導入 AI 服務的 ROI 怎麼算？
某機構計畫導入生成式 AI 旅遊資訊服務對話系統自動生成多語言對話。目前每月需人工翻譯 600 則訊息，每則成本 50 元；若改用 ChatGPT API，每則訊息需 2000 Tokens，而 Token 成本 0.8 元/1000 Tokens，但需額外投入系統整合費用 20 萬元。關於投資報酬率（Return on Investment, ROI）評估，下列何者最為正確？
某機構計劃用 ChatGPT API 取代人工翻譯，現在每月翻譯 600 則、每則 50 元；改用 AI 後，每則消耗 2000 Tokens，Token 費率 0.8 元/1000 Tokens，但需要先投入 20 萬元系統整合費用。題目要你算出 ROI 的關鍵數字。
問你：每月節省多少元，以及系統整合費用需要幾個月回收？
一句話總結
每月人工費 30,000 元，換 AI 後每月費用 960 元，每月節省 29,040 元；20 萬整合費 ÷ 29,040 = 約 6.89 個月，即約 7 個月回收。
先感受問題：旅遊服務機構要替換翻譯方式，怎麼評估值不值得？
假設你在「台灣旅遊推廣協會」負責數位化。協會每月要回覆 600 則來自各國旅客的多語言詢問，目前靠人工翻譯員處理，每則 50 元，一個月 3 萬元。
有廠商提案：用 ChatGPT API 自動翻譯生成回覆，每月費用大幅降低，但要先花 20 萬整合進現有系統。
問題是：這 20 萬要多久才能省回來？這就是投資報酬率（ROI）評估要算的事。
計算之前，先把題目的數字整理清楚
避免算錯，先把所有條件列出來：
- 現況每月成本：600 則 × 每則 50 元 = 30,000 元
- AI 方案每則 Token 用量：每則 2,000 Tokens
- Token 單價：0.8 元 / 1,000 Tokens
- AI 方案每則與每月費用：每則 = 2,000 Tokens × (0.8 ÷ 1,000) = 1.6 元；每月 600 則 × 1.6 = 960 元
- 一次性整合費用：200,000 元
有幾個容易算錯的陷阱：Token 單價是「0.8 元/1000 Tokens」，要先換算成每個 Token 多少錢，再乘以用量；每月節省不是直接等於 30,000 元，要扣掉 AI 使用的 960 元；回收期用一次性費用除以每月節省，不是除以每月 AI 費用。
逐步算清楚
Step 1：算每月 AI 費用
每則訊息消耗 2,000 Tokens，Token 費率 0.8 元/1,000 Tokens。
每則費用 = 2,000 × (0.8 / 1,000) = 2,000 × 0.0008 = 1.6 元
每月 600 則：600 × 1.6 = 960 元
Step 2：算每月節省
現況每月成本：600 × 50 = 30,000 元
AI 方案每月成本：960 元
每月節省 = 30,000 - 960 = 29,040 元
Step 3：算回收期
整合費用 200,000 元 ÷ 每月節省 29,040 元 = 6.89 個月
約等於 7 個月（無條件進位到整數月）。
「台灣旅遊推廣協會」導入後約 7 個月就能回收 20 萬的整合成本，之後每月淨省 29,040 元，ROI 正向。
這就是選項 A 講的：每月節省成本 29,040 元，系統整合成本約 7 個月回收。
技術版：Token 費用計算與 AI 服務 ROI 評估框架
Token 費用計算是 AI 應用規劃師在評估 LLM API 方案時的基本工作。理解 Token 和費用的關係，是制定 AI 服務預算的前提。
什麼是 Token：語言模型不是一個字一個字讀文字，而是把文字切成「Token」。中文一個字大約等於 1-2 個 Token，英文一個詞大約 1 個 Token。實際換算比例因語言和模型版本而異。
Token 費用的兩個部分：大多數 API 計費分「輸入 Token」（你送進去的提示詞）和「輸出 Token」（AI 生成的回覆），兩者單價通常不同，輸出通常更貴。本題簡化成每則 2,000 Tokens 統一計算。
ROI 評估的常用公式：回收期 = 一次性投資 ÷ 每期節省；ROI（%）= (總節省 - 一次性投資) ÷ 一次性投資 × 100%。本題問的是回收期，算法是 200,000 ÷ 29,040 ≈ 6.89 個月。
為什麼出題者要考這題：能做出可信的 ROI 估算是 AI 應用規劃師的核心技能之一。不同的算法假設（用完整 30,000 還是扣掉 AI 費用的 29,040）會影響決策，這題考的就是能不能算對。
為什麼其他選項是錯的
B每月節省成本 30,000 元，系統整合成本約 7 個月回收
