AI 時代軟體外包報價怎麼看？人月報價已經過時了

老闆收到軟體外包報價單，最常見格式是：「3 個工程師 × 6 個月 × 單價 = 總額」。

聽起來很合理對吧？但 AI 時代這個邏輯已經死了——還用人月報價的廠商，要不是技術太老、要不是想多收你錢。

為什麼人月報價死了

人月報價的前提是：工程師產出可預測、按時間線性。

過去這成立：1 個工程師寫 1 個 feature 大概 X 天、5 個工程師 6 個月可以做 Y 規模的系統。但 AI 把這個假設打破了：

• 1 個會用 AI 的資深工程師，撰碼速度可以快過去 1.5-2 倍（McKinsey 實測）
• 加上資深判斷的 compound 效果，整體產出常常勝過過去 3-5 人團隊
• 不會用 AI 的工程師現在反而比 AI 加速的工程師慢 50%+

意思是：報你「3 個工程師」≠ 報你「3 個工程師的產出」。同樣是 3 個人月，會用 AI 的團隊跟不會的差 3-5 倍。

如果報價單還是「人月 × 單價」——你在按過時的邏輯付錢。

AI 時代的 3 種新計價模式

1. Outcome-based / 固定價

報「交付一個明確結果」，不是「派幾個人」。

例：「6 週交付一個能上線的會員系統，含 SSO + 後台管理 + 200 用戶 load test」+ 固定價 NTD 80-150 萬。

適合：需求明確、範疇收斂的系統外包。 好處：你付的是結果、不是時間。對方有動機用 AI 加速（時間越短利潤越高）。 風險：規格寫不清雙方打架。Discovery 一定要做足。

2. Retainer / 月費

報「按月持續投入」，按時間付費但有明確 deliverable。

例：「每月 NTD 30-60 萬，包 1 個資深顧問 + 1 個 implementer，每月有 KPI / 每雙週 demo」。

適合：流程顧問外包、長期數位轉型、需求會邊做邊變的事。 好處：彈性、能跟業務共學迭代。 風險：沒明確 KPI 越請越多、看不到成果——一定要設可驗證的月度產出。

3. Hybrid（混合）

大型專案常用：先 retainer 跑 discovery、再固定價做試點、上線後 retainer 維運。

例：「6 週 discovery (retainer NTD 30 萬) + 12 週試點 (固定 NTD 100 萬) + 後續 6 個月維運 (retainer 每月 NTD 20 萬)」。

適合：大型轉型、不知道要做什麼但知道要做。 好處：把不確定性切成可控階段，每階段結束可以重新評估要不要繼續。

怎麼判斷對方報價合不合理

不要只看總額，看「報價背後的假設」：

| 看什麼 | 想看到什麼 | | --- | --- | | 計價單位 | Outcome / 階段 / 月費，不是純人月 | | 有沒有列 AI 工具 / 加速方式 | 具體說「我們用 X 加速 Y 階段」 | | 包不包含 discovery | 沒 discovery 直接報價 = 對方在賭 | | 包不包含過渡 support | 上線後 1-3 個月過渡期該包進去 | | 付款結構 | 階段付款（30/30/40 之類），不是簽完先付 50%+ |

報價單長得像「幾個 sprint × 每 sprint 多少天 × 每天多少錢」——這是包裝過的人月，本質沒變。

5 個看到就該 pass 的 red flag

1. 還在報「人月」：技術 / 思維沒跟上 AI 時代
2. 沒問你業務、直接給報價：在賣標準包裝、不是替你想清楚
3. 報價跟 AI 完全沒關係：「我們不用 AI、純手寫」= 你在花 5 倍價
4. 拒絕分階段付款：要你一次付一大筆 = 對方沒信心持續交付
5. 「我們很特別、只有我們會」：技術獨家 = 你被綁死、之後沒辦法換廠商

收尾

AI 時代付軟體外包的錢，買的不是工時、是結果 + AI 加速 + 長期演化能力。

收到報價單第一個動作不是看總額，是問自己：「對方計價邏輯是 2020 年的，還是 2026 年的？」

2020 年的計價邏輯 = 你在付溢價買過時的工作方式。

資料來源

• Unleashing Developer Productivity with Generative AI — McKinsey McKinsey：generative AI 對軟體工程的潛在影響達當前年度支出的 20-45%、開發者完成任務最多快 2 倍、Copilot 用戶撰碼快 56%