AI 自動化 ROI 怎樣計？香港企業成本效益評估框架

「AI 回本快」是近年香港企業最常聽到的一句話，但這句話不能照單全收。市面上流傳的回收期數字，多數來自軟件供應商委託的研究報告，樣本與財務模型未必對應你公司的規模、流程與人力結構。本文不談願景，只談一件事：企業 AI 自動化的成本、效益與風險，可以怎樣用一套可複製的方法算清楚，讓老闆與財務負責人拿着自己的數字做判斷。

以下內容由 ADWire Agency 團隊整理，結合香港本地實戰經驗與最新行業數據。

一、為何不能只計軟件授權費

很多公司在評估企業 AI 時，第一反應是打開報價單，看每月訂閱費多少。這個做法最直觀，卻也最容易低估總成本。軟件授權只是其中一格，其餘還有實作、測試、培訓、持續管理，以及員工抽時間參與項目的隱性成本。

Forrester TEI 框架把應計入的成本清楚分成幾類：軟件授權／訂閱、規劃與實作（第三方專業服務、內部人力、測試）、持續管理與維護，以及培訓及公民開發者。如果只計第一項，等於只看見冰山露出水面的一角。

忽略其餘成本會帶來兩個後果。一是預算超支：項目進行到一半才發現要請外部顧問、要做系統整合、要重新培訓前線同事。二是效益被高估：因為沒有把內部人力投入算成成本，回報看起來自然更好。對財務負責人而言，前者影響現金流，後者影響判斷，兩者都不容忽視。

來源：Forrester，The Total Economic Impact of Microsoft Power Platform

二、Forrester TEI 評估框架：四大元素與三年現金流

Forrester Total Economic Impact（TEI）是業界常用的投資評估標準框架，它以四大元素衡量投資價值：成本、效益、靈活性、風險。它不只看「一年賺多少」，而是把觀察期拉長到三年，並把風險因素反映在現金流上。

所謂靈活性，是指方案未來能否延伸應用於其他流程，帶來選擇權價值；風險則是透過風險調整，把不確定性折入預期效益之中。計算方式是以風險調整後三年現金流得出 ROI、NPV 與回收期，標準折現率為 10%。

來源：Forrester Total Economic Impact 方法說明

三、三條公式：ROI、NPV、回收期

不需要財務背景，也能掌握以下三條公式的核心邏輯。它們回答的都是同一個問題的不同側面：這項投資划不划算。

ROI（投資回報率）

公式是：ROI =（三年效益現值 − 三年成本現值）÷ 三年成本現值 ×100%。它回答的是「每投入一元，淨賺回幾成」。由於效益與成本都已折現並做風險調整，這個百分比反映的是扣除時間價值後的淨回報。

NPV（淨現值）

公式是：NPV = 效益現值 − 成本現值。它回答「這項投資在折現之後，淨值多少錢」。NPV 為正，代表按模型推算值得做；NPV 為負，代表效益現值追不上成本現值。

回收期

公式是：回收期 = 累計淨現金流由負轉正所需的時間。它回答「多久之後，累積效益才追上累積成本」。這個數字最受老闆關注，因為它直接關係到現金流壓力。

來源：Forrester TEI of Microsoft Power Platform（2024）

四、權威機構的實際數據

談到企業 AI 自動化的回報，最常被引用的兩份研究都來自 Forrester TEI。它們的數字相當可觀，但必須連同研究性質一併理解。

除了供應商委託的研究，也有獨立機構的調查值得參考。Deloitte《Global Intelligent Automation Survey》第 7 版（2022年6月）指出，企業預期未來三年平均成本下降 31%，高於 2020 年的 24%；而已經超越試行階段的企業，實際達成 32% 的成本下降。

