目錄
當科技巨頭的資本支出飆升、自由現金流開始轉弱，市場焦點從「AI 成長敘事」轉向「現金流檢驗」。這一刻，企業AI專案取捨不再只是財務部門的年度作業，而是每位決策者必須立刻面對的治理課題。過去兩年，許多企業抱著「先做再說」的心態導入 AI，如今預算緊縮，該留哪個、該砍哪個，成了最難回答的問題。
AI 燒錢時代來臨：為什麼現在必須重新檢視 AI 專案？
如果你最近參加過任何一場企業內部預算會議，大概都聽過類似的對話：某個 AI 專案上線一年，使用率始終拉不起來；另一個專案的雲端費用卻一季比一季高。財務主管開始問：「這個專案什麼時候能回收？」這句話背後，其實反映了一個更大的市場轉向。
科技巨頭資本支出飆升與自由現金流壓力
根據公開財報彙整（2024-2025），全球大型雲端服務商 2024 年 AI 資本支出合計突破 2,000 億美元，2025 年預計超過 3,000 億美元。資本支出飆升的同時，自由現金流卻沒有等比例成長，市場開始用更嚴格的資本紀律檢視每一筆 AI 投資。
| 企業 | 2024 年 AI 資本支出 | 2025 年預估 | 自由現金流變化 | 市場檢視角度 |
|---|---|---|---|---|
| 大型雲端服務商 A | 約 550 億美元 | 約 800 億美元 | 成長趨緩 | 回收期與折舊攤提壓力 |
| 大型雲端服務商 B | 約 500 億美元 | 約 750 億美元 | 增幅收斂 | 投資報酬何時兌現 |
| 大型雲端服務商 C | 約 750 億美元 | 約 1,000 億美元 | 明顯受壓 | 資本紀律是否失控 |
| 大型雲端服務商 D | 約 350 億美元 | 約 600 億美元 | 持平但吃緊 | AI 投資與廣告營收的槓桿 |
這張表想說的重點不是數字本身，而是：連口袋最深的科技巨頭都開始被追問回收期，一般企業面對 AI 專案取捨時，自然更需要一套說得清楚的判斷標準。若你的企業也正在重編 AI 硬體與雲端預算，可以延伸參考 記憶體漲價如何影響企業AI硬體預算重編？ 這篇文章的盤點方法。
從成長敘事到現金流檢驗的市場轉向
過去市場願意給 AI 投資比較長的回收期，因為成長故事夠大。但當資本支出衝高、獲利兌現時間拉長，投資人要求企業把 AI 投資與現金流產生能力掛鉤。這代表企業內部的專案排序邏輯也要跟著改：不是「哪個專案聽起來最炫」，而是「哪個專案能在合理時間內把現金流補回來」。
台灣企業的 AI 投資現況與挑戰
台灣企業的 AI 導入意願明顯提高，但多數仍停留在試點階段，規模化與流程嵌入不足。中小企業資源有限，更難同時養多個看不到回收的專案。資策會 MIC（2024）的調查即指出，台灣企業在 AI 投資上普遍面臨「試點多、落地少」的挑戰。這也讓 AI 專案取捨成為決策者與財務主管的迫切課題。
AI 專案取捨的核心問題：為什麼多數專案無法產生價值？
要回答「該砍哪個 AI 專案」，得先搞清楚：為什麼這麼多專案上線後卻沒有產生價值？
使用率低落與流程嵌入不足
McKinsey（2024）調查顯示，65% 的企業定期使用生成式 AI，但僅 10% 達到顯著價值。使用率與價值的落差，往往不是模型不夠強，而是專案沒有真正鑲進日常工作流程。員工要另外開一個系統、多按三個步驟，使用率自然掉下來。
無形價值難以量化
有些 AI 專案短期財報看起來很差，卻在累積資料資產、培養內部 AI 人才、建立供應鏈連結。這些無形價值難以用傳統 ROI 衡量，導致企業容易錯殺長期策略性專案。
替代成本與退出障礙
已投入的專案有沉沒成本，且與現有流程深度整合，退出成本高。S&P Global Market Intelligence（2024）調查發現，42% 企業已放棄大部分 AI 計畫，資源重配置成為常態，但真正困難的是判斷「哪些該先動、哪些該留」。
