驗收會議上的那一句話

那場會議開了兩個多小時。

預算三百多萬，做的是客服 AI。Demo 那天很漂亮，工程師當場丟了五個案例進去，AI 答得又快又準，連客戶自己都拍了手。合約簽了，專案啟動，六個月後系統上線。

然後數字就掉下來了。

真實的客訴不是五個案例，是每天四千多通。客戶講話帶情緒、句子不完整、同一個問題有五種問法、颱風天要問颱風假的退貨規則、某個促銷檔期的優惠券規則連內部員工都搞不清楚。AI 答錯的比例比預期高，轉人工的比例也比預期高，最後客服主管下令，把 AI 的回答改成「先建議，不自動送出」。

聽起來像折衷，實際上是什麼都沒省到。人還是那麼多，多了一套要維護的系統，每個月還要付模型使用的費用。

這場會議最後，客戶的資訊主管說了一句話，我聽過很多版本的同義句。

「所以我們今年這筆錢，算是學費。」

這件事有數字。Anaconda 和 Forrester 在 2026 年初針對三千七百多位資料科學與 AI 從業者做調查，結果是 88% 的 AI 代理試點專案從來沒有進入生產環境。拆開來看，34% 還在評估，29% 直接取消，25% 無限期擱置，只有 12% 真的走到上線。

麥肯錫 2025 年的全球調查給出的是另一組對照，88% 的公司至少在某一個職能裡用了 AI，但只有 23% 能夠在企業範圍內規模化。

這兩個 88% 放在一起看很有意思。幾乎所有人都用了，幾乎所有人都卡住了。

波士頓諮詢在 2026 年 9 月發布的報告《當幾乎所有人都有 AI 之後》，標題抓的就是這個狀態。他們訪談了七十多位來自銀行、保險、醫療、零售的高階主管，分析四十多家做企業生意的服務商、一百多條定位主張，最後得出一個判斷，而這個判斷對買方和賣方都一樣刺人。

問題已經不是你的公司用不用 AI。問題是，每一次 AI 進步，你的商業模式是變得更強，還是被重新定價。

劉潤在解讀這份報告時，把它拆成三個認知：賣技術功能和工時會越來越難收費；按完成的工作收費有機會越賺越多；長期替企業負責一項業務會越做越有優勢。

這三句話聽起來像常識，中間其實藏著一條完整的因果鏈，而且這條鏈的關鍵環節，大部分人講的時候都漏掉了。我後面會用一整段把它補上，那個環節叫 FDE。

先從一個前提開始拆。

每隔六週撐開一次的楔子

我們很容易把 AI 想成漲潮。水位往上，所有的船一起升高，大家都受益。

波士頓諮詢說，不是。它更像一支楔子，每隔大約六週，隨著每一個新模型發布，往兩邊再撐開一點。

2023 年到 2026 年中，OpenAI、Anthropic、Google DeepMind、Meta 四家實驗室合計發布超過 30 個主要的前沿模型版本。GPT-4 等級的推論成本，不到兩年掉了大約 60 倍。開源權重模型追得很快，而且可以自己架，等於把「夠用的 AI」的價格再往下壓一層。

楔子撐開的兩邊，命運完全相反。

一邊是累積了營運知識的服務商。他們知道流程的細節、例外的模式、法規的稜角、客戶的脾氣。每一次模型升級，他們跑得更快、成本更低、嵌得更深，優勢一層一層疊上去。

另一邊，是上一季賣得很好、這一季被同一個升級打成標準品的公司。十八個月前還算尖端的能耐，今天只是隨手可得的 API。

報告裡有一句話寫得很直白，我照原文的意思講：這個差距很少縮小，它幾乎總是在擴大。

為什麼這一次特別難，關鍵在於過去幾波技術浪潮的性質不同。

雲端、數位轉型、資料分析，這三波基本上是加法。它們給基礎設施團隊新的平台，給系統整合商更長的待辦清單，給外包商更多可管理的流程。每一波都在擴大市場，而不動搖底下那個商業模式。

