別再只比 Token 價格：Cost per Successful Task 才是 Agent 的真實生產力

先看結論：企業買的不是模型，而是完成工作的能力

Agent 商業化的核心指標，正從單次模型價格移向每個成功任務的總成本。報告整理 Anthropic 實驗：同樣使用 Claude Opus 4.5 建立應用，單 Agent 約運行20分鐘、成本約9美元；包含規劃器、生成器與評估器的完整 Harness 約運行6小時、成本約200美元，成本超過20倍，但完整度、可用性與核心功能正確性也明顯較好。問題不是誰最便宜，而是多付的錢換到多少成功率與商業價值。

這個題目值得獨立拆解，因為企業 AI 已經走到第二個階段。第一階段比的是模型能不能回答，第二階段比的是系統能不能在資料不完整、權限複雜、流程跨部門的環境裡，穩定交付可衡量結果。別再只比 Token 價格：Cost per Successful Task 才是 Agent 的真實生產力不是技術名詞的排列組合，而是一個組織、工程與財務必須同時成立的問題。

運作機制：把人的經驗翻成 Agent 可執行的規則

Cost per Successful Task 可以寫成：一次任務的模型、工具、基礎設施、人工與失敗成本總和，除以真正達標的任務數。若便宜模型需要多次重試與大量人工覆核，分母變小、分子變大，最後反而更貴。Harness 的規劃、評估與復原元件，應以對成功率、錯誤損失與週期的增量貢獻衡量，而不是看功能清單長度。

Harness 可以理解為包在模型外面的 Agent 執行環境。它管理任務脈絡、記憶、工具、狀態、權限、驗證、監控與錯誤復原，把一次文字生成變成可以持續做事的系統。模型像大腦，Harness 更像神經、手腳、安全帶與行車紀錄器；少一樣，正式上路都會讓法務和資訊長睡不好。

實務上應先畫出原有流程的輸入、判斷、工具、輸出與例外，再決定哪些環節交給 Agent、哪些需要人工核准。這個順序很重要：若先拿模型找題目，團隊容易做出技術可行但商業低頻的功能；若先找出高成本、高等待或高錯誤的流程，再設計資料與執行環境，投資報酬率才有機會被驗證。

財務視角：從專案收入走向能力複製

不同任務的容許成本差異很大。生成一則內部摘要，200美元幾乎不合理；完成價值數萬美元、錯誤代價高的程式或交易審查，200美元可能非常便宜。財務模型應分任務類型，設定單次商業價值、錯誤損失、人工成本與服務水準，再選擇模型與 Harness 深度。平均 Token 單價無法跨任務直接比較。

財務長應把成本拆成五層：場景診斷、資料與系統串接、模型推論、執行框架、上線後的人工作業。初期毛利偏低不必然代表模式失敗，因為第一批客戶可能同時支付產品學習成本；但下一批同類客戶若沒有明顯縮短交付週期，代表知識沒有資產化。最重要的曲線，是每一元新增收入需要多少新增工程人力與模型成本。

收入品質也要分開看。一次性顧問費能證明客戶願意付錢，訂閱與用量收入則更能反映系統已進入日常流程；成果分成若能建立清楚基線，可能提高上限，但也會帶來歸因與合約爭議。健康的商業組合通常是以前期服務完成導入，再讓軟體、技能模組與執行量成為後續擴張主體。

執行方法：從一個高價值流程開始

企業可以建立一張 Agent 單位經濟表：每類任務記錄成功定義、一次執行成本、重試次數、人工分鐘、完成時間與錯誤損失。接著做消融測試，逐一拿掉規劃器、評估器或子 Agent，觀察成功率下降多少。只有當元件帶來的增量價值高於增量成本，才留在正式環境。這也是控制架構複雜度最公平的方法。

導入時應先定義成功與失敗。成功不只包含平均任務時間下降，也包括錯誤率、人工覆核、法遵事件與使用者採用；失敗則要能被分成模型、資料、權限、工具、流程或組織責任。分類清楚後，每次錯誤才會變成測試資料與產品改進，而不是群組裡又多一張『AI 怎麼又壞了』的截圖。

反方論證：重交付也可能只是昂貴的人力生意

成功任務成本仍可能被錯誤定義操弄。若把『產出一份文件』當成功，卻不管文件是否被採用、是否導致錯誤決策，指標仍然漂亮但沒有價值。成功條件應接近業務結果，並納入尾端風險；高平均成功率若偶爾造成重大法遵或金流事件，不能用平均值沖掉。

最複雜的 Harness 不一定最好。每多一個規劃器、評估器或子 Agent，都會增加模型呼叫、延遲與故障點。合理做法是以真實任務做刪減測試：拿掉元件後成功率是否下降、下降多少、值不值得額外成本。最終要最佳化的是每個成功任務的總成本，而不是單次 Token 最便宜。

此外，報告整理的數據包含企業調查、公司案例、產品公告與研究判斷，可信度與時間點並不完全相同。本文保留原始頁碼，並把已發生事實、廠商所述規畫與延伸分析分開呈現。對快速變動的 Agent 市場而言，最危險的不是判斷暫時錯，而是把尚未驗證的規畫寫成已經實現的財務成果。

台灣企業可以怎麼用：先做流程資產負債表

台灣企業常從採購折扣看 AI 成本，但 Agent 真正影響的是人工作業、週期與錯誤。建議由財務、業務與資訊共同定義任務單位，先用十到五十個真實案例建立基線，再談大規模合約。對供應商而言，能提供成功任務成本、失敗分布與人工接管數據，會比只報 Token 便宜更接近企業買方語言。

接下來可固定追蹤：1、成功條件是否連到業務結果；2、單次任務的完整成本；3、重試與人工覆核占比；4、高損失尾端錯誤。這些指標同時涵蓋技術、流程與財務，能避免團隊只挑對自己有利的數字。對台灣企業而言，最務實的起點通常不是成立一支龐大 AI 部門，而是選一條跨資料、跨系統、又能直接衡量成本或營收的流程，讓小型 FDE 團隊與業務負責人共同完成第一個生產閉環。

最後要記住，真正的護城河不是 Prompt 數量，而是企業願不願意把規則、失敗案例與決策邊界持續沉澱。模型會升級、單價會下降、工具名稱也會換季；留在公司裡的本體模型、測試資料集、連接器、技能模組、權限設計與營運紀錄，才是能在下一輪技術變化中繼續複利的資產。