根據 Gartner 最新報告指出，到 2027 年底，超過 40% 的「agentic AI 專案」將因成本飆升、商業價值不明、風險難控而被取消。
這其實提醒我們：單純「做 AI Agent」並不是保證成功，必須針對題目、預算、運算成本、價值對齊做好規劃。
為什麼要考慮token成本？
- 若我們追求「自動 、連續 、思考 」型的 AI Agent，意思是：它不只是回答一次，而是反覆思考、確認、持續處理流程。這會「燒掉很多 token」。
- 而這些 token 的背後，是 GPU／算力在跑、模型在運算。每次執行、每次解題，都不能完全預估會燒掉多少 token → 這在企業預算編制上是一大挑戰。
- 與傳統 SaaS 服務模式相比：SaaS 往往是「服務更多人 → 邊際成本趨近於零」，用量越多越划算。
- 但 AI Agent 每做一件事，背後 GPU 起來跑、模型呼叫、資料傳輸…邊際成本高，用量放大 → 成本也幾乎線性增加，離「邊際成本趨近零」還很遠。
- 因此，雖然用 AI Agent 有潛力，但目前「算力生 token 」還比較貴，這是一個關鍵阻礙。
預算來源與選題比技術更重要
- 很多企業把 AI Agent 的目的放在「降低成本」，而預算來源放在 IT 部門。
- 問題：IT 部門的預算通常在公司整體費用中比例不高（可能低於 5%）。若 token 、算力、整合成本燒過頭，預算就不夠了。且「降低成本」如果回報不明，投資 ROI 就難以算通。
- 我建議換個角度看預算：觀察公司支出結構。人力支出佔比很大，可能超過全年總費用的 50%。
- 若你的 AI Agent 導入是為了「重新配置人力結構」——也就是將高成本、高薪、可被 AI 部份取代或協助的工作，用 Agent 來支援／替代，這是從「人員預算」角度看的一條路。
- 例如：已有工具如 Cursor（針對初階工程師）、Harvey（取代美國初階助理律師）、以及 Gamma（可用於分析師／顧問初階工作）……公司若從「人員預算」角度導入 AI Agent，ROI 好算很多。
那麼，該如何選題與規劃？
- 鎖定成本高、流程冗長、人力多的工作：從公司的人力成本結構出發，找出那些「可被 AI Agent 部分替代／強化」的職位。
- 聚焦高價值題目：因為 AI Agent 目前還比較貴，必須用在「代替／提升高成本人力」的場景，而不是只當作附加工具，否則燒掉的成本可能高於價值。
- 從人員預算出發，而非僅從 IT 成本出發：把 AI Agent 看作「人力結構再配置」的手段，而不是純 IT 效率工具。這樣預算來源、評估指標、與實施策略就會清晰。
- 規劃清楚 ROI 與可衡量成果：包括：人員成本節省、人力釋放可投入更高價值工作的時間、流程加速、錯誤率降低等。
- 建立治理／風險控管機制：包括算力成本監控、token 消耗預警、模型誤用風險、流程中斷風險。若這部分忽略，也是 Gartner 指出的失敗原因之ㄧ。
高薪員工該怎麼辦？
- 如果某些職務被 AI Agent 部分接管，那麼原來做該職務的「高薪員工」並非一定要淘汰，而是可要轉往「更有價值、且 AI 目前不能取代的工作」── 比如策略制定、創意工作、複雜交涉、人機協作設計等。
- 這其實是歷史上每次重大科技變革時人的角色轉變：舊的工作被機器／技術替代，人往更高階的角色移動。企業與員工都應該提早看到、提早因應。
結語
雖然 AI Agent 尚未走到「隨便用、邊際成本幾乎零」的階段，但這正是機會：如果我們用「人力配置」的思維，而不是僅僅「IT 效率」思維，選對題、找對場景，那麼導入 AI Agent 的 ROI 就變得可見、可控。