「想做一個 AI 客服，預算抓多少？」這問題在報價單來之前通常會收到三種完全不同的答案：1 萬以下、十幾萬、幾十萬。三個都對——看你做的是哪一個版本。MVP、實用、企業級的差距不只在價錢，是在「客戶問題能不能真的被解決」上的根本差。MVP 能驗證「客戶會用嗎」、實用版能取代 30–60% 的客服工時、企業級能做到合規可稽核——三件事不能用同一個預算抓。本文把三個版本攤開：建置一次性費用、月固定費、隱性成本，以及哪些情境真的值得做、哪些情境是被廠商忽悠的。
「AI 客服」這個詞到底涵蓋哪幾種東西？
直接答案：至少三種，差別大到不該被一個詞概括。
第一種：通用聊天機器人。把 ChatGPT 或 Claude 包裝在你的網站對話框裡，回答產品介紹、營業時間、退換貨政策這類「網站上找得到答案」的問題。建置簡單、月費低。但問題是「網站上找得到」的答案，客戶有 60% 機率會自己 google，剩下 40% 用 AI 客服省的工時其實沒多少。
第二種：RAG（Retrieval-Augmented Generation）知識庫客服。把公司專屬的文件（產品手冊、合約條款、內部 SOP）餵進向量資料庫，AI 查資料庫後再回答。回答準確度大幅提升、能處理「網站上找不到的答案」。建置成本中等、月費取決於 token 用量與知識庫規模。
第三種：整合企業系統的客服 agent。除了回答還能執行動作——查訂單狀態、改寄送地址、開工單、轉真人。需要與 ERP / CRM / 工單系統做雙向串接。建置與維護成本高，但能取代的人工工時最大。
選錯版本是「AI 客服這個專案失敗」最常見的原因——客戶想做的是第三種，廠商賣的是第一種，上線後雙方都失望。把 ChatGPT 接到網站的選擇邏輯〈該不該把 ChatGPT 接到自家網站〉那篇拆過了，這篇接著拆「真的決定做了，要花多少」。
三個版本的建置與月費差在哪？
把上面三種需求對應到實際版本：
| 版本 | 建置一次性 | 月固定費 | 適合情境 |
|---|---|---|---|
| MVP（通用聊天） | NT$5–15 萬 | NT$3–8k | 驗證「客戶會用嗎」、初步降低 FAQ 問答工時 |
| 實用版（RAG 知識庫） | NT$20–50 萬 | NT$10–30k | 中型企業日常導流、取代 30–60% 客服 FAQ 工時 |
| 企業級（整合 + 合規） | NT$80 萬起 | NT$50k+ | 金融保險合規、需審計記錄、整合內部系統 |
幾個重點：
- MVP 月費低不代表免費——基本 API token + 對話 log 存儲 + 維護就要 NT$3–8k。月費 1k 以下的方案通常代表「有量就會超」
- 實用版 vs 企業級的價差主要在「整合複雜度 + 合規成本」。整合 ERP / CRM 是大頭，合規（資料留存、稽核 log、PII 處理）是另一個大頭
- 建置費跟月費要一起看——便宜建置、貴月費的方案上線後 1–2 年總成本可能比貴建置、便宜月費的方案還高。和〈網站的真實成本〉那篇講的「3 年總持有成本」邏輯一樣
月費裡到底在付什麼？
把實用版的月費 NT$10–30k 拆開來看：
- API token 費用（NT$3–15k）：跟對話量、對話長度、用什麼模型強相關。用 claude haiku 比 sonnet 便宜 5–10 倍，但複雜問題回答品質下降
- 向量資料庫（NT$1–5k）：Pinecone / Weaviate / Qdrant 等服務。中型規模知識庫月費通常 NT$1–3k
- 主機 / 邊緣運算（NT$2–8k）：跑你的應用邏輯與 API 整合層
- 監控與 log（NT$500–2k）：Sentry、對話品質監控
- 知識庫更新人工成本（NT$0–10k）：誰負責整理新文件、誰確認回答準確度——這塊最常被低估
最容易被廠商隱藏的是「token 用量上限」。便宜方案通常綁定「每月 1000 則對話內」，超過就跳階。要簽約前看清楚這條，不然上線後流量稍微一漲就會收到追加帳單。
哪些情境真的適合做 AI 客服？
判斷邏輯只有一條：能不能取代真實工時、且取代後沒有降低客戶體驗。對應到具體情境：
- 客戶問題集中在 20–50 個常見題目，重複率高，目前是人工答到嘴酸
- 有專屬資料（產品手冊、條款、保單）能餵知識庫，且這些資料更新頻率不高
- 客服人力成本高（單月 1 人份以上）、但問題複雜度沒到要面對面處理的程度
- 服務時間想拉長到非上班時間（24/7、跨時區）
- 高轉換漏斗的環節，客戶在「決定購買 / 申請」前需要快速回答疑慮
落在這些情境的 AI 客服 ROI 通常 6–12 個月回本——前提是「上線後有人負責知識庫更新」。沒人負責的話 ROI 會在第 6 個月開始反轉，因為答錯造成的客戶體驗下降比省下來的工時更貴。
哪些情境其實不該碰？
- 客戶量太小（單月對話 < 100 則）——AI 客服維護成本比省下的人工成本還高
- 問題大多需要查即時的個別案件資料、且系統未開放 API（強做整合反而會出錯誤資訊）
- 受高度合規限制但組織尚未準備好稽核流程（金融、醫療要先把流程設計清楚再做技術）
- 真實意圖是「老闆覺得別人都有所以我們也要」——這通常會做出一個沒人用、半年後就停掉的東西
- 客戶期待 AI 答得「跟真人一樣」但你不想付企業級價錢——期待落差會反咬
結論
AI 客服的成本不是「貴或便宜」，是「對不對應你真正想解決的問題」。MVP 不是「省錢版本」，是「驗證概念的工具」；實用版才開始有真實業務 ROI；企業級是合規 / 規模驅動，不是「就是貴一點的版本」。
如果你不確定自己的需求落在哪一版，可以先從〈AI 可行性評估〉切入——免費通話釐清，要報告 NT$15,000 可折抵後續委託，比直接報廠商開盤省下不知道哪個版本適合你的成本。
