老闆轉發了一篇文章給你
「XX 企業用 AI 省下 30% 成本」
附一句：「我們是不是也該找個顧問來評估一下？」
你心裡想的是：
- 上次數位轉型的專案還沒收尾…
- 我們連資料都還沒整理好…
- 找顧問要多少錢？會不會又是繳學費？
這篇寫給「被問意見」的你。
先看一組數據：誰在這波 AI 熱潮中賺錢？
在決定要不要花錢之前，先看看錢流向哪裡。
供應端（賣鏟子的）
| 角色 | 營收表現 | 來源 |
|---|---|---|
| 雲端廠商 | AWS + Azure + GCP 年營收 $3,300 億+，GenAI 貢獻一半成長 | Holori [Archive] |
| 顧問公司 | Accenture GenAI 營收從 $1 億 → $9 億（一年成長 9 倍） | Accenture 財報 [Archive] |
需求端（挖金礦的）
| 指標 | 數據 | 來源 |
|---|---|---|
| AI 專案失敗率 | 80%+（傳統 IT 專案的 2 倍） | RAND [Archive] |
| POC 後放棄比例 | 30% | Gartner [Archive] |
| 放棄大部分 AI 計畫的企業 | 42%（去年僅 17%） | S&P Global [Archive] |
這代表什麼？
賣鏟子的穩賺，挖金礦的風險最大。
- 雲端廠商：你用多少付多少，專案成敗跟他無關
- 顧問公司：顧問費收了，專案成敗是你的事
- 你（甲方）：專案失敗，成本自己扛
這不是說不該做 AI，也不是說顧問都是騙子。
而是：在花錢之前，要知道自己在賭桌上的位置。
自評：你需要 AI 顧問嗎？
回答以下 5 個問題，每題 Yes 得 1 分：
1. 你有「可用」的資料嗎？
不是「有資料」，是「可用」。
- 資料有整理過，不是散落在各個系統？
- 資料品質有基本把關？
- 有人負責維護資料？
為什麼問這個：根據 RAND 研究，AI 專案失敗的第二大原因就是「缺乏足夠資料來訓練有效模型」。沒有資料基礎就導入 AI，是拿錢打水漂。
2. 你有內部技術人員能對接嗎？
- 有工程師能理解顧問在做什麼？
- 顧問走了之後，有人能接手維護？
為什麼問這個：顧問不會永遠在。如果沒有內部人員能接手，專案結束就是系統開始腐爛的時候。
3. 這個專案有明確的商業目標嗎？
不是「導入 AI」，是「用 AI 達成什麼」。
- 能說出具體的 KPI 嗎？
- 這個目標不用 AI 能不能達成？
為什麼問這個：RAND 研究指出，失敗的首要原因是「業務方與技術團隊對問題定義存在誤解」。如果你自己都說不清楚要解決什麼問題，顧問也救不了你。
4. 預算能撐到看見成效嗎？
- Gartner 數據：從 AI 原型到生產平均需要 8 個月
- 簡單的 RAG 文件搜尋功能成本 $75 萬美元以上
- 客製化模型（如微調 Llama）成本 $500-600 萬美元
為什麼問這個：很多專案死在「錢燒完了，還沒看到成效」。預算要包含失敗的可能。
5. 老闆有耐心等嗎？
- 能接受 6-12 個月才看到初步成果？
- 能接受「這個方向不對，要調整」？
為什麼問這個：S&P Global 調查顯示，放棄 AI 計畫的企業比例從 17% 暴增到 42%，主因之一是「高管急於看到回報」。沒耐心的專案，通常死得最快。
評分結果
0-2 分：先別急，打好基礎
你的資料、人員、目標可能都還沒準備好。現在找顧問，大概率是繳學費。
建議：先花 3-6 個月整理資料、定義問題、培養內部認知。
3-4 分：可以評估，但要謹慎
有些基礎，但可能有缺口。可以找顧問做「評估」，但不要直接簽大型導入專案。
建議：先做小範圍的 POC（概念驗證），控制預算和時程。
5 分：可以開始找顧問
基礎都有了，可以認真評估顧問合作。但還是要注意下一節的紅旗。
紅旗：這種顧問不要請
以下任一項中了，建議換人談：
1. 只講「AI 轉型」，不講具體 use case
「我們會幫你導入 AI，釋放數據的力量，實現數位轉型…」
問題：如果顧問講不出「你的情境」可以用 AI 解決什麼具體問題，他可能只是在套模板。
你可以問：「以我們目前的情況，你會建議從哪個具體場景開始？為什麼？」
2. 保證成功、快速見效
「3 個月就能上線，保證 ROI。」
問題：Gartner 數據說從原型到生產平均要 8 個月，而且 30% 會在 POC 後放棄。保證成功的，不是太樂觀就是沒做過。