認為節省了全部的人工費 30,000 元，回收期算成 200,000 ÷ 30,000 ≈ 6.67 個月，約 7 個月。
「節省」應該是舊成本減去新成本，不是全部舊成本。換成 AI 後每月還是有 960 元的 API 費用，節省只有 29,040 元。這個選項漏算了 AI 方案本身的持續費用。
以為「換成 AI = 省下所有人工費」，忘了 AI API 也要按用量付費的人。
C每月節省成本 28,040 元，系統整合成本約 8 個月回收
節省 28,040 元，回收期 8 個月。
節省金額算錯了。如果節省是 28,040，意味著 AI 費用是 1,960 元（30,000 - 28,040），但正確計算是 960 元。200,000 ÷ 28,040 ≈ 7.1 個月，也不是 8 個月。兩個數字都算錯。
Token 費率換算出錯（例如把 0.8 元/1000 Tokens 算成每 Token 0.8 元），導致 AI 費用算成 1,600 元而不是 960 元，節省額就會算成 28,400 而非 29,040。
D每月節省成本 25,000 元，系統整合成本約 8 個月回收
節省 25,000 元，8 個月回收。
節省 25,000 意味著 AI 費用是 5,000 元/月，但正確計算是 960 元，差異過大。可能是把 Token 費率算成 0.8 元/個（而非 0.8 元/1,000 個），導致費用嚴重高估。
把「0.8 元/1,000 Tokens」誤讀為「0.8 元/Token」，整整差了 1,000 倍的人。這是這題最容易踩到的單位換算陷阱。
同個考點下次怎麼變形
如果每月訊息量從 600 則增加到 1,200 則，回收期會怎麼變化？
用量增加，AI 費用也增加，那回收期應該變長？
反而會縮短。每月人工費 = 1,200 × 50 = 60,000 元；AI 費 = 1,200 × 1.6 = 1,920 元；每月節省 = 58,080 元；回收期 = 200,000 ÷ 58,080 ≈ 3.4 個月。量越大，AI 的成本優勢越明顯，回收越快。
ROI 評估中「回收期」和「IRR（內部報酬率）」有什麼不同？
都是衡量投資值不值得的指標，差在哪？
回收期（Payback Period）只算「要多久把本金賺回來」，簡單直覺。IRR 考慮資金的時間價值，計算讓 NPV 等於零的折現率，更精確但更複雜。初級考試通常只考回收期的概念計算。
Token 費率從 0.8 元/1,000 Tokens 漲到 1.2 元/1,000 Tokens，回收期會變成幾個月？
費率漲了，AI 費用增加，節省減少，回收期延長。
新費率下每則費用 = 2,000 × 0.0012 = 2.4 元；每月 AI 費 = 600 × 2.4 = 1,440 元；每月節省 = 30,000 - 1,440 = 28,560 元；回收期 = 200,000 ÷ 28,560 ≈ 7.0 個月。費率漲 50%，回收期只從 6.89 延長到 7.0 個月，因為 AI 費用在總成本中佔比很低。
除了直接節省費用，AI 旅遊對話系統還可能帶來哪些「量化困難但真實存在」的效益？
ROI 不就是省了多少錢嗎，還有什麼？
三類軟效益：速度提升（AI 即時回覆，人工可能要等一天）、服務時間延長（24 小時全天候，人工翻譯只能白天）、語言覆蓋擴大（AI 可同時處理更多語種，擴大潛在客群）。這些效益難以精確量化，但在完整的 ROI 評估中應該以定性方式納入。
AI 取代人工翻譯，規劃師在 ROI 分析中應如何處理「人員重新部署或遣散」的成本？
不用翻譯員了，成本就省下來了，不用管人的問題？
需要納入考量。如果是外包翻譯，終止合約後確實直接省下；如果是正職員工，可能需要資遣費、轉職訓練費、或重新部署到其他職位的過渡成本。這些屬於「變革管理成本（Change Management Cost）」，是 TCO 的一部分，完整 ROI 評估不能忽視。
想再往下看，這 5 個
- 符記（Token）LLM 處理文字的基本計費單位，此題 ROI 計算的核心就是算出每則訊息的 Token 數與對應費用
- 大型語言模型（Large Language Model）具備理解和生成自然語言能力的巨型模型，ChatGPT API 是此題 ROI 場景的技術基礎
- 機器翻譯（Machine Translation）AI 自動將文字從一種語言翻譯成另一種語言，是此題旅遊多語言對話場景直接替代人工翻譯的技術
- 成本效益分析（Cost-Benefit Analysis）系統比較方案成本與效益的決策框架，ROI 計算是其中效益端的核心量化工具
- 批次推論（Batch Inference）打包多筆請求一次送出的推論模式，可降低 Token 單價，是大量翻譯任務的成本優化選項