AI 不是免費員工：我現在最怕的，不是訂閱太貴，而是不知道它有沒有賺錢

我最近看到一則消息，第一個反應不是「AI 又要變貴了嗎？」而是：原來 AI 的成本，早就不只是在信用卡上看到的那筆月費。

報導指出，維吉尼亞州開始要求資料中心負擔專用輸電基礎設施，這件事會影響 AI 服務的成本與企業結果。當產業大到需要重新計算電力、輸電與基礎設施誰來付，老闆就不能只盯著工具頁面上的每月訂閱價格。

這也讓我重新看一個很多人問我的問題：「建不建議付費訂閱這些 AI 工具？」我現在的回答很直接：可以付，但不要先問月費便不便宜；先問它上個月替你完成了什麼可以驗收的結果。

AI 投資不能用工具數量或月費驗收，要接到時間、成本或收入結果。

月費只是 AI 成本的第一格

對小企業老闆來說，AI 訂閱與使用量會影響毛利結果。表面上看是一個月幾百、幾千元的工具費，真正的總成本還可能包括用量、資料整理、系統串接、人工覆核，以及 AI 做錯後重新來一次的時間。

最近的產業討論也在談，AI 計價可能從每席訂閱逐漸走向用量或成果。這不是說每家公司明天都會改成這樣，而是提醒我們，未來比較 AI 的方式不會只看一個帳號多少錢，而要看一件工作完成一次到底花了多少。

OpenAI 近期推出面向小企業的支援方案，把訓練、導入指南與不同模型層級放在一起談，讓企業在品質、速度與成本之間做選擇。供應商可以把方案分得很清楚，但最後要不要買、買到哪一層，仍然是老闆自己的經營判斷。

我會把 AI 成本拆成固定月費、實際使用量、人工接手時間，以及做錯後的重工。四格加起來，才比較接近一個 AI 工作的真實成本。只看月費，就像只看店面租金，卻不算人事、庫存與退貨。

我決定先定義要改善的結果，再決定工具層級與可接受成本，也為每個 AI 工作設定驗收方向。

我用 W7 的高成本經驗看 AI 投資

我過去做 W7 產品開發時，投入過不少時間與成本。中間有成功，也有更多沒有成功的嘗試。那是一堂代價很高的課，後來我越來越確定：很多機會，不一定要從零打造完整產品，先找市場已經存在的解決方案，再想辦法把它賣出去，往往更接近真正的商業驗證。

所以我現在看 AI 工具，會多問一句：我是在買一個解決方案，還是在買一個「我好像正在做事」的感覺？工具很多、登入很多、視窗很多，不等於結果變多。真正要算的是，這筆錢有沒有讓一條工作結果往前走。

先把問題問清楚，通常比先買最強模型更省。我要規劃新方案時，會先用 AI 把不同做法、成本、風險與可能卡點攤開來看，讓自己知道哪裡值得做、哪裡應該停。這種推演的價值，不只在節省時間，也在減少把信心耗在錯的方向上。

工具很多，卻沒有人驗收結果

真正的商業斷點，是老闆看得到 AI 帳單，卻沒有人負責把使用量、節省工時與收入結果接起來。這不是工具不夠好，而是工作沒有被定義成可以驗收的結果。

同一個 AI，拿來整理一百封信，可能只是方便；拿來把高意願客戶的問題整理成跟進清單，才可能接到銷售流程。前者看處理量，後者還要看有效詢問、回覆率或成交前進了多少。

AI 負責整理任務、記錄使用量、比較不同模型的成本，並檢查成果是否真的交付。我負責決定哪個結果值得投資、什麼內容可以公開、什麼情況要停下來重新判斷。系統保存每次任務的成本與結果，雲端、AI PC、CRM 與合作夥伴各自承接不同工作。

一張四週檢查表，先判斷要不要續訂

我不會一開始就做很複雜的財務模型。先把每個工具放進一張簡單的表，連續記四週：

• 這個工具對應哪一條工作結果？

• 每月固定月費與實際用量是多少？

• 每件成果花多少人工接手與覆核時間？

• 省下的時間有沒有投入服務客戶、改善交付或追蹤名單？

• 四週後，哪個結果真的有變化？

四週內比較每月 AI 總支出、每件成果成本、節省工時轉成的毛利與有效詢問。數字不一定立刻漂亮，但至少會讓「我覺得有用」變成可以討論的證據。

我會特別看每件成果成本，而不是只看月費。便宜工具若每次都要花很多時間修正，真正的成本可能比一個較貴、卻一次交付完成的方案更高；昂貴工具也不一定值得，除非它承接的是高價值、能被驗收的工作。

老闆通常會先問這四件事

建不建議付費訂閱 AI 工具？

若工具對應一條清楚的工作結果，而且四週內能用成本、時間或收入驗收，可以試用付費；若只是因為大家都在用、功能看起來很強，先不要買。

小企業應該直接買最強模型嗎？

不一定。先把重要任務、普通任務與可以交給基本模型的任務分開，高成本模型應該用在高價值或高風險工作。

AI 省下的時間怎麼換算成錢？

先看省下的時間有沒有重新投入有價值的工作，再用那個工作原本能產生的毛利或降低的重工估算。沒有重新投入，就不能直接說賺了多少錢。

什麼時候該停掉 AI 工具？

每四週看任務完成數、每件成果成本、人工覆核時間，以及有效詢問或交付品質。若沒有可說明的結果，就先停掉或降級。

我現在對 AI 的態度不是省到不用，也不是看到新工具就買。我要的是讓每一筆成本都能回答一個問題：它替哪一條結果往前推了一步？拿出信用卡或軟體帳單，把每個 AI 工具後面補上一欄：「上個月它替我完成了什麼？」寫不出來的，先不要急著續訂。

作者與來源說明

作者：鄭錦聰

網站：https://shortcut.tw

圖片來源說明

本次封面與內文圖為本專案 Image Gen 自製圖，已壓縮為發布用 JPG。

參考來源

• Tom's Hardware，2026-08-06：https://www.tomshardware.com/tech-industry/data-centers/after-severe-76-percent-electricity-price-hikes-due-to-ai-data-centers-virginia-requires-firms-to-pay-for-all-dedicated-upstream-electrical-infrastructure-state-regulators-crack-down-governor-says-move-will-save-civilians-hundreds-of-millions-of-dollars

• TechRadar，2026-07-28：https://www.techradar.com/pro/the-ai-pricing-paradox-ai-pcs-might-be-the-answer-to-spiralling-cloud-costs-for-some-but-that-doesnt-mean-cloud-computings-days-are-numbered

• OpenAI，2026-07-21：https://openai.com/index/introducing-chatgpt-small-business-program/

• 鄭錦聰，正式課程原稿與可核對真人素材：https://shortcut.tw