| 問題類型 | 具體表現 | 影響 | 解決方向 |
|---|---|---|---|
| 使用率低 | 上線後每日活躍使用者低於預期 | 投資無法轉為效益 | 重新設計流程節點、降低操作摩擦 |
| 流程嵌入不足 | 員工需額外開啟系統才能使用 | 採用率長期偏低 | 把 AI 內嵌進既有工作流 |
| 無形價值難量化 | 資料資產、人才培養未入帳 | 容易錯殺策略性專案 | 導入實質選擇權與平衡計分卡 |
| 退出障礙高 | 與核心系統耦合、替代方案成本高 | 低價值專案排擠新機會 | 先做替代成本與耦合度評估 |
依照 Gartner（2024）預測，到 2025 年底至少 30% 的生成式 AI 專案會在概念驗證後被放棄；MIT NANDA（2025）研究更指出，95% 的生成式 AI 試點未能產生可衡量損益影響。這兩個數字合起來看，說明問題不在 AI 本身，而在企業沒有建立有效的取捨機制。相關的失敗模式，可延伸閱讀生成式 AI 試點失敗的整理。
誰該負責 AI 專案取捨？決策者與財務主管的角色
AI 專案取捨之所以難，往往不是因為沒指標，而是因為責任歸屬不清。執行長看策略、財務長看現金流、專案負責人看落地，三個視角沒有交集，就容易出現「每個專案都說自己重要」的僵局。
執行長與財務長的協作模式
執行長負責定調策略優先序，財務長負責把策略翻譯成現金流語言。兩者若沒有共同語言，取捨就會變成政治角力。建議由執行長與財務長共同主持季度專案組合檢視，把「哪些專案該留、哪些該調」變成共同決策，而不是財務部門單方面的裁決。
專案負責人的責任
專案負責人不能只交進度報告，必須能回答三個問題：目前使用率多少？流程嵌入到哪一段？如果明天被砍，替代成本多高？這三個答案會直接影響取捨判斷。
跨部門取捨委員會的運作
當專案數量超過五個，建議成立跨部門取捨委員會，成員包含業務、財務、IT、人資等代表，每季召開一次，依統一的維度評分排序。委員會的價值不在投票，而在建立共同語言，讓每個專案的價值可以被放在同一把尺上比較。
| 角色 | 主要職責 | 決策權限 | 關鍵指標 |
|---|---|---|---|
| 執行長 | 定調策略優先序與資源總量 | 最終裁決 | 策略契合度、整體價值總帳 |
| 財務長 | 把策略翻譯成現金流與投資紀律 | 資源分配建議 | 回收期、淨現值、自由現金流 |
| 專案負責人 | 掌握使用率、流程嵌入與替代成本 | 執行層調整 | 使用率、活躍度、流程節點覆蓋率 |
| 取捨委員會 | 跨部門評分與排序 | 排序建議 | 五大維度綜合評分 |
取捨委員會若要運作順暢，背後需要清楚的治理邊界與權責劃分，這也是企業 AI 治理框架要先談清楚的基礎。
AI 專案取捨的五大判斷維度
該砍哪個 AI 專案，如果用一句話回答：先看它為現金流帶來什麼，再看它為組織留下什麼。以下五個維度可以幫助你把抽象問題拆成可比較的評分。
現金流影響地圖
盤點每個專案的現金流入與流出，計算回收期與淨現值。現金回收快、淨現值高的專案優先保留；回收期拉長且缺乏明確里程碑者，應列入檢討名單。
使用率與流程嵌入度
設定使用率、活躍度、流程節點覆蓋率等指標。使用率低且流程嵌入不足，通常代表專案並未解決真實痛點，需從流程設計與變革管理著手；若調整後仍無起色，就該考慮退場。
替代成本與退出障礙
分析若砍掉專案，替代方案的成本與時間，以及與現有流程的耦合程度。替代成本低、耦合度低者，退出相對安全；替代成本高者，則需要分階段處理。
無形價值與實質選擇權
以實質選擇權法評估專案的未來擴張、延遲、放棄等選擇權價值，並以平衡計分卡納入學習成長與內部流程構面。這一維度最常被忽略，卻往往是錯殺關鍵專案的主因。
策略契合度
