AI 都會寫程式了，為什麼 網站報價 沒變便宜？

作者：Ring Lin｜益盛科技專案經理

這一兩年跟客戶談網站，愈來愈常聽到同一句話：
「現在不是有 ChatGPT、Claude 嗎？AI都會寫程式了，網站是不是應該便宜很多？」

這句話沒有錯，但也只對了一半。
AI的確讓某些工作變便宜，問題是它壓低的是「打字的時間」，不是一套正式系統從頭到尾的成本。

哪些網站，真的應該變便宜

如果一個網站只有幾個頁面，套現成版型，放公司介紹、產品照片、聯絡表單，沒有會員、沒有金流、沒有複雜後台，現在的製作成本確實比五年前低。
以前網頁設計師要自己刻 HTML、CSS，一頁一頁調版面，現在 AI 幾分鐘就能生出一個看起來80%完成的版面。

所以如果一家網站公司的服務內容還停在「套版、換圖、貼文字、改顏色」，價格真的可以壓低。
請參考我們的服務，網頁設計含主機只要7,999元/年

客戶看到的是畫面，工程師顧的是系統

大部分報價認知的落差，出在客戶看到的東西跟工程師處理的東西根本不是同一層。
客戶看到首頁、Banner、按鈕、會員登入頁，直覺就是「這個AI一下就生出來了」。
畫面確實可以很快生出來，真正花時間的部分通常看不到。

拿最常見的「會員系統」當例子。
客戶說一句「我要會員系統」，AI可以立刻生出一個登入頁面，但真正的工程是後面這些要決定的事情：

• Email要不要驗證，忘記密碼的流程怎麼設計
• 要不要開放Google或LINE登入，同一個信箱用兩種方式註冊算不算同一人
• 會員能改哪些資料，管理員能看到哪些資料，權限怎麼分層
• 登入失敗幾次要鎖定帳號，Session要維持多久
• 會員要求刪除帳號時，過去的訂單紀錄要保留還是清除，個資怎麼處理

這些問題不會因為AI能寫出一個登入頁面就自動有答案。
AI可以協助列出選項、整理規則，甚至產生一版初步流程，
但最後要採用哪一套會員邏輯、公司願意承擔什麼風險，以及個資該怎麼處理，
仍然需要由了解實際業務與責任邊界的人來確認。

一次會議，花大半時間拆開AI講的東西

最近經手的一個案例，可以完整說明這個落差怎麼發生。
客戶自己先用 ChatGPT，想把文章上傳到官網，過程中卡在圖片上傳失敗，就去問AI。
AI回答「可能是系統問題」，客戶就認定官網系統本身有毛病，開會時劈頭就問工程公司「是不是要花錢修系統」。

實際拆開來看，其實跟系統一點關係都沒有。
真正卡住的原因是瀏覽器版本太舊， ChatGPT沒辦法透過瀏覽器完成自動操作；
換一款支援瀏覽器自動化的AI工具 CLAUDE，同一個官網系統、同一個發布流程，幾分鐘就上傳完成。

同一場會議裡，類似的狀況不只出現一次。
客戶手上的疑問清單，同時混著系統架構的問題、AI操作權限的問題、瀏覽器版本的問題，還有社群平台本身防機器人機制的問題，
四種完全不同層級的東西，寫在同一段話裡，聽起來很像同一件事。
我們光是把每一條問題分類清楚，
一條一條標出「這是系統的事」「這是AI工具的事」「這個現有方式就能處理」「那個要另外申請API才能做」，就用掉會議一半以上的時間。

把那次會議實際做的事情拆開來看，其實就是四個步驟：

• 先確認客戶說的「系統」實際上指的是哪一層？是官網本身、AI工具、還是瀏覽器
• 把每一個卡住的地方，分別對應到「系統」「AI工具」「瀏覽器版本」「平台規則」四個類別
• 針對每一類，分別回答「現在的方式就能處理」或「需要另外申請、需要額外費用」
• 遇到還沒確認的價格或方案，先列為待確認，不當場承諾金額

客戶自己先問過AI，再把AI的答案整理成一份清單拿來找網站或軟體公司，現在愈來愈常見。
AI帶來的問題不一定只是「答案講錯」，在技術專案裡更常見的麻煩，是答案缺少現場的前提條件，
AI 它不知道客戶實際的環境設定、不知道帳號權限、不知道系統版本，也不知道哪一層由誰負責。
回答本身讀起來邏輯完整，拆開來看卻是四件分屬不同人負責的事，得靠真人一條一條確認，
才不會變成我們花掉一整場會議在解釋「這句話AI講的不是你想的那個意思」。

