一人公司 AI ROI 實戰指南：由 $0 到計清賺蝕

Uber AI CFO 嘅最大貢獻，唔係教人點樣用 AI 慳錢，而係提出一個反直覺嘅問題：如果你用 AI 做一件事嘅成本係 $0.01，但你親手做嘅機會成本係 $50，點解你仲喺度計較嗰 $0.01？大部分香港創業者面對 AI 嘅時候，思維仲停留喺「呢個工具每月收費 $20，值唔值？」嘅層次。呢個問題本身就錯咗。你應該問嘅係：唔用 AI，我蝕咗幾多時間、幾多機會、幾多決策品質？

我見過太多一人公司老闆，一方面用緊 ChatGPT 免費版寫 email，另一方面每個禮拜花十幾個鐘做數據分析、市場研究、內容策劃，仲要覺得自己好 frugal。呢種心態嘅問題在於：佢地將 AI 當成一個「開支」，而唔係一個「槓桿」。當你嘅生意得一個人，你唯一有限嘅資源就係時間同注意力——AI 唔係幫你慳錢，係幫你買時間。

由 Uber AI CFO 框架說起：點解傳統 ROI 思維害咗你

Uber AI CFO 嘅核心框架非常簡單：AI 嘅 ROI 唔應該用「取代咗幾多人手」去計，而係用「提升咗幾多決策速度同品質」去計。對一人公司嚟講，呢個框架更加重要，因為你根本無人可取代。你只有你自己。

傳統 ROI 計算係咁嘅：(收益 - 成本) / 成本。聽落好合理，但呢條公式假設咗你可以好清楚咁量化收益。現實係：AI 幫你慳咗嘅時間、幫你避免咗嘅錯誤、幫你快咗進入市場——呢啲全部係隱性收益，好難直接入數。你用 AI 寫咗一封 conversion rate 高 30% 嘅 sales email，你點樣 split out 個 ROI？你嘅 landing page 用 AI 做咗 A/B testing 建議，轉換率升咗，呢個功勞點 allocate？

Uber AI CFO 嘅做法係：唔好逐個 task 計，而係睇整體決策鏈條嘅提速。佢地發現，引入 AI 之後，中層管理者做決策嘅 cycle time 由平均 3 日縮短到 45 分鐘。對一人公司嚟講，呢個提速嘅價值係 gigantic。你諗下：平時你要諗一個 pricing strategy 要睇三份 report、做兩個 spreadsheet、消化 20 篇 competitor analysis，前前後後可能用咗成個 weekend。用 AI 輔助之後，你可能兩個鐘內就已經有 data-driven 嘅 decision。呢個唔係「節省咗一個 weekend」，而係你比競爭對手早 6 日做出咗更好嘅決定。

一人公司嘅 AI ROI 計算框架：四個層次

我建議用一個四層框架去量化 AI ROI。由最直接到最間接，逐層 unpack：

第一層：直接時間節省。 呢個最易計。你每個月用 AI 寫咗幾多封 email？慳咗幾多小時？用 AI 做 research 取代 Google 慢慢 digging，慳咗幾多時間？將呢啲節省乘落你嘅 hourly rate——但注意，唔好用你「想收人哋」嘅 rate，用你「實際機會成本」嘅 rate。即係，如果你慳返嚟嘅時間係用嚟睇 Netflix，咁係 $0。如果你慳返嚟嘅時間係用嚟開發 product，咁就係你作為 developer 嘅 market rate。

第二層：決策品質提升。 呢個比較 tricky，但係最大嘅價值來源。你用 AI 做咗 data analysis 之後，做出咗一個 better-informed decision。點量化？用 counterfactual：如果冇 AI，你會做咗一個點樣嘅決定？個 difference 就係 AI 嘅 value。舉例，你用 AI 分析咗廣告 campaign 數據，發現某個 audience segment 嘅 ROAS 特別低，決定 cut 咗佢，每個月慳返 $500。冇 AI 嘅話你可能要等多三個月先發現。呢 $500 × 3 = $1500 就係 AI 嘅 ROI。