專案是否直接支撐企業未來三到五年的策略主軸？策略契合度高的專案，即使短期財務回報低，也應審慎評估，避免因為短期壓力砍掉未來的入場券。
| 維度 | 評估指標 | 權重建議 | 評分標準 | 資料來源 |
|---|---|---|---|---|
| 現金流影響 | 回收期、淨現值 | 25% | 1-5 分，回收越快越高分 | 財務系統、專案成本明細 |
| 使用率與流程嵌入 | 使用率、活躍度、節點覆蓋率 | 25% | 1-5 分，採用越深越高分 | 系統日誌、使用者訪談 |
| 替代成本與退出障礙 | 替代方案成本、耦合度 | 15% | 1-5 分，退出越難越低分 | IT 架構盤點 |
| 無形價值與實質選擇權 | 資料資產、人才、選擇權價值 | 20% | 1-5 分，選擇權越大越高分 | 平衡計分卡、情境分析 |
| 策略契合度 | 與中長期策略主軸的關聯 | 15% | 1-5 分，越貼合策略越高分 | 策略地圖、年度計畫 |
使用率指標的設計細節，可以參考 AI 專案使用率追蹤指標的整理，把「使用」拆成可觀測的行為。
如何建立 AI 專案取捨框架？五步驟實作指南
知道五個維度是一回事，真的把它落成流程又是另一回事。以下五個步驟，是我們建議企業在下一季預算會議前可以先跑一輪的實作順序。
步驟一：建立現金流影響地圖
把所有 AI 專案列在白板上，逐一標出現金流入與流出，計算回收期與淨現值。這一步的重點不是精算，而是把「每個專案燒多少、賺多少」攤在陽光下，讓討論有共同基礎。
步驟二：追蹤使用率與流程嵌入度
為每個專案設定使用率與流程節點覆蓋率目標。沒有可追蹤的指標，就沒有辦法判斷專案是「還沒起飛」還是「已經該退場」。
步驟三：評估替代成本與退出障礙
針對檢討名單上的專案，評估替代方案的成本與時間，以及與現有系統的耦合程度。這一步會決定退場是否可行，以及要用什麼節奏退。
步驟四：納入無形價值與實質選擇權
以實質選擇權法評估專案的延遲、擴張、放棄等選擇權價值，並用平衡計分卡把資料資產、員工技能、流程自動化納入學習成長與內部流程構面。
步驟五：建立動態組合管理機制
每季檢視專案組合，依策略優先序與資源配置動態調整。組合管理強調的不是單一專案成敗，而是整體投資組合的價值最大化，這部分可以參考 AI 專案組合管理的做法。
| 步驟 | 執行重點 | 負責人 | 產出文件 | 檢核頻率 |
|---|---|---|---|---|
| 步驟一 | 盤點現金流入流出、算回收期 | 財務長 | 現金流影響地圖 | 每季 |
| 步驟二 | 設定使用率與流程節點覆蓋率 | 專案負責人 | 使用率儀表板 | 每月 |
| 步驟三 | 評估替代方案成本與耦合度 | IT 主管 | 退出評估表 | 每季 |
| 步驟四 | 評估選擇權價值與無形資產 | 策略單位 | 無形價值評估表 | 每半年 |
| 步驟五 | 組合排序與資源重配置 | 取捨委員會 | 專案組合決議 | 每季 |
傳統做法
財務長：這個 AI 客服專案使用率只有 15%，直接砍掉，把資源移到別的專案。
專案負責人：可是我們已經投入很多，而且客戶資料都在上面……
財務長：不管，ROI 算出來就是負的，先砍再說。新做法
財務長：這個 AI 客服專案使用率只有 15%，但流程嵌入度很高，替代成本也不低。
專案負責人：對，而且它累積的客戶對話資料是未來訓練模型的重要資產。
財務長：那我們先最佳化使用率，同時把無形價值納入評估，再決定是否調整資源。
AI 投資評估方法比較：傳統 ROI、實質選擇權與平衡計分卡
談到 AI 投資評估，多數企業第一個想到的是 ROI。但單靠 ROI 很容易讓「短期看不到數字、長期很關鍵」的專案被錯殺。實務上，我們建議至少三種方法並用。
傳統 ROI 分析的優勢與限制
優勢是簡單直觀，容易比較不同專案的財務回報；限制是忽略無形價值與不確定性，容易把策略性專案誤判為低價值。