為什麼AI隨口一句「系統有問題」，大家就全盤接收？

這不是客戶特別容易被說服，聊天式AI本來就容易讓人覺得「它已經理解全部情況」。
它回答速度快、句子完整，還會自己補上原因跟解法，讀起來不像用猜的。

2024年發表在《Scientific Reports》的一項研究做過兩組預先註冊實驗，
研究人員把相同資訊分別用對話式文字AI、語音助理與靜態文字呈現，其中刻意混入部分不正確的內容。
結果顯示，資訊以對話形式呈現時，受試者比較難分辨出哪些是正確、哪些是部分錯誤的內容。
問題不只是答案寫了什麼，「它用聊天方式跟你說」這件事本身就可能影響可信度判斷。

2025年《Communications Psychology》另一項410人的研究則發現，
受試者愈認為大型語言模型具有記憶、判斷、知識這類「智能」能力，就愈容易接受它給的建議；
但認為AI有「意識」這件事本身，反而跟接不接受建議沒有正相關。
這不代表人一定會盲目相信AI，至少說明一件事：
我們怎麼理解AI的能力，會實際影響我們採不採納它的答案。

這也是為什麼技術會議現在多了一個以前很少有的工作：
先判斷客戶手上的答案是「查證過的事實」「合理推測」，還是「AI在缺乏環境資訊下給出的通用答案」。

AI開的資安建議，是電商跟政府網站的規格

另一種常見情況，是客戶把AI當成資安顧問來問

一個小型的B2B官網，主要功能就是產品型錄、技術文件下載跟聯絡表單，沒有會員、沒有金流，日常流量也不高。
網站曾經遭遇一次入侵，前台恢復正常之後，客戶自己上網問AI「網站被攻擊後應該做哪些資安強化」。
AI很認真地整理出一份清單：
WAF、入侵偵測系統、資安事件應變小組、定期滲透測試、異地備援機房、資安治理政策文件、沙盒環境建置、稽核日誌長期保存與分析平台。

這份清單本身沒有講錯什麼，問題是它是電商網站、金融機構或政府機關在用的規格，不是一個產品型錄網站真正需要的規劃。。
如果照單全收，把清單上的項目一項一項做完，總預算會超過客戶原本網站維護費用的百倍，而網站的實際用途就是讓客戶下載型錄、留資料完全沒有變。

對已經發生過入侵的網站，第一步不是立刻加購更多資安設備，。
是先確認入侵來源、惡意檔案是否清除、管理帳號與API金鑰是否需要輪替，以及目前的備份是否乾淨。
確認事件已經處理完，再依網站規模做基本強化：
把CMS核心與擴充套件更新到官方仍在維護的版本、清除預設帳號與弱密碼、後台登入增加IP限制或雙重驗證、確認備份有異地保存且能還原，
再移除長期沒使用的擴充套件與外掛。
這些措施不能保證網站不會再被攻擊，但可以先降低常見的攻擊面。

拿到這份清單，我們判斷的順序很單純：
先看網站的暴露面有多大，再回頭核對清單上的項目有沒有對應到實際風險，
而不是照AI列出的項目數量去報價。
實務上通常先確認四件事：

• 網站有沒有會員、金流或敏感個資
• CMS與擴充套件是否仍在官方安全維護期內
• 後台是否直接暴露在公開網路上
• 備份是否真的能還原，而不是只有「有排程備份」這件事

拿到一份AI開出來的資安規格時，我們做的第一件事不是照單報價，是先把清單拆成兩堆：
這個網站現在真的需要的，跟這個網站現在用不到、但AI因為沒有站台規模這個資訊而一併列出來的。
把這兩堆分開跟客戶說清楚，客戶才能決定要不要為了用不到的規格多花那筆錢。

真實案例：一組外洩的內部憑證，怎麼變成一場資安風暴

2026年8月，台灣雲端部署平台Zeabur發生一起資安事件，剛好可以拿來對照上面這件事。
這家平台服務超過十萬名開發者，讓使用者能快速把專案部署上線。

根據Zeabur官方事後說明與iThome的報導，
公司在8月27日偵測到一組內部服務憑證遭未經授權存取，這組憑證原本的用途是讀取專案的環境變數紀錄。
使用者存放在Zeabur上的環境變數，只要符合AWS、GitHub、Anthropic、OpenRouter、OpenAI或Stripe的憑證格式，就可能一併外露。
多位使用者事後回報，自己串接的OpenAI、Anthropic等AI服務帳單出現異常暴增，顯示外洩的金鑰已經被拿去盜用。

