企業導入 AI 放內部還是放接口？兩條路的收入結構差在哪

企業導入 AI 只有兩種放法：放在內部讓員工更快，或放進客戶接口讓客戶直接用。前者的上限是節省掉的人力成本，後者的上限是產品本身能收到的錢，兩者的收入結構完全不同。多數公司選了第一條，因為它不需要改任何東西；而選第一條的代價，是公開調查裡反覆出現的同一個現象——生產力有感，損益表沒感。

這篇會把兩條路的定義、收入結構、公開數據的佐證、以及一張可以直接用的選路檢查表講完。文中的倍數型數字分兩類：有出處的是公開調查，標明「PolyTask 觀察到」的是自家與客戶專案上的歸納，兩者請分開看。

## 先定義：做內部、做接口各指什麼

做內部指的是把 AI 放在員工的工作流程裡：員工用 AI 提升效率、客服用 AI 草擬回信、行銷用 AI 寫文案。使用者是你的同事，產出會先經過人，再到客戶手上。 做接口指的是把 AI 放進客戶會碰到的那一層：客服變成 AI 直接面對客戶、報告在客戶按下按鈕時即時生成。使用者是你的客戶，AI 的輸出就是產品的一部分。 分界點只有一個問題：這個 AI 的輸出，客戶看不看得到？ 看不到，是做內部；看得到，是做接口。中間地帶（例如 AI 寫完由專人潤飾後寄出）算做內部，因為客戶買的還是人的時間。

## 兩條路的收入結構：線性節省對上乘數成長

企業導入 AI 的回報怎麼算，兩條路完全不同。做內部的數學是減法。假設一個五人客服團隊，AI 讓每個人處理量提升，你省下的是人力成本。這個節省有天花板——最多就是那五個人的薪資總額，而且不會因為客戶變多而放大。PolyTask 在客戶專案上觀察到的內部效率提升多半落在一到三成的成本區間，而且幾乎不影響營收那一欄。

做接口的數學是乘法。同一個客服能力，如果變成客戶可以自己使用的功能，它就進入定價。客單價可以漲，因為產品多了一項能力；使用量可以爆，因為客戶不需要排隊等人。這兩個變數相乘，上限不在你的人力規模。

兩條路的差別可以用一句話收束：做內部改變的是成本結構，做接口改變的是產品本身。 前者讓你變便宜，後者讓你變值錢。

## 公開數據怎麼說：生產力有感，損益表沒感

這個斷層不是只有在單一帳戶上看得到，兩份公開報告都指向同一件事。

麥肯錫第十年的 AI 現況調查《The State of AI in 2026: On the Road to ROI》顯示，有 80% 的受訪者表示 AI 改善了個人生產力，50% 表示 AI 讓他們做出更好的決策；但只有 37% 的受訪者認為 AI 對 EBIT 有至少某種程度的影響，這個比例跟前一年差不多。被歸類為高績效者——把至少 5% 的 EBIT 歸因於 AI 並認為影響顯著的那群——只有約 6%（相關報導與數據整理）。 MIT Media Lab 的 Project NANDA 在 2025 年 7 月發布的《The GenAI Divide: State of AI in Business 2025》則從另一個角度描述同一件事：95% 的組織在生成式 AI 的投入上看不到商業回報，只有 5% 的整合型 AI 試點能萃取出百萬等級的價值，而且只有 5% 的客製化企業 AI 工具真正進入正式生產環境。報告也提到，超過八成的組織探索或試用過通用型工具，將近四成表示已部署，但這些主要改善的是個人生產力，而非損益表（報導整理）。

> 把這兩組數字放在一起看，結論相當一致：個人生產力的提升是真的，而它很少自己走到財報上。中間缺的那一段，通常就是「這個能力有沒有被賣出去」。

## 為什麼大部分公司選了內部

選內部的理由很實際：它在每一個維度上都比較舒服。

風險低。 員工拿 AI 試錯，錯了沒有客戶看到。接口上出錯，客戶第一時間就看到。 員工開心。 少做雜事這件事，推動阻力最小，內部溝通成本幾乎是零。 可以對外展示。 「我們已經在用 AI 了」這句話在董事會與對外簡報上都說得過去，而且不需要等產品改版。

這三個理由都成立，問題在於它們衡量的是推動難度，不是回報。用推動難度來排優先順序，結論一定是先做內部；用回報來排，順序通常相反。

## 做接口的公司在做什麼

幾個產品可以直接拿來對照，它們的共同點是 AI 不在後台，在客戶手上：

- Intercom Fin：客戶直接跟 AI 把問題解掉，不經過客服排隊。 - Gamma：客戶直接讓 AI 生成簡報，產出就是交付物。 - Notion AI：客戶在自己的文件裡直接召喚 AI，AI 是編輯器的一部分。 - Cursor：客戶直接用 AI 寫程式，AI 是開發環境本身。

這四個例子裡，AI 本身就是賣出去的產品。使用者每多用一次，公司的收入基礎就被用一次；內部用 AI 的公司，員工每多用一次，只是那一次的工時變短。

## 做接口要付的四項代價

企業導入 AI 選錯路的原因在成本結構，不在資訊落差。做接口需要同時改四件事：

1. 重新設計產品。 原本由人提供的環節要改成由系統提供，資訊架構通常要重畫。 2. 重做使用者體驗。 客戶直接操作 AI，錯誤處理、預期管理、回饋機制都得補上。 3. 改變定價邏輯。 原本按人天或按專案收費的，要改成按用量、按結果或按席次，這會動到整張報價單。 4. 教育客戶新的使用方式。 客戶習慣找人，改成自己操作需要引導，這段成本常被低估。