McKinsey《The State of AI》（2025年11月）的數字則較為審慎：僅 39% 受訪者指 AI 對整體 EBIT 有貢獻，其中約 6% 屬高效能者，即 AI 貢獻不少於 5% EBIT。Deloitte《State of Generative AI in the Enterprise》Q4（2025年1月）亦提到，近四分之三受訪者稱其最先進的 GenAI 項目已達或超出預期，但達至價值的時間比預期長。

把幾份研究並排來看，訊號很清楚：回報確實存在，但分布極不平均，而「時間」往往比預期更長。

來源：Forrester TEI：Power Platform、Forrester TEI：UiPath、Deloitte Global Intelligent Automation Survey、McKinsey The State of AI 2025、Deloitte State of Generative AI in the Enterprise

五、成本組成比例：為何不能只看授權

最能說明「不能只看授權費」的，是兩份 TEI 研究的成本拆解。把它們的三年成本現值按項目列出，就會發現授權以外的支出相當可觀。

兩份研究的結構明顯不同：Power Platform 的授權佔 66%，是最大一項；UiPath 的授權只佔 23%，反而是持續營運佔 75%。差異來自方案性質與推行模式，但共同點是一致的——授權以外的實作、維護與人力成本佔比可觀，不應只計授權費。

對中小企而言，這個訊號尤其重要。如果一份預算只列了月費，卻沒有為實作與持續管理預留資源，那麼真正落地時，成本曲線會在毫無準備的情況下被拉高。

來源：Forrester TEI of Microsoft Power Platform（2024）、Forrester TEI of UiPath Automation（2021）

六、失敗率的真實數據：先假設會失敗

任何評估都應該先問一句：如果項目失敗，會損失什麼？這不是悲觀，而是把風險放進模型的方式。

RAND《The Root Causes of Failure for AI Projects》（2024年8月）指出，據部分估算，逾 80% 的 AI 項目失敗，是為非 AI 資訊科技項目失敗率的兩倍。Gartner 在 2024 年 7 月的新聞稿則預測，至少 30% 的生成式 AI 項目會在概念驗證（PoC）後被放棄，主因包括數據質素差、風險控制不足、成本上升，以及商業價值不明。

把這兩個數字放在一起看，會得出一個實務結論：失敗往往不是發生在技術本身，而是發生在數據準備、範圍界定與價值論證。反過來說，能夠在這三方面做足功課的項目，風險會明顯較低。這也是為何評估流程中，必須有一步專門處理風險調整。

來源：RAND，The Root Causes of Failure for AI Projects、Gartner（2024年7月29日）

七、回收期的行業實際範圍

回收期是老闆最常問的數字，但不同來源給出的答案差距很大。

為何差距如此大？關鍵在於「誰被計算在內」。Forrester TEI 的模型假設企業已具備一定成熟度，流程範圍明確、效益可以量化，因此回收期短。Deloitte 的調查則覆蓋大量仍在試行階段的企業，這些企業的固定成本已經付出，但效益基數仍小，平均回收期自然被拉長。

對香港中小企的實際意義是：不要拿行業最亮眼的數字當作自己的預期。合理的做法，是用自己流程的工時與人力成本，算出屬於自己的區間，再考慮落在範圍的哪一端。

來源：Deloitte Global Intelligent Automation Survey 第 7 版、Forrester TEI

八、無形效益如何量化

自動化帶來的效益，有些可以直接數出來，有些則較難。Forrester TEI 對這兩類有清楚處理。

生產力效益

以「節省工時 × 全職員工完全負載時薪（fully loaded hourly rate）× 50% 生產力轉換係數（TEI Standard）」計算。乘以 50% 是因為省下來的工時，不會全部轉化成等值的產出，部分會用於其他工作或休息。這個轉換係數讓估算更貼近現實，而不是把節省工時直接當成利潤。

