AI深度產業頭條

AI 的錢,為什麼一直回不來?當模型開始搶傳統生意,閉環才接上

深色科技場景中,使用者、資料中心、雲端、電力與晶片由發光電路相連,回到帳單前仍留有一道裂縫
本專題原創生成主視覺:AI 供給端與使用者收入之間尚未完全接通的經濟迴路。
跳到專題正文

AI 商業閉環專題

AI 的錢,為什麼一直回不來?

模型很會收錢、花錢和擴建。可是當收入要回到使用者手上,線路常在最後一段斷掉。下一波 AI 生意,可能不是再賣一套工具,而是接走一張原本就有人支付的傳統帳單。

尚未閉合的 AI 經濟迴路 訂閱費依序流向模型、雲端與晶片,但回到使用者收入前留下缺口。 訂閱 使用者付款 模型 雲端 晶片 收入 回程斷線
缺的不是生成能力,是能讓使用者收到錢的交付回路。

供給端已經通電

上游的錢,流得非常順

個人付訂閱費,企業購買 API 與員工帳號,模型公司再把收入與融資送進雲端、資料中心、電力和晶片。

Stanford HAI 的《2026 AI Index Report》估計,2025 年全球企業 AI 相關投資達 5,816.9 億美元,較前一年增加 129.9%。這裡包含併購、股權投資與公開發行,不能直接當成模型公司的營收。

5,816.9 億美元|2025 年全球企業 AI 相關投資

同一份報告也指出,前沿 AI 公司的營收成長伴隨更高的運算支出。模型能力愈強,背後的算力、能源與資本仍在擴張。

使用價值 ≠ 現金收入

省下時間,不會自動變成收入

AI 能整理會議、寫程式、做簡報,也可能每天省下幾十分鐘。但公司若沒有多接訂單、減少外包、縮短交付週期,或把空出來的人力移到更有價值的工作,財務部門看到的仍是一張確定的 AI 帳單。

更棘手的是,AI 先讓很多公司「自己做」。原本會外包文案、設計與資料整理的工作,被幾個 AI 帳號收回內部。模型公司得到一筆收入,原本靠專案維生的人卻少了一筆收入。

Token 與訂閱費每月準時出現,省下來的三小時卻找不到科目可以入帳。
已省下的時間
3小時
尚未變成可核對的營收或成本下降

Stanford 估計,2026 年美國生成式 AI 的年度消費者剩餘約為 1,720 億美元。這衡量使用者有多不願意放棄 AI,並不是他們實際賺到的現金。

需求證明藏在帳本裡

下一筆 AI 收入,多半藏在舊帳單裡

一個問題若已經有人固定花錢處理,它至少通過兩項檢驗:問題真的存在,而且有人願意付費。

因此,現階段較容易形成收入的 AI 生意,往往是走進現有服務市場,接走一張已經存在的帳單。請打開下面任一張帳單,查看 AI、人工與驗收之間的分工。

現有預算
就是初步需求證明
有客戶、有付款紀錄、有期限,也有做錯時的成本。
對帳與帳務整理 驗收:差異數量、結帳時間
AI 先接手擷取單據、比對欄位、標出例外
人仍負責會計判斷、簽核、法規與法律責任
客戶買的是更快完成、少漏項,而且查得到差異
客服與售後 驗收:回覆時間、解決率
AI 先接手常見問答、分類、追蹤與知識檢索
人仍負責高風險案件、情緒與例外處理
客戶買的是問題被處理,不是機器說了幾句話
業務報價 驗收:報價速度、轉換率
AI 先接手讀取規格、補缺漏、產生報價草稿
人仍負責價格、信用、合約條件與承諾
客戶買的是準確且及時的成交文件
商品與內容資料 驗收:錯誤率、更新延遲
AI 先接手分類、改格式、同步、檢查失效項目
人仍負責標準制定與重大異常判斷
客戶買的是資料持續正確,不必反覆救火
合規與稽核準備 驗收:缺漏數、處理週期
AI 先接手監控異動、整理證據、產生待辦
人仍負責法律解讀、判斷與最終責任
客戶買的是如期完成稽核,不是漂亮摘要
產業情報 驗收:研究時數、漏訊號數
AI 先接手蒐集、去重、來源分級與提醒
人仍負責情境判斷、決策與後續行動
客戶買的是少漏掉重要變化,並能追溯來源