AI，尤其是能自己動手的代理型 AI，性質不一樣。它威脅的是工作本身。它同時也創造出以前想像不到的新工作，但那個新工作的規模，遠遠比不上它吃掉的部分。

這裡有一句藏在報告中段的話，值得停下來想。長久以來，量的擴張掩蓋了價格的壓縮。這個緩衝正在用完。

緩衝用完之後，問題就變成最難回答的那一種：你現在這套模式，還剩多少終值。

順帶一個讓人不太舒服的調查。波士頓諮詢引用 HCLTech 與 Omdia 在 2026 年對 467 位十億美元級企業高階主管的調查，87% 說他們的執行長與董事會對 AI 投資風險的理解有明顯落差，83% 說高層沒有充分意識到，投資不足本身可能是存亡問題。

兩邊都低估。一邊低估了不做的代價，一邊低估了做錯的代價。

在這種集體誤判之下，市場上長出一個很奇特的景象。報告分析了四十多家服務商、一百多條定位主張，做語意分群之後發現，一百多個聽起來很不一樣的詞，其實只收斂成二十多個打法。多代理協作、代理架構、代理生態，講的是同一件事。自主任務執行、代理式營運、自學型代理，也是同一件事。

換句話說，那一百多句聽起來各有千秋的推銷詞，真正的訊息量大約只有二十幾個念頭。

更耐人尋味的是空地的位置。市場上喊得最大聲的是多代理協作、治理與可觀測性、負責任的 AI，這幾塊擠到幾乎沒有個性。而買方真正在問的東西，端到端問責、結果計價、代理式託管服務，幾乎沒有人佔。

報告用一句話總結這個錯位：市場對 AI 能做什麼很大聲，對誰該為結果負責很小聲。

所以，那個「學費」的故事不是意外，也不是誰能力不夠。它是一個結構問題。你把工具賣給一個想要結果的人，這個錯位遲早要用一次失敗來結帳。

這不是行銷語言的問題。這是商業模式的問題。

按人頭、授權、工時收費，正在失去立足點

代理不會登入。

軟體的授權模式建立在一個很樸素的假設上，一個人要用這套系統，就得有一個帳號，一個帳號就是一份錢。這個假設撐了三十年，從桌上型軟體撐到雲端訂閱。

然後 AI 代理出現了。它是程式，不是員工。它不需要帳號、不需要座位、不需要登入。你按人頭收費，它從根上就沒有立足點。

這已經無關定價策略。計價單位跟新的工作型態對不上了。就像當年從「賣錄影帶」變成「賣串流」，錄影帶並沒有降價，只是沒有人要買了。

同樣的壓力來自另一端。建置自訂軟體的成本正在急速下滑。報告裡有一個對照，過去要十個工程師做六個月的事，現在幾天就能做出原型。

請注意這句話的重量。這是「成本結構重置」，跟「效率提升三成」是兩個量級的事，在財務報表上的意義也完全不同。

六個月十個人，以本地人力成本每月每人六到八萬計，粗估四百萬到六百萬，這是一家整合商一年接不到幾張的單。現在客戶自己用 AI 助手兩週做出一個能跑的版本，跑得還不差。

那客戶為什麼要付你四百萬。

比成本下滑更致命的，是計價基準的蒸發速度。

報告給了一組數字。2023 到 2026 年中，前沿模型的發布節奏大約每六週一次，四大實驗室合計三十多個版本。GPT-4 等級的推論成本，不到兩年降了約 60 倍。

60 倍是什麼概念。兩年前你報價時算進去的那筆模型使用費，今天只剩六十分之一。如果你今天把報價單上的成本項照實反映，客戶會問，為什麼比去年便宜這麼多，你們的價格卻沒動。

反過來，如果你為了保住毛利，把價格維持住，那你的報價結構裡就藏著一段沒有人願意承認的差額。這種差額在續約會議上一定會被挖出來。這就是第一段那個「今年報價該降三成吧」的來源。

它不是在殺價，它是在做一個很合理的算術。

到這裡，很多人會想到一個看起來聰明的解法：那我也按用量收費，按 token、按呼叫次數、按 API 調用量。成本漲我就漲，成本跌我就跌，至少不會被砍。

這個想法有個致命的內建矛盾。

按用量收費，等於把你的營收綁在「成本」上，而不是綁在「價值」上。而 AI 這個產業，成本的長期方向是往下的，而且下降得很快。所以你等於簽了一份合約，保證自己的營收會跟著成本一起往下走。