Zeabur表示沒有發現帳號密碼、個資、伺服器資料或信用卡資訊遭異常存取的跡象，創辦人也公開在社群平台說明事故進度並提供金鑰輪替指引。
幾天後，有人在暗網論壇聲稱握有Zeabur多達612GB的內部資料，包含原始碼與多項雲端管理權限，Zeabur回應目前沒有找到駭客取得完整資料集的證據。

這起事件真正值得工程團隊留意的地方，
不是清單上少了哪一項資安工具，是一組原本只該用來讀環境變數的內部憑證，權限範圍設計得夠不夠窄。
真正該優先檢查的，通常是內部服務之間的憑證有沒有依用途分層、是否定期輪替、會不會共用同一組高權限帳號，而不是先去採購更多資安設備。

提案已經幫客戶想清楚，AI才做得快

實務上也會遇到一種情況：
我們花了好幾天替客戶整理完整的網站規劃，包括功能拆解、頁面架構、資料流程、要用什麼技術做，
結果客戶把這份規劃直接貼進AI，請它照著做出一個網站。

站在客戶的角度會覺得「你都告訴我怎麼做了，那我叫AI做就好」，但這裡忽略了一件事：
AI能做得快，是因為最難的那一段，把模糊的想法拆解成清楚的功能跟流程，已經有人先做完了。
這就像拿到一份畫好尺寸、管線、材料的施工圖，再去問另一組工班「照這張圖蓋是不是比較快」，當然快，因為前面最花時間的思考已經結束了。

這也是我們現在會把「需求分析、系統規劃」獨立報價的原因。
真正值錢的東西，常常在第一行程式碼出現以前就已經完成。

AI規格書愈厚，不代表需求愈清楚

以前最怕客戶只說一句「我要一個像某某App的東西」，規格幾乎等於零。
現在反而出現另一種狀況：
客戶問AI「一個完整的預約系統應該有哪些功能」，AI很容易列出二、三十項，
會員分級、CRM整合、簡訊通知、點數系統、數據儀表板、多語系……原本可能十幾萬能解決的需求，規格一路膨脹成三、四十萬的規模。

文件變厚不代表需求變清楚。
真正要確認的問題還是那幾個：
這個功能給誰用、要解決什麼問題、資料從哪裡來、成功之後要得到什麼結果。
這幾題答不出來，五十頁的AI規格書跟五頁手寫的需求單，風險其實差不多。
這也不是只有我們碰到的狀況，需求顧問公司 ArgonDigital 分享他們用 AI 協助撰寫需求文件的做法時，
仍然把人工驗證、反覆審查跟讓利害關係人提早確認列為必要步驟，AI能把會議記錄整理成結構化的需求，但能不能真的拿去開發，還是要靠人確認。

我們現在收到 AI 規格，會先做這五件事

1. 找出需求來源：
   哪些是客戶原始需求，哪些是AI自己補出來的功能


2. 確認使用情境：
   功能由誰使用、什麼時候用、目前流程怎麼做


3. 拆掉技術假設：
   AI 指定了React、Supabase或某個外掛，不代表那就是最適合的做法


4. 標示待確認項目：
   第三方API費用、平台權限、授權費用先不算進承諾範圍


5. 確認後才報價：
   只有雙方確認過的需求，才進入正式開發範圍

客戶提供的如果是AI產生的大型規格，而不是已經確認過的需求，我們現在傾向先做一次需求盤點或技術可行性評估，再進正式報價。
這是要避免雙方拿著不同版本的「需求」在談同一個價格。

金流串接：程式碼寫得出來，例外處理是另一回事

金流是另一個很容易低估的地方。
AI可以很快生出付款按鈕、API請求、Webhook接收、付款成功頁，看起來已經完成大半。
真正上線後要處理的問題才開始出現：

• 顧客付款成功，網站卻沒收到通知，訂單要怎麼補建
• Webhook被重複觸發兩次，會不會產生兩筆訂單
• 付款成功的瞬間網站剛好斷線，狀態要怎麼校正
• 測試環境跟正式環境的金鑰有沒有混用
• 退款、部分退款的流程，跟庫存扣減要不要連動

這些例外狀況不會因為串接程式碼是AI寫的就自動消失，反而更需要有人逐條檢查邏輯是否正確，這部分的工時通常比寫程式本身更長。

AI工具到底能替工程師省多少時間，目前沒有一個適用所有專案的答案。
METR在2025年找了16位對自己開源專案很熟悉的資深開發者，完成246項真實任務。
開發者事前預估用AI能讓完成時間縮短24%，任務做完之後他們仍然覺得自己快了20%，但實際測量結果反而多花了19%的時間。