實質選擇權法的優勢與限制
由 Myers（1977）提出，Dixit 與 Pindyck（1994）進一步發展。它納入不確定性與管理彈性，可評估延遲、擴張、放棄等選擇權價值；限制是參數估計複雜、主觀性高，需要較高專業能力。
平衡計分卡的優勢與限制
Kaplan 與 Norton（1992）提出，從財務、客戶、內部流程、學習成長四個構面衡量績效，可把資料資產、員工 AI 技能納入評估；限制是指標權重難以客觀設定，執行成本較高。
| 方法 | 優勢 | 限制 | 適用情境 | 專業門檻 |
|---|---|---|---|---|
| 傳統 ROI | 簡單直觀、易比較 | 忽略無形價值與不確定性 | 現金流明確的專案 | 低 |
| 實質選擇權 | 納入彈性與不確定性 | 參數主觀、計算複雜 | 高不確定、長期布局專案 | 高 |
| 平衡計分卡 | 兼顧財務與非財務 | 權重難客觀、執行成本高 | 策略性、跨部門專案 | 中 |
| 評估構面 | 傳統 ROI | 實質選擇權 | 平衡計分卡 |
|---|---|---|---|
| 財務回報 | ★★★★★ | ★★★★ | ★★★ |
| 無形價值 | ★ | ★★★★ | ★★★★★ |
| 不確定性 | ★ | ★★★★★ | ★★★ |
| 執行成本 | ★★★★★（低） | ★★（高） | ★★★（中） |
| 策略契合 | ★★ | ★★★★ | ★★★★★ |
若想進一步理解選擇權價值如何放進 AI 投資，可以延伸閱讀實質選擇權在 AI 投資的應用；若想把無形資產有系統地納入評估，則可以搭配平衡計分卡與無形資產評估的做法。
哪些 AI 專案該留？哪些該砍？實務判斷準則
把五大維度攤開後，多數專案會落在三種區間：優先保留、優先檢討、需要審慎評估的灰色地帶。
優先保留的專案類型
現金流回收快、使用率高、流程嵌入深、策略契合度高的專案，應優先保留並加碼資源。這類專案通常是企業 AI 化的核心引擎。
優先檢討的專案類型
使用率長期低、流程嵌入不足、替代成本低、現金回收慢的專案，應列入退場檢討名單。重點不是一次砍光，而是把資源移往更高價值的機會。
需要審慎評估的灰色地帶
使用率低但流程嵌入深、替代成本高、累積關鍵資料資產的專案，屬於灰色地帶。這類專案不該直接砍，而應該設定改善期，同時把無形價值納入評估。
| 專案類型 | 現金流 | 使用率 | 替代成本 | 無形價值 | 建議行動 |
|---|---|---|---|---|---|
| 高價值 | 回收快 | 高 | 高 | 高 | 保留並加碼 |
| 低價值 | 回收慢 | 低 | 低 | 低 | 列入退場檢討 |
| 灰色地帶 | 回收慢 | 低 | 高 | 高 | 設改善期並納入無形價值 |
傳統做法
委員 A：這個 AI 客服專案使用率低，直接砍掉。
委員 B：同意，省下來的預算可以去做新的生成式 AI 專案。
主席：那就表決，多數通過就終止。新做法
委員 A：這個 AI 客服專案使用率低，但流程嵌入度很高，替代成本也不低。
委員 B：而且它累積的客戶對話資料是未來訓練模型的重要資產。
主席：那我們先最佳化使用率，同時把無形價值納入評估，三個月後再檢視。
要把上面的判斷做得更精細，可以參考 AI 投資回報率計算框架，把回收期與價值指標一起看。
台灣企業的 AI 專案取捨實務：中小企業與大型企業的差異
台灣企業的規模差異很大，取捨策略自然也不能一體適用。大型企業可以養組合，中小企業則必須把資源集中在少數關鍵專案上。
大型企業的取捨策略
資源較充足、決策流程較長，可以同時養多個專案形成組合，但必須建立跨部門取捨委員會與季度檢視機制，避免資源分散。
中小企業的取捨策略