更麻煩的是，客戶根本不想買用量。他買的是「這四千通客訴有人處理掉」。你跟他談 token，他的資訊主管只會問一句，那我到底省了多少錢。

這就是為什麼報告說，計價單位正在從人頭遷移到「完成的工作」。前面那一種算法，在新技術條件下已經算不下去了。

還有一個現實層面的定價壓力，報告寫得很含蓄但意思很清楚：市場上這一百多條定位主張，講的東西大同小異。當你的能耐跟隔壁那家講起來一樣，價格就是唯一的差異化。而當 AI 讓「講起來一樣」變成「做起來也差不多」的時候，連價格都撐不住。

這一段的代價，對服務商來說是真實的。你手上那些按工時計價的維護合約、按授權計價的系統合約，每一張都在漏水。它們不會一次全部失效，它們會一張一張在續約的時候被要求打折。

而這個過程，報告用了一個很精準的說法：每一次 AI 升級，威脅的是你上一季賣掉的東西。

而且威脅的時態是過去式。你已經賣掉的東西，正在被重新定價。這個時態很殘酷，但很準確。

按完成的工作收費，是一條會複利的曲線

前面那一節講的是漏水，這一節講的是換管線。

按完成的工作收費，意思是客戶付錢買的不是你的工時、不是你的授權、不是你跑了幾次模型。他買的是「這四千通客訴處理掉了」、「這批理賠審完了」、「這份合約審過了」。

差別在哪裡。

按工時收費，你改善效率等於自殺。原本十小時的工作你三小時做完，收入從十小時變三小時。所以你會有意識地不去優化，或者優化了也不敢講。這個結構下，效率是敵人。

按完成的工作收費，你改善效率等於擴張毛利。同一個價格，你的成本從十小時的錢變成三小時的錢，中間那七小時就是你的。而且客戶不會抱怨，因為他要的結果一樣拿到了。

一個結構懲罰效率，一個結構獎勵效率。這是兩套完全不同的經濟學。

這裡有一個很少人講清楚的地方，也是為什麼這條曲線會複利。

按完成的工作收費，你的定價錨定的是「客戶原本的替代成本」，不是你的成本。

客戶原本怎麼解決這四千通客訴。他請人。一個客服人員月薪加勞健保、加教育訓練、加流動率帶來的重複招聘成本，粗估一個月五萬台幣跑不掉，一年六十萬。一個能處理兩百通月量的位子，四千通需要二十個人，一年一千兩百萬。

這個數字，是客戶心裡的錨。你的報價只要明顯低於它，交易就成立。

關鍵來了。這個錨不會跟著 AI 成本下降。但你的成本會。

報告給的方向很清楚，模型推論成本兩年降約 60 倍。你收的錢錨在客戶的人力預算上，你付的成本錨在模型 API 上。兩條線一條不動、一條急速下墜，中間張開的空間就是毛利。

而且這個過程不需要你做任何額外的事。你什麼都不用改，只要模型繼續進步，你的毛利就自動變厚。這就是複利的意思，時間站在你這邊，你不需要每一季都重新證明自己。

這個結構一旦轉過來，續約會議的氣氛就完全不同了。你走進去，帶的不是漲價通知，是一份「這一年替你省了多少」的帳。客戶要問的第一句話不再是「該降三成吧」，而是「明年這一塊能不能做大」。

會議室是同一個，問題換了。差別在你賣的是什麼。

對照一下工時制。工時制的成本下降，壓力是往外走的，客戶會要求降價，因為他看得到你的成本降了。結果制下成本下降，壓力是往內收的，客戶看不到你的成本結構，他只看到結果一樣好。

同樣的技術進步，一個讓你被砍價，一個讓你安靜地變有錢。

矽谷有一家做 AI 客服的公司，把這件事做到了極致。它不按對話次數收費，也不按席次收費，它按「成功解決一個客戶問題」收費。

這個設計的狠處在於，它把兩個人的動機綁在一起了。客戶不想為沒解決的問題付錢，這家公司的收入也只來自真的解決了的問題。所以它內部的每一個優化動作，方向都跟收入方向一致。

它自己講過一句話，大意是，執行率每提升一個百分點，公司的收入就直接跟著長一個百分點。

八個季度，年化收入做到一點五億美元。這個速度讓資本市場用非常規的倍數給它定價。

我第一次看到這組數字時的想法是，這不是軟體公司的曲線，這是服務業的曲線，只是跑得比服務業快很多。

對，這裡要誠實。這條路的代價，是毛利。

純軟體的毛利通常落在七五到八五%。這類按結果收費的 AI 服務，明顯低一截。這個區間不是財報數字，是產業分析的普遍估計，大約落在五成到七成之間；任務越複雜、需要越多人工兜底，毛利越往下掉。

