要用 AI 製作成本效益分析，先界定決策和不行動基線，然後建立證據登記表，並在經覆核的試算表或模型中完成每一項財務計算。用 AI 質疑遺漏的類別、統一描述，並按已核實的數字草擬說明。不要讓它虛構數值、揀選首選方案，或用精緻的文字掩蓋不確定性。

這是一套評估流程，不能取代財務審核。先閱讀較廣泛的負責任使用 AI 的總指南，確定性的計算採用試算表分析流程，分享內部數字前留意 AI 私隱風險。

不要把姓名、健康或申訴資料、薪酬紀錄、受保障特徵、可識別的績效紀錄或調查證據輸入普通消費級 AI 服務。只使用機構批准的環境，以及分析所需的最少去識別欄位。

關鍵要點

每個方案都與一個附日期的不行動基線比較。

把來源事實、計算、假設和判斷放在不同欄位。

納入成本、效益、風險、時間安排、非金錢影響和受影響群組。

測試那些可能推翻建議的假設。

把 AI 輸出視為草稿和問題來源，絕不視為批准。

如何定義決策與不行動基線？

有用的分析由一句決策陳述開始：誰必須在甚麼時間前、針對哪個群組或業務單位、在哪些限制下決定甚麼。「本季是否應更換客戶支援平台？」是有界線的問題；「新平台值不值得？」則讓模型可以隨意改變範圍。

列出替代方案前，先寫下照常運作（即不行動）方案。它描述現有安排繼續下去會怎樣，包括維護成本、預期的惡化、合約責任，以及放棄的改善。英國《綠皮書》把照常運作視為一個基準，並讓它留在候選短名單中，令其他方案有一致的比較點。［1］

把目標和關鍵成功因素分開記錄。未能滿足強制性目標的方案，不應只因估算比率好看便勝出。同時寫明評估年期、貨幣口徑、稅務處理、折現方法、通脹慣例和決策門檻。這些選擇屬於負責的財務或決策負責人，而不是模型。

建立方案與證據登記表

納入真正不同的方案，而非換湯不換藥的變體。一份精簡的長名單可包括不行動、最小改動、擬議的改動，以及一種有實質分別的交付方式。之後可用項目計劃指引安排交付次序；本文的分析只比較可行的選擇。

為每一項成本、效益、風險或影響建立一列證據：

欄位	要記錄的內容
方案	穩定的方案編號和簡短說明
類型	成本、效益、風險成本、非金錢影響或轉移
數值與單位	已核實的數值、貨幣或營運單位，以及價格口徑
時間	開始、持續時間、重複頻率和評估年期
來源	來源編號、負責人、擷取日期和位置
假設	估算成立必須滿足的條件
可信度	高、中或低，並說明理由
區間	不確定性重大時的低值、中值和高值
負責人與審核人	對該輸入及其審核負責的人

估算粒度要有用。瑣碎的列可以合併，但不要合併時間安排、證據質素、負責人或不確定性不同的項目。把一次性實施成本、持續營運成本、過渡期重疊、培訓、支援、停用和退出責任作為不同類別保留。

效益也需要同樣的紀律。寫明受影響的流程、量度方法、基線、預期變化、爬坡期和證據。「節省時間」不是估算；「按計時試行，在三個月爬坡期後，每月減少 20 小時人手覆核」才可以檢驗。

成本和效益應該在哪裏計算？

用受控的試算表、經審核的程式碼或獲批的財務模型進行運算。把公式、單位、來源編號和版本資料與計算一併保存。AI 可以解釋結果，但獲批的數字應毋須再次詢問模型便能重現。

檢查常見的結構性錯誤：

在收入、生產力和避免的成本中重複計算同一項效益；
混用名義金額和實際金額；
各方案採用不一致的時間範圍；
未經分析便把各方之間的轉移當作淨效益；
遺漏過渡、終止、監察或風險成本；
呈現平均值，卻掩蓋由誰承擔成本；
來源只支持一個區間，卻使用精確數字。

《綠皮書》把可以貨幣化的影響與無法可信地以金錢表示的影響分開，並要求風險、不確定性、公共財政影響和分配影響保持可見。［1］單一的成本效益比無法承載所有這些判斷。

如需要圖表，只在表格核對完畢後才按數據視覺化流程製作。好看的圖表修正不了錯誤的分母。

用 AI 製作成本效益分析的假設登記表

假設登記表令推理過程可以檢查。只把獲批、經最小化的證據交給 AI，要求它找出隱含的假設、欠缺的負責人、不一致的單位、沒有依據的因果聯繫和含糊的時間安排。它應返回問題，不填補空白。

使用以下提示約定：

審核下方的方案和證據列。列出每一項明確或隱含的假設。每一項都要返回假設編號、受影響的方案和列、支持證據、可信度、合理的低值和高值、負責人、驗證方法和覆核日期。不要虛構數值、計算結果、為方案排序或建議批准。把欠缺證據的項目標示為「未核實」。

然後審核每一項產生的內容。刪除並非基於實際提案的假設，合併重複項目，並補充模型遺漏的範疇特定限制。一份有用的登記表會涵蓋需求、採用率、交付時長、人手可用性、單位成本、可用年期、故障率、效益爬坡、依賴關係和剩餘價值等假設。

美國政府問責局（GAO）的成本估算與評估指南強調記錄假設、數據、方法、敏感度和風險，令估算可以追溯和更新。［3］這種可追溯性比更長的敘述更有價值。

檢查敏感度、情景和樂觀偏差

敏感度分析要問的是：哪些不確定的輸入重要到足以改變決策？揀選變量的依據應是它們不確定而影響重大，而不是容易修改。先逐個測試變量以了解其槓桿作用，再把互相協調的變量組合成情景。

