客製化 AI 系統開發費用怎麼算？從 3 萬到 500 萬的分水嶺在哪

依台灣公開的報價資訊整理，中小企業導入 AI 的費用大致可以分成四段。要注意這些是市場區間不是固定價目，實際仍要看需求。

第一段，3 到 8 萬：這一段做的是「把現成工具串起來」。典型組合是 LINE 官方帳號接 ChatGPT API，再用 Make 或 n8n 做自動化流程。除了建置費，每個月還要 1,000 到 3,000 元的訂閱費。這一段能解決的是重複性高、規則明確的事——自動回覆常見問題、表單進來自動分類通知。

第二段，15 到 60 萬：這是年營收約 3,000 萬的公司比較合理的 AI 年度預算範圍。這個金額可以做一到兩個真正客製的流程，而不只是串工具。

第三段，30 到 100 萬：單一流程的深度客製，或小型工廠的自動化導入。到這一段通常已經需要跟現有系統交換資料，而不是獨立運作。

第四段，50 到 500 萬：跨部門的企業級系統，需要整合 ERP、MES、CRM 這類既有系統。這一段的平均投資回收期約 12 到 18 個月——換句話說，如果你算不出這套系統一年能省下或多賺多少，這個規模的投入就還不該做。

很多人以為費用差在介面漂不漂亮、模型用得多先進。實際上決定價格的是這三件事，而且它們的影響是相乘不是相加。

第一，要串接幾個既有系統。一個獨立運作、資料自己輸入的工具，跟一個要從 ERP 撈資料、寫回 CRM、再通知簽核系統的工具，開發成本可以差三到五倍。每多一個整合點，就多一份對接、測試、以及對方系統改版時的維護責任。這是最常被低估的一項。

第二，你的資料是什麼狀態。如果資料散在各人的 Excel 裡、欄位命名每個部門不一樣、同一個客戶有三種寫法，那專案的前三分之一時間會花在資料整理上，而這段工作沒有任何畫面可以看，卻是真的要付錢的。反過來，如果公司已經有結構化的資料庫，這段可以幾乎跳過。

第三，系統要不要做判斷。「把 A 資料搬到 B 系統」跟「判斷這張單該不該放行」是完全不同的難度。前者規則寫死就好；後者要處理例外、要能解釋為什麼這樣判、還要有人工覆核的機制。需要判斷的系統，開發與測試時間通常是搬運型的兩倍以上。

拿到報價單時，這六項如果沒寫清楚，之後幾乎一定會有爭議。

一、範圍界線。「AI 客服系統」這五個字可以是三萬也可以是三百萬。要看的是列出來的功能清單，以及「不包含什麼」——好的報價單會寫不包含什麼。

二、整合點數量。明確列出要串哪幾個系統。這是超支最主要的來源，因為串接經常在開發到一半才發現對方系統沒有 API。

三、資料整理算誰的。這段工作量最難估，也最容易變成灰色地帶。要問清楚是包含在報價內、另外計費、還是預期由你們自己完成。

四、維運與後續費用。上線不是結束。要問每月的雲端與 API 費用大概多少、有沒有維護合約、你們自己能不能改。

五、驗收標準。用什麼條件判定做完了？最好是可量化的，例如「回覆準確率達到多少」「處理時間縮短到幾分鐘」，而不是「系統可正常運作」。

六、所有權。系統跟資料上線後屬於誰？原始碼會不會交付？這件事在簽約前問是常識，簽約後才問就晚了。

這段可能不太像顧問會講的話，但比較實際。

如果你還說不出「這套系統一年能幫我省多少小時或多賺多少錢」，那不管報價多少都太貴。AI 專案跟買設備不一樣，沒有殘值——做錯了就是全部沉沒。

如果現成的 SaaS 或通用工具已經能解決八成，那先用那八成。我看過太多公司一開始就想做一套完整系統，結果花了半年還在需求討論，而同期用現成工具的競爭對手已經在收成。合理的路徑是先用現成方案跑，等到真的卡住、且說得出卡在哪裡，再談客製。

如果公司內部沒有一個人願意花時間跟開發方對接，那也先不要開始。AI 專案失敗最常見的原因不是技術做不出來，是沒有人有空講清楚現在的流程到底怎麼跑。

如果你不確定值不值得投，有一個成本很低的做法：先做 PoC（概念驗證）。

PoC 的目的不是做出可用的系統，是回答一個具體問題——例如「AI 讀我們的報價單，欄位抓取準確率能到幾成」。範圍要小到兩到四週能做完，而且要事先講好「幾成算過關」。

這樣做的好處是，失敗的成本被控制在一個明確的數字內，而且不管結果如何你都會學到東西：過關就往下做，不過關就知道問題出在資料還是需求，而不是花了三個月才發現方向錯了。

要提醒的是，PoC 過關不代表全案的價格就等比例放大。PoC 通常跳過整合、跳過例外處理、跳過權限管理，而那些往往佔正式專案一半以上的工時。把 PoC 的成本乘以十來估全案，通常會低估。