為什麼。因為它的成本裡，模型呼叫只是其中一塊。資料接入、流程編排、人工回饋、客戶成功、合規審計，這些東西不會因為模型變便宜就變便宜。

所以這是一個交換。你放棄軟體那種躺著的高毛利，換來一條會複利、而且客戶很難砍價的曲線。

波士頓諮詢對這件事的判斷很直接。這條路不是給所有人的，它要求你願意承接責任、願意被衡量、願意在交付不穩定的時候自己吸收損失。

換句話說，複利的另一面是風險的轉移。你以前賣工具，工具出錯是客戶的事。你現在賣結果，結果不好是你的帳。

大部分人想要複利的好處，不想要風險轉移的代價。這個位置不存在。

一美元的軟體，會帶出六美元的營運

這是整份報告裡我最喜歡的一個數字，因為它把一件很抽象的事變成了一個比例。

企業每花一美元買軟體，大約要再花六美元把它跑起來。

這六美元花在哪裡。花在設定、整合、客製、訓練、維護、例外處理、法規遵循、人員訓練、還有每天都在發生的「這東西怎麼又壞了」。

軟體授權的市場，只吃掉那個一。真正肥的是後面那個六。

而這六美元，過去付給誰。付給系統整合商、付給顧問、付給外包公司、付給企業自己養的一大群營運人員。

這就是為什麼報告說，服務與營運的市場，是軟體市場的好幾倍。它給的估算，技術服務市場 2030 年約 2.2 兆美元，BPO 市場 2026 年約 4,350 億美元，服務市場的可觸及規模大約是軟體市場的六倍。

六倍。這不是一個可以忽略的差異，這是兩種生意。

講一個我印象很深的小場景，它比那串列舉更能說明「六」長什麼樣子。

一家公司導了新系統，上線第一週，業務部門發現報價單上某個折扣欄位會被覆蓋。不是 bug，是原本的流程允許業務手動改，新系統按規則自動算，結果算出來的數字跟業務談的不一樣。

這一個欄位，牽動了業務、財務、法務三個部門。業務說這樣客戶會反彈，財務說改回去對帳會亂，法務說合約上寫的是另一套。

一個欄位，開了四次會。

這就是那六美元。它不是整齊的「客製」兩個字，它是一大堆這種東西的總和。而這些東西，沒有一項寫在產品規格書裡，全都藏在人的經驗、部門的默契、和一份三年前沒人記得的會議記錄裡。

過去幾十年，做軟體的公司想吃這六美元，但它吃不到。原因很簡單，那六美元的性質是勞力，是人力密集、難以規模化、毛利難看。一家軟體公司跳下去做服務，華爾街立刻把它的估值倍數砍一半。

所以整個產業形成了一個分工。賣工具的賣工具，賣工時的賣工時，中間用一句話切開：我們提供能力，你負責用。

AI 把這條界線弄模糊了。

因為那六美元裡，有一大塊本來是「人的判斷」。判斷這張理賠有沒有問題、判斷這通客訴該怎麼回、判斷這個例外要不要往上報。這些判斷過去只能在人的腦子裡發生，所以只能用人來做，所以只能是勞力生意。

現在有一部分判斷，可以放進系統裡。

注意我說的是一部分，不是全部。這一點很重要，後面講本地現實的時候我會回來。

但這一部份就夠了。因為它讓「賣工具的人」第一次有機會直接承接那個六，而不是只賣那個一。

報告裡有一個很具體的案例，講這件事真的發生過。

美國一家大型醫療保險的支付方，處理事前授權的流程。在美國醫療體系裡，這是出了名的勞力黑洞。病人要做某個檢查或治療，保險公司要先審，審過了才付。整個流程要靠幾百位分析師，人工審核，錯誤率高，週轉時間以天計算。