最少計算：

使用經審核工作假設的基準情景；
採用合理不利數值的下行情景；
仍然基於證據的上行情景；
那些可能令首選方案不再達到門檻的假設的切換值。

《綠皮書》要求進行敏感度分析和計算切換值，並要求對樂觀偏差——即低估成本或工期、高估效益的傾向——作出明確調整。［1］其補充指引為這些調整提供結構化方法。［2］你的機構可能使用不同的方法，但不應預設基準情景就是確定的。

要求 AI 按嚴格規則總結已完成的情景表：說明改變了哪些輸入、顯示影響方向、保留獲批的數字，並指出哪項假設越過決策門檻。把這份總結與模型輸出逐行核對。

為何要保留非金錢和分配影響？

有些影響即使無法給出站得住腳的金錢價值，也仍然重要。在相關時記錄服務質素、安全、無障礙、私隱、員工工作量、抗逆力、環境影響、客戶信任和可逆性。描述證據和決策準則，不要為強行可比而虛構金額。

亦要識別每項效益由誰獲得、每項成本由誰承擔。一個方案可能整體為正數，卻把過渡負擔集中在某一個團隊，或排斥某個用戶群組。把重大的分配影響放在財務結果旁邊，而非註腳。

影響重大的決策，請相關專家審核私隱、無障礙、僱傭、採購、資訊保安、稅務和法律方面的影響。NIST 的生成式 AI 風險概況把虛構內容、資料私隱、資訊完整性和人手監督列為需要全生命週期控制的風險。［4］在這裏，去識別、綁定來源、獨立計算和具名批准就是實用的控制措施。

草擬建議並記錄審批

模型和情景表完成後，給 AI 一張鎖定的事實表，並要求一份決策簡報。要求它把證據、詮釋、建議和未解決的問題分開。每項數字陳述都必須引用列編號或情景編號。

使用以下最終結構：

部分	必填內容
決策	決策負責人、限期和範圍
方案	不行動基準和可行替代方案
結果	已核實財務指標和非金錢影響
假設	重大假設、可信度和切換值
風險	風險成本、緩解措施、剩餘不確定性和受影響群組
建議	人工作出的判斷，以及為何穩健或有條件
審批	負責人、審核人、版本、日期和覆核觸發條件

對外部主張進行事實核查。財務負責人應核實公式和價格口徑；數據負責人應核實輸入；專家應審核受規管的影響；負責的決策者應批准或否決方案。記錄異議和附加條件，而不是讓 AI 製造人為的共識。

設定覆核觸發條件，例如單位成本改變、交付延誤、試行結果、合約修訂、需求變化，或某項假設越過其切換值。按版本把獲批的建議、證據登記表、計算模型和假設登記表連結起來。如其中一項改變，便建立新的決策版本，而不是悄悄修改舊紀錄。

總結

由一個精確的決策和一個不行動基線開始。
把每個數字與來源、負責人、日期、單位和假設綁定。
令計算保持確定性，並在語言模型以外完成。
測試下行情景、上行情景、樂觀偏差和切換值。
保留非金錢影響和分配影響。
要求財務負責人、專家和決策負責人批准。

常見問題

AI 可以替我計算成本效益比嗎？

不要把語言模型當作關鍵業務運算的紀錄系統。在經審核的試算表、程式碼或財務模型中計算比率，再讓 AI 解釋已核實的結果。

甚麼是不行動基線？

它是現有安排繼續下去時的預期結果。納入持續成本、惡化、責任和放棄的效益，令各替代方案與一個切實的基準比較。

應該比較多少個方案？

使用足夠多、有實質差異的方案，以避免虛假的「是或否」選擇。實用的組合通常包括不行動、最小改動、擬議方案，以及另一個可行的方案。

所有效益都要折算成金額嗎？

不需要。只有在方法和證據站得住腳時才貨幣化。把重大的非金錢影響連同其證據、受影響群組和決策準則一併保持可見。

怎樣核實 AI 找出的假設？

把它追溯到提案中的某一列或某個來源，指定負責人，界定驗證方法，並測試一個合理的區間。如沒有支持證據，便標示為未核實，而不是接受一句聽來合理的話。

甚麼是切換值？

它是某項假設需要達到的數值，一旦達到，該方案便會達不到決策門檻或失去首選地位。它告訴審核者哪些假設最值得密切監察。

AI 能選擇最佳方案嗎？

不能。AI 可以整理經核查的證據並揭示缺口，但必須由負責的人權衡目標、財務結果、非金錢影響、風險、不確定性和分配影響。

可以把機密財務數據貼進公開聊天機械人嗎？

不可以。遵守機構關於工具審批、保密、存取、保存和資料最小化的規定。受限資料使用去識別的例子或獲授權的環境。

免責聲明：本文只供一般資訊參考，不構成財務、會計、稅務、採購、法律或投資建議。請採用機構批准的方法和專業覆核。

來源:

HM Treasury, The Green Book 2026 — https://www.gov.uk/government/publications/the-green-book-appraisal-and-evaluation-in-central-government/the-green-book-2026
HM Treasury, Green Book supplementary guidance: optimism bias — https://www.gov.uk/government/publications/green-book-supplementary-guidance-optimism-bias
U.S. Government Accountability Office, Cost Estimating and Assessment Guide — https://www.gao.gov/assets/d20195G.pdf
NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 8 月 29 日。

延伸閱讀：

如何用 AI 製作成本效益分析：數字在模型內計算，結論由人審批