多數 AI 分析預算在 Demo 上被批准,在續費時被擊穿。把技術棧當作帶可衡量單位經濟的持續性營運支出、而非一次性項目的 CFO,才是真正從中拿到價值的人。
為何 CFO 如今是 AI 分析技術棧的買單人
十年來,分析是 IT 的一項科目。當問題從“我們能做個儀表盤嗎”變成“業務能否用大白話問數據、得到可信答案”,買單方就從技術角色轉移到財務角色——因為價值如今以“每週決策數”而非“每季報告數”來表達。
CFO 評估一套 AI 分析技術棧,實質是同時評估三件事:連數據的成本、維持管治與鮮度的成本、把答案送到決策者已在之處(他們的 IM)的成本。把其中任何一項當作免費,商業論證就會在第二年崩塌。財務負責人的工作,是讓這三筆成本都可見、可預測、並綁到一個價值單位上。
沒人提前加總的兩大成本桶
錯誤在於只數授權費。完全載入的技術棧有四個桶,後三個是預算悄悄翻倍的所在:
- 連線與整合。 把 POS、ERP、電商、庫存、CRM 接入一個可查詢層。MCP 原生方案把數月壓到數天;訂造聯結器則是最大科目。
- 算力與雲。 向量庫、模型推理、定時重新整理,以及承載一切的數據倉儲。它隨數據量與查詢頻次伸縮,不隨人頭。
- 管治與信任。 行級安全、指標定義、審計留痕、鮮度監控。出事前隱形,出事後最貴。
- 採納與變革管理。 讓經理真正用起答案的人力成本。被普遍低估,以廢棄授權的方式償付。
| 桶 | 三年 TCO 典型佔比 | 藏身處 |
|---|---|---|
| 連線與整合 | 25–35% | 逐系統聯結器工作 |
| 算力與雲 | 20–30% | 隨量伸縮,不隨人頭 |
| 管治與信任 | 20–30% | 出事後才顯形 |
| 採納與變革 | 15–25% | 在薪水裏,不在發票上 |
自建 vs 採購:總擁有成本對照表
誠實的比較不是授權價,而是含上述四桶的三年總擁有成本。
| 工作流 | 訂造自建(三年) | MCP 原生託管(三年) |
|---|---|---|
| 初始整合 | 每系統 4–12 週 | 經預建伺服器數天 |
| 持續聯結器維護 | 自有團隊 | 廠商託管 |
| 首答時延 | 1–2 季度 | 兩星期內 |
| 管治構建 | 重造 | 內含、集中 |
| 增量功能成本 | 高,按需求 | 低,配置即得 |
| 廢棄風險 | 高(無採納負責人) | 較低(先試點後規模) |
中型部署的規律一致:訂造自建發票上更便宜,薪資與拖延上貴得多。託管式、MCP 原生的技術棧把資本式工程項目轉成可預測的營運支出——正是 CFO 偏好的可管治形態。
“單次洞察成本”指標及其定義
說不出單位,就管不住成本。定義一個站得住的單一指標:
單次洞察成本 = 完全載入的年度技術棧成本 ÷ 當年“基於系統生成答案做出”的決策數。
“做出的決策”必須有證據——一條導致動作的、可追溯的查詢,而非被開啟又被忽略的儀表盤。一個團隊一年問出 2,000 個被回答的問題、技術棧花 HK$60 萬,單次洞察成本即為 HK$300。這個數字比任何 ROI 幻燈片都有用,因為它可審計,且隨採納上升而下降。
關鍵的是,單次洞察成本隨用量*下降*。這與多數軟件相反——後者按席位隨使用者上升。這正是 IM 原生、低摩擦部署的核心財務論據:越好問,問得越多,每個答案越便宜。
一個例項:區域經理的星期二
看一家 40 店的大灣區零售商。上技術棧前,區域經理的星期二從給分析師發一條 Slack 開始:“能拉上週各店計劃 vs 實際嗎?”這個請求吃掉分析師 90 分鐘,且在週二交易會後才到。該把哪家店重新陳列的決策,靠直覺拍板。
上技術棧後,同一位經理早上 8:50 在企業微信群裏打出問題,8:51 拿到帶出處的答案。分析師從“拉數”中解放出的 90 分鐘,用來調查兩家店為何分化——那才是真正的判斷工作。CFO 的賬本顯示:每區域每週重定向 1 個分析師工時,12 區域 × 50 週 = 每年重定向 600 分析師工時。按完全載入 HK$400/小時,那是 HK$24 萬產能回收,對抗 HK$60 萬技術棧——還沒算更好的陳列決策。採納一旦到幾千個問題,單次洞察成本穩穩低於 HK$300。