一家由前 Palantir 工程師創辦的 AI 營運新創，把自己的平台直接嵌進這個營運裡。

關鍵在報告特別強調的那句話：AI 沒有取代那些分析師。它把工作流程圍繞著這些人重新結構了一遍。

怎麼結構。例行性的判定交給 AI 自動做掉；複雜的案子，AI 把相關的臨床脈絡整理出來，推到分析師面前；每一個例外，系統都學下來。

十二個月之後，這個營運單位交出 2,300 萬美元的年度節省。

這 2,300 萬不是靠砍人來的。報告寫得很清楚，主要來自工作方式的根本改變。而且雙方的商業模式綁在可衡量的結果上，不是綁在人頭數上。

這個案例值得多看一眼的地方在於，它同時做到了三件事。它拿走了那個六裡面的一塊；它讓客戶的總成本下降；它自己的收入是長期的。三方都贏。

如果它只是賣一套 AI 審核系統給這家保險公司，故事會怎麼走。保險公司自己找人整合，自己調流程，自己承擔調不好的風險，然後十二個月後在續約會議上說，這個系統好像沒省到錢。

這就是第一段那場會議。

差別不在技術，差別在誰跳下去承擔那個結果。

報告裡還有一個訊號，講的是連最上游的人都看懂了這件事。

OpenAI 和 Anthropic 各自成立了部署性質的公司，投入規模分別是 40 億美元以上與 15 億美元。目標客戶是中型企業與私募基金持有的公司，也就是那些沒有大型系統整合商關係、靠自己把 AI 弄上線會很吃力的企業。

這個訊號的重量在哪裡。做模型的人自己下場做交付。這說明他們判斷，光賣 API 賣不出那個六，得有人跳下去把它跑起來。

還有兩個時間點，我覺得是這整篇裡最應該被記下來的。

第一，2023 到 2024 那波熱潮簽下的大量企業 AI 合約，大部分在 2026 年底前到期。這是十年來最大的一次企業技術預算重新分配。

第二，歐盟 AI 法案對高風險系統的義務，2026 年 8 月已經生效。在招募、信貸、醫療、關鍵營運這些領域用 AI 的公司，必須證明這些系統是被治理的、可解釋的、有人負責的，否則罰則很重。

這兩個時點撞在一起，會產生一個很具體的推力。買方在續約的時候，會被法規逼著問一個以前可以含糊過去的問題：這個系統出事，誰負責。

能回答這個問題的人，拿到合約。答不出來的人，被要求降價。

FDE 是那隻手，把三個認知串成一條鏈

到這裡，三個認知可以接起來了。

要按完成的工作收費，你得先知道「完成」是什麼樣子。而一件工作在真實企業裡的完成方式，跟它在簡報上的樣子，差得非常遠。權限怎麼設、異常怎麼走、法規怎麼卡、哪一筆資料永遠是髒的、哪個部門永遠不簽字。這些東西，不在模型裡，也不在文件裡。

所以你需要一種人，能進到客戶的現場，把這些東西一條一條摸清楚，然後把 AI 對著真實的流程重新裝一遍。

這種人有名字，叫前線部署工程師，Forward Deployed Engineer，FDE。

為什麼說它是那隻手。因為三個認知各自成立，但沒有 FDE，它們串不起來。按結果收費需要有人承擔結果，承擔結果需要有人真的在現場把結果做出來。缺了這一環，結果計價就只是一句合約上的話。

這也是為什麼第一段那個「學費」的故事會發生。專案裡沒有這個角色，系統上線那天，就等於所有人都撤了。

這個角色不是新發明。Palantir 在 2007 年前後就把它制度化了，當時的處境跟今天的企業一模一樣：客戶說不清自己要什麼，資料出不了門，現成的產品跨不過那道落差。他們的做法是把自己的工程師直接放進客戶辦公室，在現場把能用的東西造出來。

十幾年來，矽谷對這套模式的主流評價是負面的。太重、太人力密集、太難規模化、不夠像軟體公司。它的毛利撐不起軟體公司的估值倍數。

然後事情反過來了。

2026 年，Anthropic 宣布投入 1 億美元，目標在 2027 年底培養一萬名 FDE。訓練制度直接照抄醫學院的住院醫師制，幾天面授加一場計分實操，通過後進入十二週駐場，在自己公司主導一個真實專案，結業再考一次。而且是提名制，每個被提名的人都必須帶著一個具名的專案來。

OpenAI 走另一條路。它自建了一支部署隊伍，把外面的 AI 顧問公司一家一家收進來，用買的換時間。

兩家最頂尖的模型公司，在同一個極窄的人才池裡競價。市場行情已經說明問題了，一份針對美國 FDE 職缺的薪酬分析顯示，中位數基本年薪大約 19 萬美元；前沿實驗室給的總包，估計到 35 萬至 55 萬美元。

