了現成的資料邊界，確實少掉好幾類導入風險。不過題目一題都沒少。它照樣在處理你的資訊，照樣吐出需要有人看過的結果，供應商改版的時候照樣會變，而且很可能綁在你原本沒打算買的較高方案裡。一樣拿六個面向跑一遍，特別注意這項功能碰得到哪些資料、關不關得掉，以及供應商哪天收掉它或重新定價，你的流程會變成什麼樣子。

AI 供應商評估最大的警訊有哪些？

不肯把資料處理方式寫進合約，尤其是不肯白紙黑字寫明你的輸入跟產出會不會拿去訓練模型。宣稱準確率卻不揭露錯誤率，也講不出系統走到能力邊緣會怎麼表現。報價算不出「用量變成預期的三倍時，最壞情況每個月要付多少」。抗拒有邊界的試辦，同時又要求多年期的承諾。終止的時候能匯出什麼、之後刪掉什麼，講得模模糊糊。這五項都是治理訊號，不是產品批評。對自己產品有把握的供應商，通常願意把答案寫進合約；不願意寫的那一家，等於免費告訴了你一件很有用的事。

這裡大半的紀律，其實就是把一般的投資紀律，搬到一個特別擅長閃避它的領域上；也正因為這樣，這套做法會活得比它刻意略過的那些產品名稱更久。你手上如果正好有個案子要拍板，想在錢動之前多一雙眼睛看過，這種對話我們很願意談；它跟決定錢該往哪裡去的更上層策略工作，本來就是同一件事的兩面。