融資模式:capex、opex 與先試點路徑
多數 CFO 不想為證明一個假設去投七位數資本項目。三種模式為主:
- 純 opex(託管)。 可預測月費,廠商持維護。最適合快速見效與乾淨預算。
- capex 自建。 自擁技術棧,自擔風險。僅當該能力是持久競爭競爭優勢、而非桌面籌碼時才成立。
- 先試點後規模。 固定費兩星期試點,再憑已證成本-per-insight 擴張。這是把廠商激勵與採納核對的融資結構。
先試點路徑值得強調:它把嚇人的請求變成三次小而可逆轉的下注,並強制 ROI 對話落到證據而非廠商的 PPT 上。
撬動數字的雲與算力槓桿
三道槓桿在不觸碰能力的前提下壓低算力成本:
- 重新整理節奏。 多數營運問題需近實時;多數戰略問題需每日。按問題型別分層重新整理,大幅削減數據倉儲開支。
- 查詢路由。 簡單聚合走數據倉儲,只有語意/檢索重活才送模型。每個不必過模型的查詢都是純節省。
- 區域與出口。 推理儘量貼近數據;跨區域出口是隱性稅。對香港/大灣區零售商,區域本地部署同時規避延遲與跨境數據搬運成本。
人力套利 vs 能力:陷阱
誘人做法是“乾脆僱兩個數據工程師”而非購買。那是套利,不是戰略。兩個工程師比託管棧更貴、一個季度才 productive、並讓你永遠持有維護。正確問題不是自建 vs 採購,而是*哪些能力是業務核心、哪些只是桌面籌碼*。連數據、供答案,是桌面籌碼;下一步該問甚麼的判斷,是核心。把人頭花在核心,買下桌面籌碼。
數據契約與 SLA:管治自我回本之處
管治不是官僚,是契約。數據契約為每數據來源定義負責人、鮮度 SLA、schema 與質素檢查。當某個 feed 斷了,契約告訴你誰負責、業務影響多大。這把隱形的“管治”桶變成可衡量的營運成本——並防止上午 9 點錯答案的災難侵蝕信任。
對 CFO,SLA 是預算科目:為決策真正需要的鮮度付費,而不是“全量實時”的 blank-check 姿態——後者悄悄翻倍算力。
評估 AI 分析支出的 CFO 計分卡
續費或擴容前,用五個 0–2 分問題:
| 問題 | 0 分 | 2 分 |
|---|---|---|
| 能說出單次洞察成本嗎? | 無指標 | 可審計、季度追蹤 |
| 採納在升還是在平? | 投入運作後持平 | 周活躍上升 |
| 答案帶出處嗎? | 否 | 是,且留痕 |
| 成本可預測(opex)嗎? | 意外發票 | 封頂、可預報 |
| 是否減少分析師苦工? | 否 | 可量化釋放工時 |
十分以下,是在續費鎖死另一年前重新談判或退出的訊號。
預算框架:試點、證明、規模
預算應跟證據,不跟熱情:
- 試點(2 週,固定費)。 一個區域、最高頻問題、成本封頂。成功標準:帶出處的答案、經理迴流。
- 證明(60–90 天)。 量單次洞察成本、分析師釋放工時、被引用的決策。規模決策以此類數字為閘,而非 Demo。
- 規模(按季)。 僅當採納證成,才擴區域與問題型別。每次擴容都是小而可逆轉的承諾——絕非零散平臺級空白支票。
這個框架把嚇人的七位數請求,變成三次小而可逆轉的下注。
AI 分析項目的常見成本陷阱
- 燈塔項目。 漂亮的中央儀表盤沒人開,因為答案在門戶不在聊天。為採納付費,不為拋光付費。
- 指標歧義。 若“計劃”有三種含義,每個答案都被爭論、技術棧背鍋。連數據前先管治定義。
- 續費失憶。 第二年帶著新席位、新模組、新出口到來。預報第三年,不只第一年。
- 人力替代。 用僱工程師“省授權費”替代託管能力,通常更貴也更晚交付。
- 模型鍍金。 預設用最大模型答每個查詢,浪費推理預算。按難度路由。
90 天成本路線圖
- 第 1–14 天: 試點一個區域;成本封頂;第一天起就量化單次洞察成本。
- 第 15–45 天: 擴問題型別;追採納曲線與釋放的分析師工時;為成本調重新整理節奏。
- 第 46–90 天: 憑證據決定規模;用計分卡重談任何續費;記錄讓答案可信的指標定義。
到第 90 天,CFO 手裏有了一個數字——單次洞察成本——讓下一次預算對話變成五分鐘會議,而非季度辯論。