還有一個細節很有意思。這些職缺的地理分布，集中在紐約這類企業軟體的重鎮，舊金山反而少見。FDE 的人才地圖長得像企業軟體的地圖，不像 AI 研究的地圖。它要的是最懂客戶怎麼做事的人，模型懂了幾成反而是次要的。

被矽谷嫌了十幾年的重模式，一夕之間變成全行業複製的標準。原因很簡單，當所有模型都夠好用了，差距就不在模型上，在能不能把它裝進產線。

FDE 到底在做什麼，我喜歡一個說法：他在做「把公司翻譯給機器」這件事。

具體的動作，是把一家公司那些沒有寫在文件裡的東西，翻譯成機器能運作的環境。權限的邊界、例外的模式、流程的實際樣子、每個部門不能碰的紅線。

Anthropic 同時公布了一個客戶案例，講得很清楚。一家大型銀行的環球市場部門，每天湧進來的客戶郵件是用萬在算的，Claude 負責分類、補充資訊、判斷每一封該走哪條處理路徑。這背後，是有人在真實的權限體系、稽核要求和遺留系統裡，一寸一寸把它裝進去的。

報告把運營型玩家拆成三個特徵，這三個特徵合起來，剛好就是一份能力清單。

第一，AI 變強，他跟著變強。第二，他長期在場，跟著同一個流程一年一年往下走。第三，他擁有這份工作，不只是讓你能做這份工作。

第三點最關鍵。任何人都可以在合約上寫下「按結果計價」。真正的差別是，你的組織是不是真的被建構成能交付那個結果的樣子，住在客戶的系統裡、在現場做事、在底層模型不斷更換的時候還能讓營運繼續跑。

這也是 FDE 最容易被誤解的地方。它不是高級售前，不是技術顧問，也不是派去安撫客戶的工程師。它是「擁有結果」這件事在組織上的具體形狀。

但這條路不是沒有反面的證據。

報告自己承認得很坦白。按結果計價的交易，還是會撞上很慢的採購流程、非常保守的法務、以及一種很常見的客戶：在會議室裡非常喜歡這個想法，到了簽約那一刻，回到原來的方式。

這句話我讀的時候停了一下，因為它太真實了。轉型的阻力很少來自技術，也很少來自預算，多半來自「簽字這個動作風險太高」。

還有一個更深的陷阱，是這個模式自己的成功會製造出來的。

FDE 越有效，它就越容易變成公司收入、聲譽、客戶黏著度的來源。而一旦它變成這些東西，組織就越沒有動力去把它標準化、模組化、交給夥伴去複製。因為那等於破壞現在這套高接觸、高單價、把人派到現場的模式。

結果就是，這門手藝停在手工階段，走不到平台化。

所以 FDE 的成敗，不在於它能接多少專案，在於它有沒有把手工做成架構。今天每一次部署都要重建的那些東西，明天必須變成基礎設施。

說得直白一點，一個健康的 FDE 體系，單位收入所需的人力應該持續下降。如果三年後你還是靠增加人手來增加收入，那你做的不是新商業模式，是比較貴的顧問業。

算術：為什麼這條路在台灣不能整段照抄

前面講的是機制，接下來要講落地。這一段會不太舒服。

先講清楚一件事，波士頓諮詢這份報告的讀者是全球大型服務商，它的模型假設了幾個條件，而台灣市場大部分不成立。

結果計價的收入錨，是客戶原本花在人力上的錢。美國一家大型保險公司處理事前授權，是幾百位分析師的規模，所以那個案子能擠出 2,300 萬美元的年度節省，服務商可以從裡面分到足夠的錢，養一個常駐團隊。

台灣的對照是什麼。同樣是事前授權、同樣是客訴處理，一家本地大型企業的處理量，可能是美國同業的幾十分之一。量的差距直接決定了那個「六美元」的池子有多大。

而結果計價的前提是，你能從省下的錢裡分到一塊，而且這一塊要能養活一個團隊。如果一個客戶一年全部的營運人力成本只有幾百萬台幣，你就算效率提升四成，可分配的價值也只有一百多萬。這個數字養不起一個常駐的 FDE，連半個都養不起。