資源有限、決策速度快，適合以現金流與使用率為核心，只保留一到兩個最有把握的專案，其餘用外部工具或外包替代。
資源有限下的優先順序
當資源有限時，優先順序建議是：先做能立刻減少人力成本的流程自動化，再做能累積資料資產的客戶互動專案，最後才是探索型的前瞻專案。
| 比較項目 | 大型企業 | 中小企業 |
|---|---|---|
| 資源規模 | 可同時養多專案組合 | 資源集中在少數專案 |
| 決策流程 | 跨部門委員會、季度檢視 | 高層快速定案 |
| 取捨重點 | 組合價值最大化 | 現金流回收與使用率 |
| 常見挑戰 | 資源分散、協調成本高 | 人才不足、難以規模化 |
中小企業若正在規劃 AI 導入路徑，可以參考台灣中小企業 AI 導入策略的做法，從最小可行的專案起步。
如何避免錯殺關鍵 AI 專案？無形價值評估實務
取捨最難的地方，不是砍掉明顯失敗的專案，而是辨認出「現在看起來不怎樣、未來卻很關鍵」的專案。無形價值評估就是為了這個目的而存在。
實質選擇權的應用
把 AI 專案視為一系列選擇權：延遲的權利、擴張的權利、放棄的權利。這些選擇權在高度不確定的環境中具有價值，應該被計入專案總價值，而不是只看靜態淨現值。
平衡計分卡的無形構面
把資料資產累積、員工 AI 技能提升、流程自動化程度、供應鏈連結等，放入學習成長與內部流程構面，讓無形價值有可追蹤的指標。
情境分析與壓力測試
設定樂觀、基本、悲觀三種情境，檢視專案在不同情境下的表現。悲觀情境下仍能保住關鍵能力的專案，通常值得留下。
| 無形價值類型 | 評估指標 | 衡量方式 | 資料來源 |
|---|---|---|---|
| 資料資產 | 可用訓練資料量、資料多樣性 | 資料庫盤點、標註完成度 | 資料治理紀錄 |
| 員工技能 | AI 工具使用能力、內部講師數 | 技能測驗、培訓出席率 | 人資訓練系統 |
| 流程自動化 | 自動化節點數、人力節省時數 | 流程盤點與工時統計 | 流程管理系統 |
| 品牌價值 | 客戶滿意度、對外形象提升 | 滿意度調查、社群聲量 | 客服系統、社群平台 |
| 生態系連結 | 合作夥伴數、共同開發案例 | 夥伴清單與合作紀錄 | 業務與夥伴管理系統 |
取捨不只是財務計算，也牽涉價值排序與長期判斷。這樣的角度，和王道經營學與 AI 決策所談的總價值思維相呼應。
AI 專案取捨的組織溝通與變革管理
砍掉專案不難，難的是砍完之後，組織還願不願意繼續相信 AI。這正是變革管理要處理的事。
透明溝通的原則
說明資源重配置的理由，不是「這個專案不好」，而是「資源要集中到更高價值的地方」。把判斷維度與數據公開，可以降低員工的不安。
員工安置與技能轉換
被調整專案的成員，應優先轉調到新專案，並提供 AI 技能培訓。這比單純縮編更能保住組織信任與 AI 人才。
維持組織信任
取捨過程若讓員工覺得「只是高層在砍預算」，後續推動新專案會遇到更大阻力。透明、一致、有邏輯的取捨，反而能強化組織對 AI 的信心。
| 溝通對象 | 溝通重點 | 溝通管道 | 時程 | 負責人 |
|---|---|---|---|---|
| 高階主管 | 取捨邏輯、資源重配置方向 | 經營會議 | 決策前一週 | 執行長 |
| 專案團隊 | 專案去留原因、後續安排 | 一對一面談 | 決策後三天內 | 專案負責人 |
| 全體員工 | 資源重配置的目的與新方向 | 全員會議、內部信 | 決策後一週內 | 人資主管 |
| 外部夥伴 | 合作調整與後續安排 | 業務聯繫 | 決策後兩週內 | 業務主管 |
常見問答
企業 AI 專案取捨該用什麼指標判斷該砍？
應綜合使用率、流程嵌入度、替代成本、現金流回收期與策略契合度。使用率低且流程嵌入不足者優先檢討；替代成本低、現金回收慢者，可考慮退場，把資源移到更高價值專案。