你可以問：「你們過去的專案，有多少比例沒有達到預期？原因是什麼？」
3. 不願意討論資料品質
「資料的事之後再說，我們先看技術架構。」
問題：資料品質是 AI 專案成敗的關鍵。根據 Informatica 調查，43% 的企業認為「資料品質和準備度」是 AI 成功的最大障礙。避談資料的顧問，可能只想賣技術。
你可以問：「你們評估我們現有資料的狀況，認為需要多少時間和成本來準備？」
4. 沒有失敗案例可分享
「我們的專案都很成功。」
問題：80% 的 AI 專案失敗。如果一個顧問說他沒有失敗案例，要嘛沒做過幾個專案，要嘛不誠實。
你可以問：「可以分享一個沒有達到預期的案例嗎？你們學到什麼？」
綠旗：好顧問長這樣
1. 先問你的問題，不是推銷工具
好顧問會先花時間了解：
- 你想解決什麼問題？
- 你試過什麼方法？為什麼沒用？
- 你的限制是什麼？（預算、人力、時程）
而不是：「我們有最新的 LLM 技術，可以幫你…」
2. 願意說「你可能不需要 AI」
有些問題不需要 AI 也能解決。好顧問會誠實告訴你：
「這個問題用 rule-based 系統就能解決，不需要上 AI。」 「你的資料量不夠，現在上 AI 不划算。」
願意把錢推掉的顧問，通常比較可信。
3. 有完整的 POC → 生產路徑
好顧問會告訴你：
- POC 階段要驗證什麼？怎麼算成功？
- POC 成功後，怎麼擴展到生產環境？
- 生產環境需要什麼基礎設施和人力？
- 長期維護誰負責？
而不是：「我們先做個 demo 給老闆看。」
4. 願意分享踩過的坑
好顧問會主動說：
「這種專案我們做過，有幾個坑要注意…」 「上次有個客戶的情況跟你類似，他們後來…」
有經驗的人知道哪裡會出問題，沒經驗的人只會說「沒問題」。
跟老闆報告時可以用的話術
如果你想說「可以做」
「根據 McKinsey 2025 報告，88% 的企業已經在使用 AI，但只有 6% 真正產生顯著商業價值。關鍵不是要不要做，而是怎麼做才能進入那 6%。
我建議我們先從一個具體場景開始做 POC，預算控制在 XX 內，3 個月評估成效。如果成功再擴大，失敗也能控制損失。」
來源：McKinsey State of AI 2025 [Archive]
如果你想說「先等等」
「根據 S&P Global 2025 調查，放棄大部分 AI 計畫的企業比例從去年的 17% 上升到 42%。Gartner 也預測 30% 的 GenAI 專案會在 POC 後被放棄。
主要原因是資料品質不足和商業目標不明確。我建議我們先花 2-3 個月整理資料、定義清楚要解決的問題，再評估是否需要外部顧問。這樣成功率會更高。」
來源：S&P Global [Archive]、Gartner [Archive]
決策建議
| 你的情況 | 建議 |
|---|---|
| 短期需求（1-2 個專案） | 找顧問比自建團隊划算，但要控制範圍 |
| 長期戰略（要建 AI 能力） | 顧問 + 自建並行，顧問負責起步，內部團隊接手長期維護 |
| 完全沒概念 | 先上課、看案例，建立基本認知，再決定要不要找顧問 |
結語
AI 顧問不是萬靈丹，也不是騙子。
他們是工具。工具用得好不好，取決於你知不知道自己要什麼。
在花錢之前，先問自己：
- 我要解決什麼問題？
- 這個問題真的需要 AI 嗎？
- 我有足夠的基礎來支撐這個專案嗎？
- 我願意承擔失敗的風險嗎？
如果這四個問題都有答案，你就準備好了。
如果還沒有，先把答案找出來，比找顧問更重要。
參考資料
- RAND: The Root Causes of Failure for AI Projects [Archive]
- Gartner: 30% of GenAI Projects Will Be Abandoned After POC [Archive]
- S&P Global: AI Adoption with Mixed Outcomes [Archive]
- Capgemini: The AI-powered Enterprise [Archive]
- McKinsey: The State of AI 2025 [Archive (PDF)]
- Accenture FY2024 Earnings Report [Archive]
- Holori: Cloud Market Size 2024 [Archive]