這些工作不新潮,卻都有客戶、預算、期限和失敗成本。AI 若能壓低完整交付成本,新供應商就能降價搶客戶,或維持價格、把差額留成利潤。

被搶走的通常不是整個職業,而是流程中最規則、最重複、最容易檢查的部分。需要深度判斷的工作,導入 AI 的效果可能很小,甚至拖慢原本熟練的人。

14%–15% 特定客服研究中,每小時解決問題數的增加幅度
55% 特定會計研究中,每週客戶支援處理量的增加幅度

上述數字來自 Stanford AI Index 收錄的特定研究,只用來辨認較適合導入的工作形狀,不能套用到所有公司。

從軟體介面走向完整交付

賣一套工具,不如先把工作做完

多數中小企業沒有時間研究模型、提示詞、資料格式與自動化流程。賣給他一套工具,等於要求他先改造公司,再自行承擔 AI 出錯的風險。

直接交付服務,阻力通常較低。客戶交出資料,最後收到整理好的帳、完成的報價、更新過的商品資料,或一份能追溯來源的情報。

只賣工具

把學習成本留給客戶

客戶還得自己組流程、查錯、補例外,最後也沒人對交付結果負責。

01 設定模型與提示詞 02 整理資料與權限 03 查核錯誤與例外 04 整合既有工作流程

直接交付

客戶收到一件完成的工作

AI 在後台處理多少、人工查核幾次,都是供應商自己的成本與管理問題。

交付物可直接使用的月結資料
驗收差異清單與可追溯紀錄
例外人工覆核與回應時限
收費月費+可驗收成果
已完成/可驗收
Y Combinator 在 2026 年的 Requests for Startups 中,把「AI 原生服務公司」列為關注方向,點名保險經紀、會計、稅務、稽核、合規與醫療行政。這是投資機構的方向判斷,不是已被市場證明的定論。對小公司最有用的啟示,是先用 AI 加人工完成工作,等需求被付費證明,再把重複部分標準化。
台灣中企署 2026 年 AI 創新應用輔導提供的示範案例,包括機械設備業用知識庫回應超過 70% 的技術問題並帶動訂單,以及地方業者結合辨識與數據分析後,案例宣稱營收成長逾 20%。這些是官方計畫案例,不能外推成普遍成效;它們反映的購買動機,仍是售後量能、訂單和營收。

把計費單位向右推

客戶不會替你的 Token 買單

模型跑了十次才得到正確答案,是供應商的成本問題。客戶願意付費的,是問題被解決、報價完成、名單合格,或系統在承諾時間內維持正確。

拖動滑桿。只有來到「結果」與「責任」,斷路器才會閉合。

目前停在:Token 這只量到供應商用了多少資源,收入回路仍然斷著。

  1. Token:只量運算消耗。
  2. 產出:有檔案或回覆,但未必通過驗收。
  3. 結果:客戶能以明確標準確認工作完成。
  4. 責任:出錯有人處理,服務也能按承諾持續運作。
客戶取得的價值 客戶支付的價格 模型、人工查核、獲客、客服與失敗處理的完整成本

Intercom 在 2026 年 6 月的 Fin 文件中,以 outcome 作為計費單位,例如每次成功解決 0.99 美元、每次合格潛在客戶 9.99 美元。這個例子只證明市場已出現結果計價,不能保證每位客戶都得到正報酬。

個人與小公司的起點

先搶下一張訂單

大眾訂閱產品需要流量、品牌、客服與很低的流失率。小公司更適合從少量、高價、反覆發生的企業問題開始。

這條路不要求一開始就有獨家模型。較難被複製的東西,通常是產業經驗、客戶關係、長期資料、查核方法,以及出錯時有人處理。

01 找到既有預算 從客戶正在付的外包費、人力費或服務費開始,不靠想像需求。
02 做付費試作 定義一項 30 天內能驗收的結果,不賣模糊的「AI 效率」。
03 保留人工查核 記錄模型費、查核時間、錯誤與例外,算進完整交付成本。
04 用續約再產品化 客戶願意繼續付款後,才把重複步驟標準化或做成軟體。

台灣《2025 新創企業白皮書》的受訪企業中,AI 應用最集中在行銷內容製作,占 48.55%;客服自動回應與業務開發分別為 30.80% 與 29.35%。

行銷內容容易開始,也容易湧入大量供給。下一段較有價值的工作,可能往客戶管理、財務、品質檢測與營運後台移動,因為那些地方仍有資料門檻、責任與持續維護。

行銷內容48.55%
客服回應30.80%
業務開發29.35%

AI 閉環的最後一段

市場付款的對象,是完成的工作

有人把模型能力包進可驗收的服務,拿到客戶付款,扣掉完整成本後仍有利潤,再把收入投入下一次交付。到了這一步,AI 才從昂貴的生產工具,變成使用者可以持續經營的收入來源。

誰能把「我可以生成」改成
「這件事我交付、我驗收、出錯我處理」
誰才有資格接走那張訂單。

Written by
黃郁棋

《科技人》站長,在科技業打滾十年的老屁股,每天都覺得自己要被新技術取代了,完了完了。

打賞科技人|祝您有個美好的一天

科技人原創 BGM

音樂目錄載入中

預設暫停,等你按下播放

0:00 0:00