按結果收費，本質上是把風險從客戶身上搬到你自己身上。前三個月交付不穩、模型改版導致行為變化、某個例外炸開，這些損失都是你的帳。報告說得很白，這條路要求你願意承接責任、願意被衡量、願意在交付不穩定的時候自己吸收損失。

多數本地整合商的規模，承受不了一個案子虧兩年。這裡的關鍵不是保守，是資產負債表撐不撐得住那個風險搬移的動作。

這是我在本地看過最真實的卡點，比技術難上百倍。

有一種合作模式，本來設計成按使用量扣點結算，看起來很合理，用多少扣多少。結果客戶的法務和財務部門直接說不行，理由不是錢太多，是請款流程太麻煩，不符合內部規範。最後雙方的解決方案是退回按專案結算，每個專案對應明確的交付文件，每月出一份結算報告，這樣會計才請得動款。

請注意這個結局的性質。它不是談判失敗，它是整個制度把一個更先進的計價方式篩掉了。不是因為它不好，是因為它在那家公司的採購系統裡沒有對應的欄位。

按結果收費要面對的，就是這種東西。你要說服的不只是老闆，還有法務（誰負責）、財務（怎麼入帳）、稽核（怎麼查證）、採購（用哪一條合約範本）。任何一關卡住，這個模式就退回原點。

所以我要把話說直白：以台灣多數整合商的規模，全面轉型成 operator 模式，在算術上不成立。

不是不努力，不是不前瞻，是分母不夠。

一個市場如果要支撐 operator 模式，需要有足夠多「單一流程的人力支出達到一定量級」的客戶。台灣符合這個條件的客戶，數量可能數得出來，而且他們早就被大型國際服務商與原廠佔住了。

硬要照抄，最可能的結局是：你接了三個結果合約，兩個達標一個虧，虧的那個吃掉另外兩個的利潤，然後你回去賣工時。

那怎麼辦。這裡有三條路，我按可行性排序。

不要全面改成按結果收費。而是在既有的專案裡，切出一小塊可以明確衡量的部分，用結果計價。

比如你幫客戶做客服系統，維運照舊按工時收。但其中「AI 自動解決率」這一項，你提出一個承諾：達到某個水準，收一筆成效獎金；沒達到，這筆不收。這一塊佔總合約的比例可能只有一到兩成。

這樣做的好處是，法務有東西可以簽（主約還是傳統的），財務有東西可以算（獎金條款），你承擔的風險有上限（只賭那一兩成）。而客戶第一次體驗到「你真的在乎結果」是什麼意思。

這是用一個小賭注，換一個大的信任。而且它會逼你的團隊第一次認真去量「完成」是什麼。

FDE 模式最貴的地方，是每次部署都要重建一遍。那個重建的內容是：權限模型、例外清單、流程圖、業務語意。

真正值錢的不是「我知道這個客戶的流程」，而是「我把這一行的例外都整理成了一份可以重複使用的東西」。

前者綁在一個人身上，人走了就沒了。後者綁在系統裡，每接一個新客戶就厚一層。

一家小型整合商做不到常駐團隊，但它做得到把二十年的例外經驗整理成一份結構化的資產。這份資產的價值，在於它讓你的第二次部署成本只有第一次的三成。

當你的成本曲線比同業陡，你才有本錢去談結果計價。

不要全面轉型。挑一個流程，設一個可以量測的終點，時間拉長到一年以上。中間設檢查點，達不到就退回原模式，不要硬撐。

這三條路的共同點是，都不要求你現在就相信自己會變成 operator。它們要求的是，先用一個小到不會死的賭注，把「怎麼量結果」這件事學會。

我知道這一段講完，前面那些漂亮的數字會顯得遙遠。但這才是這篇東西真正的用處。

報告講的是方向，方向是對的。但方向對，不等於每一家公司都能用同一種方式抵達。它在最後其實已經把答案縮小了，縮到「一個流程、一個客戶」，這不是修辭，這是唯一在本地行得通的規模。

