AI ERP 導入服務在賣什麼：拆解三層架構、營運模型與 FDE 工程師的真實工作

台灣出現一種新型 AI 企業服務，月費從 NT$30,000 起跳，口號是「讓 AI 真的落地」。

看到這個定價，開發者的第一反應通常是：「這東西用開源工具三個月就能做出來。」

這個反應對了一半，也錯了一半。技術可以複製，但這類公司真正在賣的不是軟體——是把 AI 系統「裝進企業日常」的那個人。

一、表面是 SaaS，本質是人力服務公司

定價 NT$49,800/月看起來像 SaaS 月費，但這個數字其實是人力成本回收——

假設一個 FDE 工程師月薪 NT$60,000、加上勞健保和管銷成本約 NT$80,000–100,000，那一個 FDE 必須同時帶 3–5 個客戶才能打平。所以這類公司的核心 KPI 不是「有多少訂閱戶」，而是：

• FDE 利用率：一個 FDE 平均同時帶幾個客戶
• 客戶留存率：FDE 服務結束後客戶會不會繼續付月費
• FDE 招募速度：決定能接多少客戶（業務天花板）

這就是為什麼他們會推「免費招募 FDE 說明會」——FDE 數量是業務天花板，必須持續擴充人才池。

二、收入組成推測

首月那筆才是真正賺錢的地方——FDE 進駐期間是定價最貴、客戶感受最強的階段。後續的月費更像是維護費和「不取消才能繼續用」的鎖定機制。

三、業務循環：獲客 → 服務 → 留存

獲客：不是 SEO，是老闆人脈圈

這類公司不靠 Google Ads 或 SEO，因為決策者（中小企業老闆）不會搜尋「AI ERP」。獲客通常走：

1. 產業協會 / 商會講座——老闆群聚的地方，講「AI 導入成功案例」
2. 創業沙龍 / 異業聯盟——透過老闆人脈轉介
3. 政府數位轉型補助案——SBIR、地方政府補助，幫客戶寫案子分潤
4. 電腦公會 / 中信等通路合作——用既有 B2B 關係導客戶

landing page 強調「成本節省 18 萬」「漏件率降低 91%」——這些是給老闆看的數字，不是給工程師看的。

留存：用新功能維持月費合理性

ERP 系統一旦穩定運作，客戶會發現「其實我自己改改也行」，然後降級或停掉服務。所以這類公司會持續推新功能（AI Agent、新模組、新行業模板）來維持月費的合理性，避免被視為「只是維護費」。

四、FDE 工程師到底在做什麼？

這是整個商業模型裡最被低估的部分。FDE 不是技術支援人員，他們的工作更像業務顧問 + 產品經理 + 培訓師的混合體。

進場前：流程訪談與需求梳理

FDE 進駐的第一件事不是裝系統，是聽。

客戶說「我們的庫存管理很簡單」，但一問下去：

• 有預購商品、有代出貨、有門市庫存和倉庫庫存分開管
• 有些商品是組合包，有些是寄倉代發
• 老闆習慣口頭「保留」某批貨給 VIP 客戶
• 退貨有時還沒入庫就被拿去補單

這些邏輯散落在 LINE 群組、Excel 和老員工的記憶裡。FDE 要做的是把它整理成可以被系統承載的資料模型——這個過程叫「需求梳理」，通常是整個導入過程最費時的一步。

進場中：決定哪些不要做

這是 FDE 最反直覺的工作之一。

客戶的需求清單永遠比系統能承載的多。FDE 要有能力說「這個現在不做」——不是敷衍，而是判斷哪些是核心流程、哪些是邊緣案例，然後讓客戶接受這個優先順序。

做錯這一步的後果是：系統什麼都有，但什麼都跑不順，最後沒人用。

進場中：設計資料模型與系統配置

需求梳理完之後，FDE 要把業務邏輯轉換成系統的欄位設計、流程節點、權限矩陣：

• 哪些表單誰能填、誰能看、誰能審批
• 哪些欄位是必填、哪些是選填、哪些自動帶入
• 哪些流程觸發自動通知（LINE / Email）
• 哪些數據要進報表、要給老闆看什麼維度

這個階段用的工具是 NocoBase、ToolJet 或 Appsmith 這類低代碼平台——FDE 不是在寫程式，而是在配置。

進場中：員工培訓與心理建設

系統做好了，但員工不用，等於零。

這是 AI 導入失敗最常見的原因，而且幾乎不是技術問題。FDE 要做的是：

1. 教會員工怎麼用：手把手示範、製作 SOP 文件、錄教學影片
2. 解釋為什麼要改：讓員工理解「這個流程改掉之後，你少了哪些麻煩事」
3. 降低抗拒心理：很多員工害怕「AI 會取代我」，FDE 要在現場處理這個情緒

這件事沒有辦法遠端做好，必須有人在現場。

進場後：優化與維運

第一版永遠不是最終版。系統上線後的 2–4 週，FDE 要跟客戶一起看：

• 哪些欄位填起來很麻煩，可以簡化
• 哪些自動化流程觸發太頻繁，造成通知疲勞
• 哪些報表數字老闆看不懂，需要重新設計維度
• 哪些流程在旺季會塞車，需要加緩衝機制

