AI cycle 是什麼?5 階段流程、導入費用與 95% 失敗原因
AI cycle 是什麼?5 階段流程、導入費用與 95% 失敗原因
AI cycle 涵蓋商業目標、資料、開發、驗證、部署與監控,再把結果送回下一輪決策。完成模型只是一站,每一輪都要產生可量測的成果。
MIT NANDA 2025 年報告常被簡化成「95% AI 專案失敗」。原文談的是企業生成式 AI:約 95% 的受研究組織未取得可量測的損益影響,僅約 5% 的整合型試點創造明顯價值。這個數字衡量的是商業成果,不是模型故障率。查看 The GenAI Divide 報告
AI cycle 到底在循環什麼?
可以把流程寫成:商業目標 → 資料 → 選型與開發 → 驗證 → 部署 → 監控與治理 → 回到目標。CRISP-ML(Q) 也把部署後的監控與維護正式納入生命週期。CRISP-ML(Q) 論文
AI cycle 與 AI 專案差在哪
專案思維把驗收當終點;循環思維會先定義誰看數據、何時停止、何時重跑。專案問「做完了嗎」,循環問「這一輪讓哪個數字改變」。Google Cloud 的 MLOps 指南也把資料與模型驗證、持續訓練及正式環境監控列為必要工作。
跑完一圈要花多少錢?
AI 導入沒有公定價。估算時要分開計算通路費、工具費、模型用量、建置費與維運工時,不能把「工具月費」直接拿來和「完整 AI 導入」比較。以下是 2026 年 7 月 21 日可查的外部公開價格,不是 aicycle 的報價或服務:
| 外部方案 | 公開價格 | 適合情境 | 邊界 |
|---|---|---|---|
| Make Free/Core | NT$0;Core US$9,約 NT$292/月 | 微型原型 | 1,000/10,000 credits,LLM 另計 |
| Zapier Professional | US$19.99,約 NT$648/月 | 多步驟流程 | 年繳起價,模型用量另計 |
| n8n Cloud Starter | 20 歐元,約 NT$744/月 | 需較多流程控制 | 年繳起價,LLM 另計 |
| LINE 官方帳號 | NT$0/800/1,200 月費 | 建立訊息通路 | 不含 AI 與 API 開發 |
| 外部顧問包月/專案 | NT$5,000–100,000 | 診斷或限定範圍導入 | 平台報價統計,依工期變動 |
外幣按臺灣銀行當日即期賣出價換算,未含稅與刷卡費。來源:Make、Zapier、n8n、LINE、PRO360與臺灣銀行匯率。
回本期與第二圈成本
假設第一年總投入 NT$450,000,每月可對帳效益 NT$47,000,簡單回本期是 450,000 ÷ 47,000=9.6 個月。這只是試算,不是真實客戶案例,而且還要扣除每月 API、雲端與維護費。第二圈若能沿用資料規則、權限與串接,成本可能較低;第一圈若沒留下規則和負責人,下一圈仍得重做。
別漏掉補助
經濟部平台列有最高 NT$100,000 的數位技能培訓協助;115 年度「中小微企業 AI 創新應用輔導」以輔導 2,500 家企業為目標,但該梯次已於 2026 年 4 月 30 日截止。資格、用途與期限會隨梯次調整。計畫平台|115 年度公告
AI cycle 的 5 個階段
為了方便做商業決策,本文把多套生命週期框架整理成五個階段,並不是宣稱 CRISP-DM 官方只有五階段。
| 階段 | 時間 | 交付物 | 常見卡點 |
|---|---|---|---|
| 1. 定義問題 | 1–2 週 | 基準值、目標值、負責人 | 目標只寫「導入 AI」 |
| 2. 資料整備 | 2–4 週 | 資料清單、清洗與權限規則 | Excel、LINE、紙本分散 |
| 3. 選型開發 | 1–2 週 | 可操作的最小原型 | 先買工具才找問題 |
| 4. 驗證試點 | 約 30 天 | 對照數據、通過與停止門檻 | 只收好評,沒有基準值 |
| 5. 上線監控 | 持續 | 儀表板、告警、重訓條件 | 上線後無人看數據 |
資料順利時,前四階段約需 2–3 個月;權限、法遵與跨部門整合會拉長時程。想先理解市場上的客服應用,可讀AI 客服導入流程,但該文章不代表其中工具或方案為本站所有;其他階段的延伸閱讀可從 aicycle 部落格 瀏覽。
95% 沒有成果,問題通常不在模型
S&P Global Market Intelligence 2025 年對 1,006 名北美與歐洲受訪者的調查顯示,放棄多數 AI 計畫的企業比例由 17% 升至 42%,平均 46% 的概念驗證在廣泛採用前取消。S&P Global 調查
循環通常斷在五個地方:沒有可量測的問題;上線後沒有負責人;資料品質與權限不足;原型沒接 CRM、客服紀錄或內部文件;沒有監控與停損規則。啟動前先回答:
- 要改善的數字是什麼,目前多少?
- 誰每週看結果,誰能決定停用?
- 資料在哪裡,誰能合法授權?
- 試點失敗門檻是什麼?
- 三個月後誰決定跑下一輪?
自建、套裝工具或顧問?
內部若有人每週可留 3 小時維護,可以先用 n8n、Zapier、Make 等外部工具建立最小流程。若無人承接且流程標準,先比較能匯出資料的套裝服務;牽涉跨部門、個資或舊系統時,再評估外部顧問。這些都是市場方案,與本站無隸屬關係。
上線後看什麼,何時重跑?
系統面要看延遲、錯誤率、用量與單次成本;模型面則看正確率、人工接手率、資料漂移和客群落差。重訓可以由時間、效能門檻或新資料量觸發,但新版本仍要通過離線驗證與小流量測試,不能直接覆蓋正式版本。
FAQ 常見問題
AI 導入跑完一輪要多久?
可先抓 2–3 個月,其中試點約 30 天;資料散落、權限未定或需要跨部門串接時,時程會更長。
最低多少預算可以開始?
Make Free 可從 NT$0 起,n8n Cloud Starter 約 NT$744/月,但都不等於完整導入;模型、建置與維運另計。
95% 的 AI 試點都失敗嗎?
不是。該數字指特定企業生成式 AI 樣本未產生可量測損益影響,不能外推成所有 AI 專案的故障率。
自己用 n8n 建,還是找顧問?
單一流程且有人維護就先自建;牽涉多部門、個資、法遵、舊系統或責任重分配時,再找顧問。
上線後多久要重新訓練?
沒有固定答案。按時間、效能或資料量觸發,先比較新舊版本,通過品質門檻後才替換。
有政府補助可以申請嗎?
有數位轉型與 AI 輔導資源,但資格、核銷項目與截止日會調整,請以經濟部當年度公告為準。
把 AI 當成一次性專案,成本會停在驗收日;把它當成 AI cycle,資料、規則與監控才會累積到下一輪。想釐清第一圈該從哪個階段切入,可從 aicycle 服務總覽 了解聯絡方式;這個連結不代表本文提到的外部工具或市場方案是本站服務。
AI 客服導入健檢清單:10 分鐘看出該不該做
10 個評估項目,勾完就知道量撐不撐得起這筆投資。
每兩週最多 2 封信,隨時退訂。