只是在台灣做這個實驗，賭注要押得更小，回收期要拉得更長，而且要先把「怎麼量」這件事處理好。

因為在這個市場，最容易失敗的方式，就是把一個正確的模型，用一個撐不起它的規模去執行。

一個流程、一個客戶，然後把四件事做對

報告最後給的建議，簡單到有點意外。

先找一個熟悉的客戶，選一項結果容易衡量的業務，把收費方式、負責團隊、AI 系統一起調整一遍。

先算清楚一條諮詢能收多少錢、需要多少成本、出了問題誰負責。等能穩定交付，再考慮擴大。

怎麼挑那個客戶，我補三個條件，因為「熟悉的客戶」太容易挑錯。

處理量要夠大，才有足夠的價值池可以分。結果要能量，才簽得出合約。出錯成本要夠高，客戶才願意為「有人負責」付溢價。

三個條件同時成立的中小企業，其實比大企業更可能存在。大企業的採購體系會把新計價方式篩掉，中小企業老闆一句話就能定。

還有一個反直覺的提醒。不要選最有名的那個客戶。有名氣的客戶，通常也是最會要求你降價、最不願意讓你綁進核心流程的客戶。第一個案子要的是「做得成」，名氣可以留給第二個。

回到那句建議，真正的重點藏在最後兩個字。「一起」。

大部分公司做這件事會怎麼做。技術團隊去導系統，業務團隊去談價格，交付團隊照舊按工時算。三個動作各自發生，然後什麼都沒變。因為這三件事本來是互相鎖死的：收費方式決定了團隊怎麼組，團隊怎麼組決定了系統怎麼裝，系統怎麼裝決定了收費能不能兌現。

只動一個，其他兩個會把它拉回來。

報告把它拆成四件事，我覺得這是整份文件最可以直接抄下來用的部分。

客戶買的是一個結果，你因為交付這個結果而得到報酬，你的獲利不是來自多派幾個人、多算幾個小時。

這一句話會讓很多主管不舒服。利用率是服務業幾十年的核心指標，一個人可計費時數除以總工時，愈高愈好。但按結果收費的模式下，利用率是個有害的指標。因為它會誘導團隊把工作做得更久，而不是更快。

你要換一個指標，比如「這個流程每個月的處理單位成本下降了多少」。這個指標跟客戶的利益方向一致，也跟你自己的毛利方向一致。

runbook、例外模式、流程圖，這些東西不能只存在資深員工的腦子裡。存進系統，它才能複利、才能跨客戶重複使用。留在人腦裡，它會跟著人一起離職。

因為第一個案子一定會傷短期毛利，你需要有人事先同意「這是換長期位置的代價」。

第四點是最常被跳過的，也是最容易致命的。一個業務主管滿腔熱血推了結果合約，第一季財報出來毛利掉了一截，他被檢討，專案被收回去，公司回到原點，而且下次沒人敢提。

至於那個窗口還有多久，報告給了兩個很硬的時間點。

大量在 2023 到 2024 熱潮簽下的企業 AI 合約，大部分在 2026 年底前到期。這是十年來最大的一次預算重新分配。同時，歐盟對高風險 AI 的義務已經在 2026 年 8 月生效。

這兩個時點湊在一起，意味著買方的問題正在改變。以前是「你有沒有 AI」，現在是「你交付了什麼」，接下來會是「出了事誰負責」。

誰能回答第三個問題，誰就在下一輪拿到溢價。答不出來的，會被要求回到比價。

報告有一句話，我認為是整份文件裡最該被畫線的。

AI 進步不是漲潮，是一支擴大的楔子。一邊是不斷複利的公司，另一邊是被重新定價的公司。

而最關鍵的是後面那句。這個優勢是真的，但它還沒有被鎖死。從賣工時轉向擁有結果的窗口，現在還開著。

窗口還開著，是因為大部分人不相信它會關。等到他們相信的時候，通常已經來不及了。

回頭看第一段那場驗收會議。

那三百多萬，客戶稱之為學費。它是學費，只是繳的方式不太對。錢付了，東西沒留下，經驗也沒變成資產。真正的學費應該是這樣繳的：一個流程，一個客戶，四件事做對，然後拿到一份可以拿去給下一個客戶看的證明。

那份證明，才是這個時代最值錢的東西。因為當幾乎所有人都有 AI 的時候，能證明「我為這個結果負責」的人，才收得到錢。

技術已經不是門檻了。技術的普及，正是門檻消失的原因。

門檻現在長在別的地方。長在你敢不敢簽那張紙，長在你的團隊是不是真的被建構成能交付的樣子，長在你願不願意用三年的時間，換一個別人抄不走的位子。