這個迭代過程通常需要 1–2 個月才能穩定。

五、開源可以複刻哪些部分？

技術層面，這類服務的每一層都有成熟的開源替代方案。

ERP 底層：選一個就夠

AI 知識庫與對話層

Dify — 最適合快速建 AI 知識庫和對話機器人，可以匯入 PDF、SOP、FAQ，讓員工直接問系統。

Flowise — 視覺化拖拉建 LLM 工作流，適合不想寫程式的 FDE。

自動化流程層

n8n — 把 LLM 的輸出串接到 ERP 的 API，LINE、Email、Slack 通知全都能串。可自架，資料不出去。

三條整合路線

方案 A：快速 MVP（推薦獨立開發者先從這裡開始）

NocoBase + Dify + n8n + PostgreSQL

可交付：客戶資料管理、報名表單、AI FAQ Bot、LINE 自動提醒、每日營運摘要。兩個月可以有可演示的產品，不需要寫後端。

方案 B：內部工具接案版

ToolJet / Appsmith + Dify + n8n + Supabase

適合電商後台、訂單管理、業務 Dashboard。賣點是「7 天做出 AI 內部工具」，這是可以定價的服務。

方案 C：完整 ERP 改造版（謹慎評估）

ERPNext + Dify + n8n + ToolJet

功能最完整，但複雜度也最高。ERP 案子有很多「藏在 Excel 和人腦裡的業務邏輯」，老資料匯入、客製欄位、帳務科目每個都是潛在地雷。不建議獨立開發者第一個案子就走這條路。

整合架構（概念層）

員工輸入：「幫我查上週還沒結帳的訂單」
                    ↓
        Dify / Claude API 解析意圖
        → 轉換成結構化查詢指令
                    ↓
         n8n 接收指令
         → 呼叫 NocoBase / ERPNext API
         → 回傳查詢結果
                    ↓
        格式化後推送到 LINE / 後台介面

自架部署走 Docker Compose + VPS，模型可接 OpenAI、Claude 或 Ollama 本地端。如果在本地跑模型做測試，一張 VRAM 夠大的顯卡能省掉大量 API 費用——麗臺 RTX PRO 4000 Blackwell 24G 跑 Llama 3 70B 量化版是目前 CP 值不錯的選擇。

六、技術可以複刻，但這兩件事做不到

用開源工具可以復刻約 70% 的功能，剩下的 30% 不在程式碼裡。

行業模板庫的積累

幾十個行業的預設方案，背後是大量業務顧問花幾年時間跑客戶、記錄業務流程、整理成可配置模板的成果。這不是技術問題，是知識工程問題。

FDE 人力網絡

這是最難複製的護城河。企業導入 AI 工具失敗的原因，90% 不是技術問題，而是員工沒有照著用。FDE 把解決這個問題當成核心服務——工具能提供積木，FDE 是把積木蓋成房子的人。

七、這個模式的兩個結構性風險

風險 1：FDE 流失帶走客戶

FDE 進駐期間會跟客戶建立信任，離職時客戶可能跟著走（「我覺得這個工程師很好，他出來我就跟他做」）。所以這類公司通常會綁競業條款，但實務上很難執行。

風險 2：客戶學會之後不再付費

ERP 一旦穩定運作，客戶會評估能不能自己維護。所以這類公司必須持續推新模組、新行業整合，讓月費保持「值得續訂」的感受。

這兩個風險共同決定了一件事：這類公司必須持續擴張，停下來就會被掏空。

八、可能的下一步：垂直化或加盟化

如果要規模化，這類公司大概會走兩條路：

1. 垂直化——從通用 ERP 變成「餐飲業 AI 系統」「補習班 AI 系統」「診所 AI 系統」，讓 FDE 能複製方法論，縮短訓練週期
2. 加盟化——把 FDE 變成加盟主，公司只收平台費 + 案件分潤，自己不再養人

第二條路才是真正能規模化的路徑——本質上會變成「AI 顧問業的 7-11」。

給獨立開發者的結論

如果你是獨立開發者，有兩條路：

做工具路線：選一個垂直市場（補習班、顧問工作室、小型電商），用方案 A 把行業模板做深。護城河是對這個行業業務流程的理解，不是技術本身。

做服務路線：把自己訓練成 FDE，替中小企業陪跑 AI 導入。核心差異化是你願意待在現場解決人的問題，而不只是交付一套系統。

兩條路都有機會，但走之前先搞清楚一件事：你的優勢是寫程式，還是帶人？

簡單講：這類公司不是 SaaS 公司，是包了 SaaS 外皮的人力服務公司——月費裡 60% 是人，30% 是系統，10% 是知識庫。AI 落地的最後一哩路，從來不是模型夠不夠強，而是有沒有人願意待在現場確保它真的被用起來。

想了解更多 AI 工具評測與獨立開發者的技術選型，可以訂閱 AKIRAXCLAW 深度學習路徑。