多數中小企業的第一步應該是訂閱制,等某個流程確定要自動化再串 API,自建模型留給有明確資料限制且有工程團隊的公司。三條路不是誰比較先進,而是解決不同問題。下面用五個面向逐項比,最後給判準。
01先定義三條路各是什麼
A 訂閱制:每個員工一個帳號,直接在網頁或桌面程式裡用,例如 ChatGPT 的團隊方案、Microsoft 365 裡的 Copilot。員工自己問、自己貼資料,產出靠個人能力。
B 串 API:工程師把語言模型的 API 接進公司既有系統,例如客服後台按一個鍵產生回覆草稿、ERP 匯出資料後自動寫摘要。使用者不一定知道背後是 AI。
C 自建:在自己的伺服器或私有雲上跑開源模型,例如 Meta 今年四月釋出的 Llama 3,再依需求做檢索增強或微調。資料不出公司,但所有維運都要自己扛。
02面向一、二:上線速度與資料去向
上線速度:A 今天申請、明天就能用;B 要看整合範圍,單一功能通常以週計;C 從採購 GPU 或租用算力、部署、測試到穩定,以月計。如果老闆的目標是這一季讓全公司開始用,只有 A 做得到。
資料去向:A 的資料會送到供應商,企業版通常承諾不拿來訓練,但要逐條看合約;B 一樣送到供應商,好處是由程式決定送哪些欄位,可以在送出前先去除姓名、電話;C 資料完全不出去。三者的差別不在安不安全,在於控制點在誰手上:A 在員工,B 在程式,C 在公司。
03面向三、四:成本結構與維運人力
成本結構:A 是按人頭月付,人數固定就好預估,但用很多和用很少的人付一樣的錢。B 按用量計費,用多少付多少,量小時便宜,量大要設上限警示。C 前期投入硬體或算力,之後是電費與人力,只有在用量大且穩定時才划算。
維運人力:A 幾乎不需要,IT 管帳號就好。B 需要至少一位工程師負責串接、監控、處理供應商改版。C 需要懂模型部署和調校的人,而且不能只有一位,那個人請假或離職,整套系統就沒人能動。我會把這一點列為 C 的首要風險。
04面向五:可客製程度,以及一張總表
可客製程度:A 最低,只能靠提示詞和上傳檔案;B 中等,可以設計流程、限制輸入輸出格式、接公司資料庫;C 最高,連模型本身都能調。但客製程度高不等於效果好,多數企業的瓶頸在資料整理,不在模型。
把五個面向排成總表:上線速度 A > B > C;資料控制 C > B > A;初期成本 A < B < C;維運需求 A < B < C;客製彈性 C > B > A。沒有一條路全贏,所以問題要倒過來問:你最在意的是哪一欄。
05我的判準:三個是非題
1. 是否還不確定 AI 在你公司能做什麼?是,就選 A,買 10 到 20 個帳號給不同部門試 4 週,記錄誰在用、用在哪裡。2. 是否已經找到一個重複性高、格式固定的流程,例如每天處理上百封詢價信?是,就針對這個流程做 B。3. 是否有法規或合約明確禁止資料離開公司,而且有兩位以上能維運的工程師?兩題都是,才考慮 C。
常見的錯是跳過 A 直接做 C,花半年建好一套地端模型,結果員工根本不知道要拿來做什麼。系統買了沒人用,比沒買更貴。先用最便宜的方式找出真正的用途,再決定要投多少。