「我們去年花了八百萬導入 AI，估值應該要加吧？」這是最近最常被問到的問題。答案是：可能加很多，也可能一毛都不加，取決於這八百萬變成了什麼。
先分清楚：費用、資產、還是能力
從評價角度，AI 投入會落在三種完全不同的位置：
| 類型 | 典型內容 | 對估值的影響 |
|---|---|---|
| 一次性費用 | 顧問診斷、教育訓練、概念驗證但未上線 | 幾乎為零，且會被列為一次性費用回加 |
| 可辨認資產 | 自建模型、標註完成的專屬資料集、系統整合成果 | 可獨立評價，計入無形資產 |
| 營運能力 | 流程改造後穩定產生的成本下降或產出提升 | 反映在未來現金流，影響最大 |
多數公司的問題是：花的錢集中在第一類，卻期待第三類的估值效果。
成本節省要能「持續」才算數
假設導入 AI 客服後，客服人力從 12 人降到 7 人，一年省下 300 萬人事費用。這 300 萬會不會進入估值？三個檢驗：
- 是不是真的減下來了：人力有沒有實際調整，還是只是「以後不用再招人」。後者在評價上屬於未實現效益，折價很重。
- 會不會被服務品質侵蝕：客訴率、退單率、客戶推薦度（NPS）有沒有惡化。若省了人事卻掉了客戶，淨效益是負的。
- 成本會不會反彈：模型的推論費用、標註維護、模型更新的持續投入要扣掉。有些案子第一年省 300 萬，第三年因為用量成長，淨效益剩下不到 100 萬。
能通過這三關的節省，用資本化的方式看：年省 300 萬、以 5 倍計，就是 1,500 萬的估值增量。相對於 800 萬的投入，這才是划算的。
什麼樣的 AI 資產別人搬不走
這是關鍵問題。如果你用的是市面上人人都能買到的通用工具，套上自家流程，那麼你的競爭者花一樣的錢、一樣的時間也做得到——這種投入不產生護城河，估值上只承認成本節省，不承認溢價。
真正會被承認為資產的，通常具備以下特徵：
- 資料是專屬的。累積多年的製程參數、瑕疵影像、客戶行為軌跡、維修紀錄，這些外面買不到。
- 資料是有結構、可用的。堆在硬碟裡的十年報表不算資產，清洗、標註、可被模型使用的資料集才算。
- 權利是清楚的。資料的來源合法、客戶同意條款涵蓋此用途、與委外廠商的合約明確約定模型與資料的權利歸屬。
第三點在併購盡職調查中殺傷力最大。實務上常見的情形是：製造業把十年的製程資料交給系統商訓練模型，合約沒寫模型權利歸屬，結果同一套模型後來被賣給同業。這種情況下，那批資料的評價要大幅折減。
治理與合規是新的折價來源
隨著各國 AI 法規陸續上路，買方在盡職調查中開始加入 AI 治理項目。常見的檢查點包括：使用個資訓練是否符合《個人資料保護法》的特定目的與告知同意；是否有人工覆核機制（尤其在授信、招募、醫療輔助等高影響場景）；模型決策是否可追溯與留存紀錄。
對外銷歐盟的公司，這件事更直接：AI 治理與資訊安全逐漸被納入供應鏈稽核與 ESG（環境、社會與公司治理）揭露要求，做不到會影響訂單，而訂單就是現金流。
三個判斷題，投錢前先回答
- 這筆投入之後，我的哪一條成本線或哪一條收入線會改變？改變多少？多久見效？
- 如果我的競爭對手明天也花同樣的錢，他能不能得到一樣的結果？如果能，我買到的是效率，不是護城河。
- 做完之後，我的公司會多出什麼可以寫進資產清單的東西？如果答案是「沒有」，那這是費用，不是投資。
回答得出這三題，AI 投入就會出現在估值上。回答不出來，錢還是會花，只是不會變成價值。
資料來源與數據說明
- 《個人資料保護法》，全國法規資料庫 https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=I0050021
上列為本文引用之公開資料出處。文中表格與圖表若標示「示意」，係為說明計算結構與相對關係所設之假設案例，非引用外部統計，不代表任何特定公司之實際數字。
本文為睿智管顧依公開資訊與實務經驗整理之產業觀察，僅供一般性參考，不構成評價意見、法律、稅務或投資建議。個別企業情形差異甚大，實際評估請與專業人員討論。