直接回答：金屬加工廠最適合的 AI 入門點就是報價——因為它重複、花資深人力、而且每一張新報價都在重複查一次「以前怎麼報」。但先講清楚：AI 不是幫你「算價格」，是幫你「把依據找齊」——拍板永遠在人。
先拆一張報價單：AI 能接手哪些？
一張加工件報價通常由這些組成：材料費（隨行情波動）＋工時（哪些機台、各幾小時、每小時多少）＋模具/治具摊提＋外包製程（電鍍、熱處理）＋利潤。其中最花時間的不是計算，是找參考依據：「這家客戶上次類似件怎麼報？」「這種材質上次工時抓多少？」「那次為什麼賠錢？」——答案散在舊報價單、圖面、ERP 和老師傅腦裡。
AI 接手的就是這段：輸入新詢價的條件（材質、尺寸、數量、公差、表面處理），AI 從歷史資料找出最相似的 3–5 筆案例，把當時的單價、工時、注意事項（「這家驗收嚴，公差要抓緊」）附出處列給你——業務拿著依據調整報價，而不是從零開始翻。
哪些報價適合，哪些不適合？
- 適合：規格件、重複性高的加工件、老客戶的迴轉單——歷史資料多，相似度高，AI 的參考價值最大。
- 不適合：全新開發件、首次合作的特殊製程——沒有歷史可參考，這種單本來就該資深人員慎重評。AI 這時能幫的只有找出「最接近的過往案例」當起點。
所以實務上的分工是：八成的例行單 AI 帶依據、新人也能回；兩成的難單留給資深人員——他們的時間從例行單裡釋放出來。
情境試算（示意）：這筆帳怎麼算
假設廠裡每天 5 張詢價單，每張從翻資料到出單平均 40 分鐘，其中翻找依據佔 25 分鐘。導入後找依據縮到 5 分鐘以內：每天省約 100 分鐘，一個月約 33 小時——等於多出小半個人力，還不計回覆變快帶來的接單率提升（詢價當天回 vs 拖兩天，中小型訂單很吃這個）。這筆帳評估時會用你們實際的單量重算一次。
導入會碰到的兩個現實問題
- 「我們的舊報價單欄位不統一」：正常，十家有九家這樣。問答型架構對欄位一致性容忍度高，不需要先把十年舊單重建（《資料要先整理好嗎》）。
- 「報價邏輯是機密，放上系統安全嗎？」：這正是我們建議報價自動化走地端的原因——成本結構和單價邏輯不出公司門，權限可以設到「業務看得到建議價、看不到成本結構」（《機密會外流嗎》）。
常見問題
AI 報的價可以直接發給客戶嗎？
不建議。正確用法是 AI 出「建議價＋依據」，人確認後出單——材料行情、產能狀態這些即時因素，人比機器清楚。目標是把出單時間從 40 分鐘壓到 10 分鐘，不是拿掉人的把關。
老師傅的報價經驗怎麼進去？
舊報價單本身就是他的經驗結晶；再加上訪談整理（「這家為什麼都報高一成？」「這種件為什麼不接？」）——做法見《老師傅的經驗怎麼變成知識庫》。
我們單量不大，值得做嗎？
每天不到兩三張、且大多是老客戶迴轉單——老實說效益有限，可以先不做，或把預算留給知識庫（共用同一套歷史資料，效益面更廣）。
想用你們實際的單量算一次回收期？免費評估連這張試算表一起給你。
最後更新：2026 年 7 月