錯誤率效益

以「避免錯誤次數 × 修正所需工時 × 時薪」量化，另外計算合規事件避免所帶來的價值。這類效益在金融、物流、零售等對準確度敏感的流程尤其明顯。

客戶回應速度

Forrester 指自動化可改善客戶忠誠度、平均消費等指標，但多數列為未量化效益，只作質化描述。此外，TEI 明列為未量化的項目還包括員工流失率、缺勤率與酌情努力。這些項目雖然重要，但不宜強行套上一個數字，以免高估回報。

來源：Forrester TEI of UiPath Automation（2021）

九、香港人力成本參考數字

要用公式算出效益，先要有香港本地的人力成本基準。政府統計處《2025年收入及工時按年統計調查》（2026年3月23日公布）提供了以下數字。

補充一個背景數字：2026 年 3 月香港約有 36 萬家中小企，佔企業總數 98% 以上，僱用約 120 萬人。這意味着大部分本地企業的流程規模，都適合用上述中位數作為起點推算。

示範：五步算出一個流程的每月效益

以下用文書支援職位示範。假設某流程每月節省 40 小時人手，數字僅作計算示範。

第一步：取月薪中位數 HK$17,500。

第二步：換算完全負載時薪。先計每月工時：每周 43.2 小時 × 4.33 周 ≈ 187 小時。月薪除以工時得 ≈ HK$93.6。再加上僱主強積金供款（5%，此例為 HK$875，攤分後約 HK$4.7），完全負載時薪約 HK$98。

第三步：確定每月節省工時，此例為 40 小時。

第四步：乘以 50% 生產力轉換係數：40 × 50% = 20 小時的等效效益。

第五步：乘以完全負載時薪：20 × HK$98 ≈ 每月 HK$1,960，即每年約 HK$23,500。

把這個每月效益放入公式，就能得出三年效益現值，再減去三年成本現值，得出 NPV 與回收期。關鍵是每一步都用可查證的數字，而非「應該差唔多」的估算。

來源：政府統計處《2025年收入及工時按年統計調查》、統計處按職業組別工資中位數、積金局強制供款、法定最低工資、中小企定義與數目

十、一個可直接使用的評估步驟

把以上方法整合，企業內部可以按以下五步做一次評估，全程不需要外部工具。

第一步：界定範圍

只選一條重複性高、規則清晰的流程，例如發票錄入、客戶查詢分流或報表整理。範圍越窄，效益越容易量化。

第二步：列全成本

按 TEI 的四類列出授權、實作、持續管理、培訓與人力投入，並以三年為期計算現值。

第三步：量化效益

用「節省工時 × 完全負載時薪 × 50%」計算生產力效益，另加錯誤率與合規事件避免的價值，不可量化的部分如實標示。

第四步：套公式

以折現率 10% 計算三年效益現值與成本現值，得出 ROI、NPV 與回收期三個數字。

第五步：做風險調整

參考 RAND 與 Gartner 的失敗率數據，對效益假設打折，並檢視數據質素、風險控制與價值論證是否到位。

完成這五步後，你會得到一個屬於自己公司的區間，而不是一個抄回來的漂亮數字。這個區間才是可以拿上會議桌討論的依據。

常見問題

總結：把回報當成可以計算的問題

回到最初的問題：「AI 回本快」能不能照單全收？答案是不能。漂亮的數字往往來自供應商委託的模型推算，而真實企業的回收期，落在 6 至 22 個月的區間，並且深受規模、流程複雜度與數據準備程度影響。

但這不代表自動化不值得投資，而是代表它值得被認真計算。用 Forrester TEI 的四大元素列出成本與效益，用折現率 10% 計出風險調整後的三年現金流，再參考 RAND 與 Gartner 的失敗率為假設打折，你得到的就是一個可以拿上會議桌的區間，而不是一句口號。

如果你希望把評估落到實際執行，ADWire 提供工作流程自動化服務，從流程梳理、成本量化到落地推行，協助香港企業把自動化變成可衡量的項目；而企業 AI 應用服務則涵蓋由方案設計到系統整合的完整支援。先算清楚，再決定是否投入，往往是節省成本最有效的一步。