聯發科近日傳出工程師AI工具Token額度遭調降，公司今日回應，會依任務複雜度自動匹配不同模型，藉由更具效益的Token使用模式，長期支援持續擴大的AI需求。AI愈用愈廣、帳單也跟著增加，企業該怎麼算這筆帳？OpenAI東南亞暨台灣大型企業客戶總監王曉凡指出，不應只看Token價格，而要衡量完成任務的總成本，並重新設計工作流程。
「現在模型更新速度愈來愈快，幾乎每個月都有新進展，企業到底該怎麼追？」
「公司內部已經開始試用AI，大家也覺得有幫助，但究竟該如何向管理層證明實質的ROI與商業價值？」
OpenAI東南亞暨台灣大型企業客戶總監王曉凡在萬里雲舉辦的2026 AI大師論壇分享，加入OpenAI約七、八個月來，她拜訪許多企業客戶，期間這兩個問題反覆出現。
根據OpenAI統計，ChatGPT全球每週活躍使用者已超過12億人；在消費端使用紀錄中，也已有超過三分之一的訊息直接與工作相關。
即使部分企業尚未制定明確的AI使用規範，員工早已開始自行運用AI處理日常工作。然而，當企業進一步推動規模化導入，卻常面臨效益難以量化、支出持續增加等問題。
企業該如何從個人使用AI，進一步延伸至組織核心流程？
新模型成本下降，支出反而增加不是壞事？
王曉凡首先指出，她的確聽過許多人表示「AI愈用愈貴」，但此敘述未必反映出真實的AI應用邏輯。
她解釋，若從模型世代演進觀察，新模型的處理品質與任務能力持續提升，使用單位成本也持續下降。
以第三方機構評測為例，在部分模型比較中，隨著能力提升，成本可下降約五成至七成五。
在此背景之下，王曉凡指出，企業之所以感受到帳單總額增加，主要原因在於AI能處理的任務與應用場景增加，帶動整體調用量上升。
「我們每花一塊錢所能夠得到的智慧，完成的工作越來越多。」
因此，她認為企業評估AI支出時，不宜只關注單一Token價格，而應改以「完成一項工作任務所需的總成本」衡量投入與產出。
另一項企業常見的焦慮，則來自難以追趕技術迭代的速度。
王曉凡認為，與其追逐每一次模型與功能更新，企業更應掌握工作型態的結構性變化。
從近期技術發展來看，AI正逐步由單次問答工具，轉變為能持續推進複雜任務的自主代理；另一方面，多模態與電腦操作（Computer Use）能力日益成熟，也讓AI能直接理解螢幕內容、操作瀏覽器，進一步串接既有企業軟體。
以王曉凡自身的業務工作為例，從客戶會議準備、簡報製作、會議記錄、後續信件，到更新CRM與追蹤客服工單，都已有AI參與。
她認為，面對員工早已在工作中自行使用AI的現況，企業應提供合適工具，並建立相應的規範、治理與權限管理，將分散的個人使用習慣，逐步納入制度化的協作流程。
別在舊流程外掛AI，從三張清單下手
那麼，企業應該怎麼導入AI？
王曉凡以OpenAI財務團隊的轉型經驗為例，說明企業如何從實際工作流程中找出適合導入AI的環節。
她分享，過去兩年業務快速成長期間，OpenAI財務團隊的人力規模，約只有同業平均水準的兩成。
負責推動轉型的財務長弗萊爾（Sarah Friar）確立一項核心原則：流程必須以「AI原生（AI-native）」方式重新思考，不是單純在既有流程上加掛AI工具。
也就是說，只要AI開始參與某個工作環節，就應進一步檢視這個步驟是否還有必要，以及原本的流程是否可以重新設計。
實際執行時，團隊可以從三張清單著手，盤點哪些工作最適合優先導入AI。
第一張是「不想再做」的清單。
