知識 · AI 基礎

AI 導入成本 · Token 計費

AI Cost and Token Pricing

📂AI 基礎⏱閱讀 3 分鐘📊實務🔗相關 8

什麼是 AI 導入成本?

一句話定義
AI 服務費用分為按人頭訂閱與依用量(Token)計費兩種方式的架構,以及編列預算申請時應確認的計算要素。
這個主題,帶進企業內訓📚 相關課程💬 教育諮詢
⚡ 3 行重點摘要
  • 按人頭訂閱與用量計費兩大面向
  • 輸入與輸出都計費,且輸出較貴
  • 培訓、管理與驗證的工時容易被排除在預算之外

AI 成本的問題,已從「一個月要花多少」轉為「誰用來做什麼、怎麼用」。即使在同一個團隊裡,登入畫面潤飾報告的人,和接上系統每天自動處理數百筆業務的作業,成本增長曲線本來就不同。前者若不增加人力,預算大致固定;後者只要工作量增加,帳單也會跟著變大。沒有先區分使用方式的預算案,在財務審查時一定會被退回。簽呈的第一張表不是金額表,而是依使用類型列出的人數與處理件數表。

Token是模型切割文字後處理的片段。韓文比英文切得更碎,同樣分量會產生更多 token,因此在看單價表之前,先放入十件實際業務文件,量測每件的輸入與輸出 token 會比較快。輸入與輸出的單價不同,通常輸出較貴。影響成本差異的關鍵不在模型選擇,而在於每次整份塞進去的附件文件。每次都附上 40 頁的規章,得到同樣答案,成本卻成倍增加;只篩出需要的條款,成本就會等比減少。Token 費只是總成本的一部分,這點也必須一併考量。

簽呈上常被遺漏的項目,都在工具費用之外。初期教育與內部指南撰寫、負責管理帳號與權限的營運人員每月工時、由人工確認結果的審核時間,以及試用後放棄的嘗試成本,都要納入,數字才會對得上。成效則反過來從保守角度估算。節省的時間以人事成本單價換算,並採保守估計,同時註明何時、以何種方式重新衡量。單價與方案會按季變動,因此文件中應保留計算公式,而非特定金額。

現場最常出錯的,就是「Token 單價連一杯咖啡都不到,不用在意」這句話。一個人試用時確實如此,但一旦夜間批次開始跑、錯誤重試累加、搜尋結果被整段塞進去,一個月內金額的位數就會改變。也有相反方向的誤解。全體員工帳號一次買齊看似公平,但兩個月後打開登入紀錄,一半是空的,而那筆錢已綁在年約裡。帳號只給實際使用的人,用量則附上上限,這樣開始比較安全。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
定額方案的手機與計量計費的行動數據之間的差異。使用方式不同,適合的方案也會不同。
為什麼在實務上很重要
AI 導入的簽呈最常卡關的地方就是成本依據。必須了解計費結構,才能估算規模並加以控管。
由來與出處

隨著語言模型 API 商用化,以 Token 為單位的計費成為標準。之後企業版訂閱方案問世,形成了畫面使用與系統串接分開計費的架構。

透過案例理解

以下用假設案例說明。A 公司是一家汽車零件製造商,員工 520 人,年營收 KRW 130,000,000,000 (≈ US$97,301,000)。品質保證部門每月要撰寫 1,400 件海外客戶的客訴回覆,每件耗時 40 分鐘。經營企劃部門曾兩度提出 AI 導入簽呈,兩次都以「缺乏成本依據」為由遭駁回。

  1. 經營企劃部的朴次長花了兩週調查各部門的實際使用狀況,發現直接在畫面上操作的有 38 人,其餘 12 人則表示「只領了帳號,但沒在用」。
  2. IT 團隊的李課長實際用 API 跑了 100 件客訴回覆後重新測算,得出每件輸入 6,200 Token、輸出 900 Token;再乘以每月 1,400 件,就建立了用量預算的依據。
  3. 重新檢視的過程中發現,每次回覆都整份附上 40 頁的品質規範手冊。只把相關條款挑出來放進去後,輸入 Token 從每件 6,200 降到 1,800。
  4. 財務組金組長表示「只寫工具費用的簽呈無法送審」,因此另列一行,納入初期教育 2 天、營運負責人每月 16 小時,以及回覆審核所需的負責人時間。
  5. 我們將效益以「每件節省 25 分鐘(原為 40 分鐘)」的保守值估算,並附上「3 個月後以實際處理紀錄重新計算」的說明,第三次送簽呈時獲得核准。
  6. 導入三個月後,訂閱帳號維持在 38 個,實際請款金額約為編列預算的 78%,回覆撰寫時間則從每件 40 分鐘縮短為 14 分鐘。
相關術語
Token · 上下文視窗Token 是 AI 處理文字的最小單位(約為單字片段),上下文視窗則是 AI 一次能記住與參考的 Token 最大長度。企業用 AI · Enterprise AI具備安全性、管理功能與資料保護,由公司正式導入的 AI 服務。與個人版最大的差異在於,輸入的資料不會用於模型訓練。LLM · 大型語言模型以大量文字學習、透過預測「接下來會出現的字」來生成句子的大型語言模型(Large Language Model),即大型神經網路。ChatGPT、Claude 的核心。小型語言模型 · sLM比大型模型更小、更輕量的語言模型(Small Language Model)。針對特定用途,追求低成本、快速度與裝置端執行。AI PoC · 試辦PoC(Proof of Concept,概念驗證)是以小規模實驗確認 AI 能否勝任該項工作;試辦則是由部分部門實際用於工作中,藉此判斷是否擴展至全公司的試行營運。AI 導入 ROI · 生產力衡量用來衡量 AI 導入所投入的成本與所獲得成效的投資報酬率(ROI,Return on Investment),以及以節省時間、品質與處理量來衡量成效的方法。高階主管 AI 培訓 · 主管 AI 素養讓主管與高階經理人親自體驗 AI,並具備投資、組織與風險判斷所需理解力的培訓。它不是員工培訓的縮小版,而是為決策者另行設計的課程。AI Agent 平台比較 · 企業級 Agent 建置工具選擇在不需寫程式的情況下,比較並挑選可建立公司內部業務用 AI Agent 的企業級建置工具,並依貴公司的系統、資安與預算條件進行篩選。產品功能與價格變動頻繁,比較表是選擇標準,而非標準答案。
與此術語相關的課程
📚用公司帳號建立 Claude 團隊Nanum 經營顧問 企業內訓 · 實體/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

若由人員直接在畫面上使用,通常訂閱費較划算;若要接入系統進行大量處理,一般來說用量計費較為有利。
比起更換模型,整理輸入內容更有效。只要不每次都整份塞入不必要的文件,成本就能大幅降低。
包括培訓費用、管理工時、驗證結果所耗費的人力時間,以及失敗嘗試的成本。
將節省的時間以人事成本單價換算,但要採保守估計,並同時註明衡量方法,才具說服力。