做內部要改的是零件：什麼都不用動，照原來的流程塞進工具就能跑。

簡單但低收益，難但高收益。 這組取捨本身沒有標準答案，但它應該被明確地做出來，而不是因為第一條路阻力小就默認走過去。

## 怎麼判斷自己該走哪條：一張檢查表

企業導入 AI 之前先按順序問完這八題，答案會自己浮出來。

1. 你的客戶目前要等人處理的環節有哪些？列出來，每一條都是潛在的接口題。

2. 這些環節裡，有哪一條的等待時間是客戶真的在抱怨的？抱怨點是接口的第一順位。

3. 把那一條交給 AI 之後，客戶會少做哪一步？少不了任何一步，代表那只是內部效率題。

4. 少掉的那一步，值不值得重新定價？值得，就有商業模式；不值得，先別動產品。

5. 你現在的定價單位是什麼？按人天計費的公司改接口，等於要同時換商業模式，這件事要分階段。

6. 產品團隊有沒有人可以負責這條線？沒有人負責的接口案，最後都會縮回內部工具。

7. 失敗的成本你承不承擔得起？客戶看得到的失誤，修復成本高於內部失誤。

8. 以上都過了，再問一次：這個能力單獨拿出來賣，有沒有人要？

第三題是整張表的樞紐。「客戶直接連上 AI 會少做哪一步」——這一步如果講不出來，那就還是一個內部效率專案。

## 什麼時候不適用

這套二分法有它的邊界，企業導入 AI 也不是每家公司都該往接口走。

核心流程還沒數位化。 資料散在 Excel 與紙本的公司，先把流程數位化比做接口務實。前面提到的研究把落地失敗的主因歸在系統無法保留回饋、無法隨情境改善，而這些前提都建立在資料本身是可用的。 受高度監管的行業。 金融、醫療、法律的客戶接口有合規要求，AI 直接面對客戶需要審查流程，時程不是產品團隊單方面能決定的。 客戶規模很小。 使用量撐不起來的時候，接口的乘數效應不會發生，而開發成本是固定的。這種情況下，內部效率的回報反而更快。 產品還在找市場。 產品市場適配還沒確立就改接口，等於同時改兩個變數，出了問題分不清是哪一個造成的。 團隊人數少於十人。 小團隊的瓶頸通常在人手，內部 AI 的邊際效益在這個階段是高的。等到人手不再是唯一瓶頸，再談接口。

## TL;DR

企業導入 AI 的兩條路，差別在 AI 的輸出客戶看不看得到。做內部改變成本結構，上限是人力成本；做接口改變產品本身，上限由定價與使用量相乘決定。多數公司選內部，因為風險低、阻力小、對外好交代，而公開調查顯示這條路很難走到財報上——麥肯錫 2026 年調查裡 80% 的人感受到個人生產力提升，只有 37% 認為 AI 對 EBIT 有影響，高績效者約 6%；MIT NANDA 2025 年的報告則指出 95% 的組織在生成式 AI 上看不到商業回報。要判斷自己該走哪條，問一題就夠：客戶直接連上 AI，會少做哪一步。

記住這個判斷點：輸出客戶看得到，才算接口。

## 常見問題

企業導入 AI 一定要從內部開始嗎？

不一定，但多數公司實際上是這樣走的，因為內部專案不需要改產品、改定價或教育客戶。值得注意的是順序本身是一個選擇，而不是必經階段。如果你已經知道客戶在哪個環節等人，那條線可以跟內部專案並行推進。

內部 AI 真的不會增加收入嗎？

會，但路徑是間接的，而且要靠別的環節把它接住。省下來的時間如果被重新投入在開發或業務上，它就有機會變成收入；如果只是讓大家準時下班，它停在成本那一欄。差別在有沒有人負責把省下來的產能再配置出去。

怎麼知道一個 AI 專案算內部還是接口？

看輸出是誰在用。客戶看得到、客戶自己操作，是接口；產出先經過同事、再由同事交給客戶，是內部。AI 寫完由專人潤飾後寄出，仍然算內部，因為客戶買的還是人的時間。

小公司適合直接做接口嗎？

要看使用量。接口的回報來自乘數效應，客戶數與使用頻率撐不起來的時候，開發成本是固定支出而回報不會放大。十人以下的團隊，瓶頸通常還在人手，內部 AI 的邊際效益在這個階段比較高。

做接口會不會取代掉自己的員工？

通常是換工作內容，不是直接減人。客戶自己解掉的是重複性高的問題，留給人的是需要判斷的個案，這些個案的單位價值比較高。實務上要同時規劃的是技能轉換與工作重新定義，而不只是把人數算一遍。

有沒有折衷做法？

有，先把同一個能力做成內部工具，再評估它能不能獨立定價。這樣做的好處是能在不改產品的前提下驗證品質；需要留意的是驗證完之後要真的往前走一步，否則它會一直停在內部工具的狀態。

---

要判斷你手上的 AI 專案停在哪一層，可以把目前的使用場景、使用者是誰、產出給誰看這三欄整理給我們看一次。PolyTask 做的是全鏈路的行銷增壓，診斷會從「客戶直接連上會少做哪一步」開始。