第三層：能力擴張。 呢個層次講嘅係你做到咗本來做唔到嘅嘢。你唔識畫圖，但用 Midjourney 可以出到合格嘅 product mockup；你唔識寫 copy，但用 AI 可以寫到 decent 嘅 landing page content；你唔會 Excel 嘅 advanced formula，但用 AI 可以做到複雜嘅 data processing。呢啲本來你要 outsource 畀人做，而家用 AI 自己搞掂。慳返嘅 outsource cost，就係你嘅 ROI。而且仲有一個 hidden benefit：iteration speed。你 outsource 畀 freelancer，來回可能要一個禮拜。自己用 AI 做，一個鐘搞掂三個版本。

第四層：機會成本。 呢個最抽象，但最緊要。你慳返嘅時間，用咗嚟做啲咩？如果你每個月慳到 40 個鐘，將呢 40 個鐘用嚟開發新 product feature 或者搵新客戶，咁呢 40 個鐘嘅 potential revenue 就係你嘅 AI ROI。好多一人公司低估咗呢點：佢地淨係見到「用 AI 幫我做 research 慳咗兩個鐘」，但睇唔到呢兩個鐘如果用嚟 networking 或者 product development，長期可以帶嚟幾大嘅 compound effect。

實戰案例：由 $0 到每月 $200 AI 開支嘅 ROI 拆解

我認識嘅一個香港 indie hacker，做緊一個 SaaS 產品，每月收入大約 $3000。佢嘅 AI 開支係：ChatGPT Plus $20、Claude Pro $20、GitHub Copilot $10，合共每月 $50。佢之前一直覺得呢 $50 好貴，諗緊 cut 唔 cut。我同佢做咗一次 ROI audit：

直接時間節省：佢每日用 AI 寫 code 慳到約 1.5 小時，用 AI 做 customer support drafting 慳到 0.5 小時，用 AI 做 content writing 慳到 1 小時。每個月約 60 小時。佢嘅 opportunity cost rate 係 $50/hr（因為佢係 freelance developer，接 freelance 嘅 rate 係呢個數）。60 × $50 = $3000。即係話，淨係第一層嘅 ROI，已經係 60 倍。

決策品質提升：佢用 AI 分析咗用戶行為數據，發現某個 onboarding step 有 40% drop-off rate，改咗之後 retention 升咗 15%。呢個改動帶嚟嘅 MRR 增長約 $450/month。呢個係 AI 直接促成嘅 revenue impact。

能力擴張：佢本身唔識寫 marketing copy，以前每個月要畀 $200 freelance copywriter 幫手寫 newsletter。而家用 AI 寫＋自己編輯，完全唔需要 outsource。

機會成本：慳返嚟嘅每星期 15 個鐘，佢用嚟開發咗一個新 feature，呢個 feature 幫佢吸引咗 10 個新客戶，增加 $500 MRR。

總計：$50/month 嘅 AI 開支，帶嚟至少 $3950/month 嘅 measurable impact。呢條數，仲需要問「值唔值」？

點樣 setup 你嘅 AI ROI dashboard

最後，畀幾個 actionable 嘅建議。你要為自己建立一個簡單嘅 AI ROI dashboard，唔需要複雜，Google Sheets 已經夠用。每個月尾做一次：

1. 用量記錄：記錄你每種 AI tool 嘅使用頻率同用途。唔好靠記憶，用 tool 本身嘅 usage log 或者自己 quick note。
2. 時間 audit：揀一星期，用 Toggl 或者簡單嘅 paper log，記錄你用 AI 做每件事之前同之後嘅時間差異。做一次就夠，之後可以 extrapolate。
3. Counterfactual：每個 major decision 之前，quickly note down 你如果冇 AI 會點做。三個月後回頭睇，AI 幫你做咗幾多個 better decision。
4. Revenue attribution：每個月尾，估下呢個月有幾多 revenue 係 directly or indirectly related to AI。唔使精準到小數點，大概就得。
5. 開支 tracking：AI subscription 加埋 API usage，逐項記低。

做三個月之後，你就會有自己嘅 AI ROI baseline。到時你會發現一個大概率嘅結果：你嘅 AI investment ROI 係正數，而問題唔係「AI 太貴」，係「你用 AI 用得唔夠多」。大部分一人公司嘅問題，唔係 over-invest in AI，而係 under-invest。當你有咗數據 support，你就可以 confidently 咁加大 AI 嘅投入——唔係因為 hype，而係因為條數話畀你知，呢個係你最好嘅 investment。

開始計數。由今日開始。