AI Agent ROI 點樣計？唔好再 focus 喺慳 salary
每次同創業者傾 AI Agent，十個有九個第一句就問：「可以慳到幾多個人頭？」呢個問題本身已經錯晒。當你 focus 喺 salary saving，你嘅天花板就係嗰個 employee 嘅月薪——最多慳到份糧。但真正用 AI agent 賺到錢嘅公司，回報根本唔係嚟自 cutting cost，而係嚟自做咗一啲本來因為成本太高而根本做唔到嘅嘢。Salary saving 只係最細、最 linear、最唔值得你花時間去計嘅數字。
慳 salary 係 worst-case scenario
用 AI agent 取代一個月薪五萬嘅員工，一年慳六十萬，聽落唔錯。但呢個數字係 static 嘅——你只係做咗一次 linear 嘅 cost reduction。更殘酷嘅現實係：一個 agent 嘅能力通常唔等於一個 full-time employee。佢做唔晒所有嘢，你仲要有人睇住、tune prompt、handle edge case。結果係你慳咗 50% 成本但得返 30% 產能，ROI 其實係負數。呢個就係點解早期好多「AI replacement」項目失敗嘅原因——佢哋將 agent 當做 cheap human，但 agent 唔係人，佢嘅 failure mode 同人完全唔同。
真正賺錢嘅公司點用 AI agent？佢哋唔係攞嚟取代人，而係攞嚟 scale 一啲本來因為人力成本太高而做唔到嘅嘢。舉個例：一間香港電商公司用 agent 自動化生成 10,000 個 product listing 嘅 SEO 內容——呢件事請人做要三個月、請 agency 要幾十萬，但用 agent 配合 review pipeline 三日搞掂。呢度嘅 ROI 唔係慳咗幾多 salary，而係呢 10,000 個 listing 帶嚟嘅額外 organic traffic 同 revenue。呢條數先係值得你計嘅。
Opportunity Cost：最大嘅 hidden variable
創業者最常忽略嘅一個數字係 opportunity cost。你團隊入面最值錢嘅人——CEO、CTO、Head of Product——佢哋嘅時間成本遠超 salary figure。當呢班人要花時間管理、培訓、逐行 code review、答重複嘅 customer ticket，佢哋就冇時間去做高槓桿嘅決策——而呢個 trade-off 嘅 cost 先係最大嘅。
舉個實例：一間我哋認識嘅 SaaS startup，engineering team 每個月花 40 hours 做 production support——睇 log、答 customer ticket、fix hotfix。佢哋用咗一個 AI agent 做 first-line triage，將呢 40 hours 降做 5 hours。慳到嘅唔係 support engineer 份糧，而係 senior engineer 嗰 35 hours 可以用返去 build product。呢 35 hours 嘅 opportunity cost 係——如果佢哋用嚟開發新功能，每月可以多出 2 至 3 個 feature，convert 做幾十萬額外 MRR。呢個 ROI 數字，遠超你慳返個 junior support 嘅 salary。重點唔係 agent 做咗乜，而係你嘅 best people 從此可以做佢哋最擅長嘅嘢。
AI 軍備競賽：唔做嘅 cost 先係最貴
另一個好多人唔肯面對嘅現實係：你對手已經用緊 AI。唔係「試下用」，而係成個 operation 重新設計過嚟 fit AI agent workflow。當你仲喺度計緊 agent 回唔回到本，人哋已經用 agent 做緊 3x 嘅 output 仲要 lower error rate。
呢個唔係 SaaS 市場入面「first mover advantage」嗰種抽象概念——而係 concrete 嘅 cost structure 差異。一間用咗 AI agent 做 customer support 嘅公司，per ticket cost 可能係 US$0.50，對手用人做係 US$5。呢個 10x 差距會直接反映喺 pricing、margin、同 growth 上面。當 margin 差 10x，你點同人打價格戰？點同人爭 market share？你唔做，唔係慳咗錢——係慢慢失血。問題唔係「做 AI agent 要幾錢」，而係「唔做嘅機會成本係幾多」。喺呢個時間點，AI 已經唔係 optional，而係 competitive necessity。
正確嘅 ROI Framework：三層回報模型
與其用「慳咗幾多 salary」呢個 one-dimensional metric，不如用呢個三層模型去計 AI Agent ROI：
第一層：成本替代（Cost Replacement） 呢個係最基本，你直接 replace 一個 specific task 嘅 human labor。但你要計嘅唔係 full salary，而係呢個 task 嘅 effective cost——包括 management overhead、training cost、turnover risk、同 quality variance。好多公司計完呢層就停，但其實呢層只係入場券。
第二層：產能擴張（Capacity Expansion） Agent 幫你做咗本來因為 cost 太高而唔做嘅嘢。例如個人化 email campaign 俾 100,000 個客、即時翻譯全部 documentation 做 20 種語言、24/7 嘅 multilingual support。呢啲嘢本來唔係「用唔用人」嘅問題，而係根本做唔到——因為 commercial sense 上唔可行。呢層嘅 ROI 係 incremental revenue，而呢條數通常已經 cover 晒成個 AI infrastructure 嘅成本。
第三層：策略提速（Strategic Velocity） 呢個係最大但最難量化嘅一層。當你嘅團隊因為 agent 而可以做到 3x 快嘅 iteration speed、更快嘅 decision-making、更多嘅 experimentation——呢個 velocity 嘅 compounding effect 係最大嘅回報。一年可以做到三年嘅嘢，呢個 advantage 係任何 competitor 都好難追嘅。
行動點
下次有人同你講「AI agent 可以慳 salary」，問返佢三個問題：
- 你計咗 opportunity cost 未？你嘅 best people 嘅時間值幾錢？
- Agent 令你可以做到咩本來因為 cost 太高而做唔到嘅嘢？
- 如果對手用 AI agent 而你唔用，六個月後你嘅 cost structure 仲頂得住嗎？
答案自然就係你嘅真正 ROI。唔好再淨係睇份 salary 啦。