不過這個數字也不能直接套用到今天。
METR在2026年公布後續研究時指出，新一代AI工具已經出現提升開發效率的訊號，
只是因為愈來愈多工程師不願意在工作中停用AI，願意加入實驗控制組的人愈來愈少，新一批實驗產生明顯的樣本篩選偏差，目前還很難給出一個可靠的「AI到底讓工程師快幾%」的答案。
可以確定的是：程式碼產生的速度、工程師完成任務的速度，跟一套商業系統正式完成上線的時間，是三個不同的指標，不能直接互相換算。

AI很適合做原型，原型不等於正式系統

如果只是想先驗證一個想法，AI其實非常好用。
以前做一個可以看的原型可能要花一兩個星期，現在幾個小時就能看到雛形，
先確認流程合不合理、有沒有人會用，這是AI真正強的地方。

但原型測試的是「使用者照著正常步驟操作」，正式系統每天要面對的是完全不同的世界：
有人連點三次付款按鈕，有人網路斷線後重新整理，有人同時開好幾個分頁下單，
第三方API忽然改了回傳格式，還有各種輸入了奇怪字元的表單。
這些「不正常的操作」才是正式系統真正燒錢的地方，而這一段工作，原型階段幾乎不會碰到。

網站報價，收的其實是風險跟責任

所以現在跟客戶談報價，愈來愈不適合用「人/天」來解釋。
比較合理的方式，是把專案拆開來看：
需求規劃多少、UI設計多少、前後端多少、資料庫多少、API串接多少、測試多少、上線多少、之後的保固跟維護多少。

例如客戶一句「我要同步發布到Facebook、LinkedIn跟兩個網站」，從使用者角度看只是一個按鈕，
實際拆開卻牽涉四套API、四組帳號授權、Token更新、失敗重試、內容格式轉換、排程跟Log紀錄，
其中任何一個平台如果沒開放需要的權限，還可能要另外走一次平台審核。
報價真正要算的，是背後有幾套外部系統要串接，以及失敗時要不要保證資料一致。

拆開來看，客戶會發現真正付的錢，買的是一個能上線、能收錢、出問題有人負責的結果。
工程師真正把程式碼打出來，只是整個交付流程中的其中一段。
半夜網站掛掉，AI不會跟公司簽SLA；
訂單少一筆，AI不會幫忙對帳；
資料庫壞掉，也沒辦法回頭跟ChatGPT求償。
這些責任才是正式商業系統真正昂貴的部分。

老闆自己用AI刻網站，真的有比較省嗎？

還有一筆常被忽略的成本：老闆自己的時間。
假設一位負責人為了省維護費，自己研究主機設定、外掛、DNS、GA4，
花了六個小時解決一個原本工程師半小時能處理的問題，
帳面上看似省下幾千元，但如果這六個小時原本能用在替公司創造更高價值的事情上，這筆帳其實不划算。
工具免費，不代表時間免費。

AI讓「自己先做一版」變得容易許多，這是好事，對簡單的需求來說也確實該讓客戶自己動手。
但只要系統要正式營運、收客戶的錢、跟其他系統串接、要撐好幾年，
客戶買的就是前面的判斷跟後面願意扛的責任，幾千行程式碼只是其中看得到的一部分。

AI做網站與網站報價常見問題

AI會寫程式之後，網站建置費應該變便宜嗎？

簡單形象網站與原型的製作成本確實正在下降，
但會員、金流、API串接、資料庫、權限、測試、資安與正式上線等工作，
不會因為AI能快速產生程式碼就等比例減少。
網站價格是否下降，還是要看實際功能與責任範圍。

用ChatGPT或Claude可以自己做公司網站嗎？

如果只是簡單的形象網站，現在確實比以前容易很多。
但如果網站涉及會員、付款、訂單、客戶資料、第三方API或長期營運，
就還需要處理主機、資安、備份、測試、權限與後續維護。

為什麼AI已經寫好程式，軟體公司還要收開發費？

因為正式開發不只是產生程式碼，
還包含需求確認、架構設計、資料流程、例外處理、測試、第三方服務串接、正式上線與後續責任。
AI可以縮短其中部分工作，不等於整個專案成本會按相同比例下降。

AI最適合用在網站開發的哪個階段？

目前很適合用來製作原型、產生初版程式、整理需求、協助測試與處理重複性工作。
需求不明、跨系統整合、正式資料處理與需要承擔營運責任的部分，仍需要人工確認。