AI Agent 自動化值不值得？拆解年省 198 萬元估算

評估 AI Agent 自動化是否值得導入時，先別把「節省工時」直接當成實際獲利。供應商 AgentOSS 的第一方案例頁列出地磅登打、工程標案情蒐、設備回收媒合與全台派工調度 4 項已導入流程；把其月／年工時估算換成同一年度口徑後，合計為每年 198 萬元。這是供應商依人力投入推算的可避免工時成本，不是具名客戶背書、客戶財報、現金流或第三方查核後的實際獲利。要判斷專案值不值得做，仍應核對人工基準、例外率、人工接管、完整導入成本與上線後實際使用量。

4 個流程分別改了什麼

薪榮環保原本由人員抄寫磅重、車號與料號，再逐筆輸入系統。導入後，地磅讀值與車牌辨識結果自動帶入過磅資料，人員只處理車牌讀取失敗、資料不符或特殊貨主等例外。公司估算每月可減少約 2 萬元登打工時，換算年效益 24 萬元。

工程業者厝味文化過去由老闆與主管每天檢查政府採購公告，再判斷是否符合投標條件。系統改為每日取得新公告，依營業項目、金額與條件初篩，再把候選案件交給決策者。以兩名管理者每天各投入 1 至 2 小時計算，墨宇推估年省 72 萬元；投標與否仍由人員決定，不能把「找到公告」誤寫成「取得標案」。

秧秧空間設計的回收媒合流程，先將設備品項與下游買家資料庫比對並通知，買家回覆後才由負責人接手議價，公開估算年效益 30 萬元。台灣思瑪科的到府安裝服務則依 15 名師傅的地區、檔期與路線排班，臨時變動時重新計算，估算年省 72 萬元調度工時。四個案例共同點不是「用了聊天機器人」，而是把輸入、判斷規則、例外與人工交接寫成可重複執行的流程。

供應商估算的 198 萬元怎麼算，哪些不能算

流程	官方年估算	驗收時還要取得
地磅登打	24 萬元	每日車次、辨識失敗率、人工修正分鐘數
標案情蒐	72 萬元	公告數、有效候選率、人工複核時間
設備媒合	30 萬元	媒合通知數、回覆率、誤配與漏配
派工調度	72 萬元	改派次數、路程、人工接管與逾時

本表的原創整理是把四個公開估算放回同一個驗收框架：24＋72＋30＋72＝198 萬元。這個加總只能回答「官方估計可避免多少工時成本」，不能回答「公司多賺多少」。授權費、導入費、維護、資料清理、例外處理與員工訓練尚未從 198 萬元扣除；若省下的時間沒有移到接單、服務或決策，也不能直接推導營收增加。

哪些流程適合自動化，資料風險在哪裡

適合先做的流程通常同時具備四個條件：輸入格式可取得、判斷規則能說清楚、輸出可被人抽查、發生例外時能回到人工。若工作高度依賴未記錄的經驗、錯誤會直接影響人身或重大權益，或資料來源不穩定，就應先做輔助與提醒，不宜讓系統自行完成最終決策。

NIST AI RMF Core要求組織明確區分人與 AI 的角色、在部署前後測試並持續監測，且要準備人工覆寫、事故回應與復原機制。若流程會處理車牌、客戶、員工位置或聯絡資料，還要按全國法規資料庫的個人資料保護法確認蒐集目的、必要範圍、利用方式與安全措施。這些規範不會自動證明個案合規，但提供了驗收時不能省略的檢查面向。