| 判斷條件 | 建議行動 | 優先順序 |
|---|---|---|
| 使用率低 + 流程嵌入低 + 替代成本低 | 列入退場檢討 | 最高 |
| 使用率低 + 流程嵌入高 + 替代成本高 | 設定改善期並納入無形價值 | 次高 |
| 使用率高 + 策略契合度高 | 保留並加碼資源 | 保留 |
AI 專案的無形價值如何量化？
可採實質選擇權法評估未來擴張與放棄選擇權，或以平衡計分卡把資料資產、員工技能、流程自動化納入學習成長與內部流程構面，並以情境分析輔助判斷。
| 方法 | 量化對象 | 適用時機 |
|---|---|---|
| 實質選擇權法 | 未來擴張、延遲、放棄的選擇權價值 | 高不確定、長期布局專案 |
| 平衡計分卡 | 資料資產、員工技能、流程自動化 | 跨部門、策略性專案 |
| 情境分析 | 不同情境下的專案表現與韌性 | 重大投資決策前的壓力測試 |
台灣企業 AI 專案取捨常見問題有哪些？
常見試點多、規模化少、使用率低、缺乏取捨框架。中小企業資源有限，更需以現金流與使用率為核心，建立動態組合管理，避免資源分散。
砍掉 AI 專案會影響員工士氣嗎？
可能影響，但需透明溝通，說明資源重配置是為了更高價值專案。把員工移至新專案或提供技能轉換，可降低負面衝擊，維持組織信任。
如何避免錯殺關鍵 AI 專案？
納入無形價值與長期選擇權，定期檢視專案組合。對策略契合度高、累積關鍵資料資產或培養 AI 人才的專案，即使短期財務回報低，也應審慎評估。
| 專案特徵 | 是否該砍 | 理由 |
|---|---|---|
| 短期虧損但累積資料資產 | 不該砍 | 資料資產是未來模型訓練基礎 |
| 短期虧損但培養 AI 人才 | 不該砍 | 人才是組織長期能力 |
| 短期虧損且無策略連結 | 可考慮退場 | 缺乏長期選擇權價值 |
品牌觀點：從王道經營學看 AI 專案取捨
從王道經營學的「價值總帳」三維六面向來看，AI 專案取捨不該只是財務報表上的加減。顯性與隱性、現在與未來、直接與間接——這六個面向若沒有一起被看見，企業很容易因為短期數字而砍掉未來的入場券。
宏碁集團創辦人、智菩科技共同創辦人施振榮長期主張，王道的核心是「創造價值、利益平衡、永續經營」。套用到 AI 專案取捨上，代表決策者不只要問「這個專案今年賺多少」，還要問「它為組織留下什麼、為未來打開什麼門」。
因此，AI 專案取捨不是單純的財務計算，而是價值排序的治理課題。企業應以「創造價值、利益平衡、永續經營」為核心，將顯性與隱性、現在與未來、直接與間接價值一併納入評估，避免錯殺累積關鍵資料資產或培養 AI 人才的策略性專案。治理、領導、管理三支柱若能對齊，取捨就會從「互相拉扯」變成「共同排序」。
若您正在面對 AI 預算緊縮與專案取捨的難題，歡迎參考智菩科技的王道 AI 化轉型陪跑服務，從治理一致到流程系統 AI 化，建立可複製的組織能力與長期競爭優勢。
結論：AI 預算緊縮時代的取捨智慧
AI 投資從「先做再說」走向「價值排序」，這是市場成熟的必經之路。企業 AI 專案取捨不是一次性的裁減，而是每季持續調整的動態組合管理。
與其問「該砍哪個專案」，不如換個問法：哪個專案能在合理時間內把現金流補回來？哪個專案為組織累積了關鍵資料資產或人才？哪個專案是未來策略的入場券？把這三個問題的答案放在同一張表上，取捨就不再是政治角力，而是有邏輯的價值排序。
下一步行動建議：本週就挑出三個正在燒錢的 AI 專案，用現金流、使用率、替代成本、無形價值、策略契合度五個維度各給一分，把總分最低的那個列入下次預算會議的檢討名單。不需要一次砍到底，但要開始建立排序的紀律。
延伸閱讀：
- 記憶體漲價如何影響企業AI硬體預算重編？
- 企業 AI 專案組合管理指南
- AI 投資回報率計算框架
延伸閱讀