這類任務通常具備高度重複、規則明確、附加價值偏低等特性，例如例行帳款審核與單據核對。若交由背景代理持續執行，僅在出現異常或需要核准時由人工介入，便可減少人力耗費在重複性工作上。
第二張是「想做但過去做不了」的清單。
這類情境常見於員工具備業務專業，卻受到技術工具門檻限制。例如財務人員需要進行進階資料分析，卻不熟悉Python或SQL語法。透過自然語言介面由AI協助處理資料後，便能降低原本的技能門檻。
第三張則是「需要腦力激盪」的清單。
對於市場預測、策略規劃等不存在單一標準答案的任務，團隊可將AI作為輔助思考工具，快速模擬不同情境與可能性。
王曉凡表示，在安排導入優先順序時，團隊會先鎖定「低投入、高價值」的任務，例如固定週期的季結或財務預測。這類工作範圍明確、成果容易衡量，有助於在早期建立具體成效。
至於涉及跨部門、跨系統的核心流程，則需要管理層投入資源進行更完整的流程梳理。OpenAI的FDE（AI部署）團隊協助企業落地時，也會將「是否具備可衡量的商業價值」視為專案啟動的重要前提，避免在缺乏效益評估的情況下投入大量資源。
王曉凡也指出，最熟悉流程痛點的通常是一線領域專家。
企業應提供統一的存取入口，讓領域專家透過外掛與技能模組，與技術團隊共同打造符合工作需求的代理；再透過成果分享與目錄化機制，把個人累積的使用經驗轉化為組織可以重複利用的資產。
「把工具給到每個團隊，不是只是開發、不是只是製造、不是只是總經理的秘書，是每個團隊。」王曉凡強調，每個部門都有各自的重要流程，也都有利用AI重新設計的空間。高階主管的角色，在於辨識真正重要的工作流程，並將資源配置給最需要的團隊。
AI落地之後，成本、資安與資料都要管
在前線推動AI應用、尋找商業價值的同時，專家提醒，企業必須同步考量成本、資安與資料治理等配套措施。
萬里雲創辦人暨董事長劉永信從實際營運角度指出，算力成本與資安治理，是企業部署AI時需要持續關注的兩項課題。
劉永信表示，公有雲業者大幅增加資本支出、投入AI基礎設施，相關成本最終可能反映在企業使用AI服務的費用。如果企業缺乏相應管理機制，AI支出可能逐漸成為難以掌握的營運成本。
他建議企業導入FinOps思維，將運算費用拆分至不同部門與專案，透過單位經濟分析，持續檢視各項應用的投入與產出。
在資安層面，劉永信援引OpenAI先前公布的測試案例指出，若AI Agent被賦予明確目標，卻缺乏適當限制時，可能在遭遇阻礙後，採取超出預期的方式完成任務。
這凸顯出目標對齊（Alignment）在企業實際部署中的重要性。
他表示，企業擴大導入Agent時，應同步建立行為監控、存取權限審查，以及能即時中止系統運作的機制，確保AI行為維持在組織設定的邊界內。
前科技部部長、萬里雲首席顧問陳良基則提醒，演算法可能每四至12個月就出現新世代，若企業持續追逐最新模型，可能難以跟上迭代速度。
他認為能夠長期累積的私有資料更為重要，只要建立良好的品質維護與治理機制，就有機會隨時間累積，成為核心競爭優勢。
陳良基表示，企業可以將資源集中在盤點、整理與累積自身資料；至於運算資源與模型工具，則可與生態系夥伴合作，無須由內部IT團隊重複開發底層能力。
隨著AI逐步進入日常工作與核心流程，企業一方面需要找出真正值得導入的應用場景，另一方面也得同步建立成本、權限與資料管理機制。導入AI，已不只是採購一項新工具而已。
相較於追逐每一代新模型，能否將AI嵌入組織與流程中，並持續衡量投入與產出，或許才是企業更需要回答的問題。
