專案做到一半，毛利已經守不住？顧問公司需要的不是月底才看的損益表

能把完工成本、預測毛利和變更責任連在一起。

專題編輯：Renee Kuo｜數據分析與成長編輯

本文為文件研究與流程教學。情境、數字和工作表資料均為模擬，參考答案經本地規則或數值核對。未使用真實客戶資料，也未在企業系統或特定 AI 產品帳號實測。

固定價格顧問專案常在執行中因工時增加、需求變更與外包費用侵蝕毛利。以剩餘工時預測完工成本、明確區分已簽變更與未簽追加，能讓主管在專案過半前採取措施。

假設顧問公司簽下一個 NT$1,000,000 的固定價專案，開案時預估毛利 35%。做到第二個月，客戶多要了兩輪修改，團隊每週加班，外包支援也開始增加。可是管理會議上的進度還顯示「完成 60%」。進度快不代表利潤健康；真正要看的，是現在預測完成這個案子，還需要花多少成本。

進度表之外，要有成本的第二條軸

專案最少需要四組數字：合約收入、已發生成本、剩餘工作預估成本、已核准變更收入與成本。已發生工時由時數及對應成本率計算，外包以實際成本與已承諾未請款金額計入。未簽的追加需求不應先算收入，反而要記錄可能造成的未來成本。這樣才能同時看到已花多少與還可能花多少。

用 EAC 看完工成本，而非只看已用預算

EAC（Estimate at Completion）可用「已發生成本＋剩餘工作預估成本」做起點，必要時再納入已承諾但尚未入帳的成本，避免重複計算。預測毛利率＝（預測收入－EAC）÷預測收入。若只把實際支出除以專案進度，前提是工作量與成本均勻分布，但顧問專案往往在驗收、返工或上線階段產生集中工時，不能無條件套用。

一筆示例：毛利從 35% 下修到 18%

以下均為假設數字。合約收入 NT$1,000,000；原預估成本 NT$650,000，毛利率為 35%。期中盤點時，已發生成本 NT$480,000、完成剩餘工作估計還需 NT$340,000，EAC 為 NT$820,000，預測毛利率為 18%。若主管仍以「已完成 60%」報告，就可能漏掉預估毛利減少 NT$170,000 的訊號。正確下一步是確認未授權追加需求、重估範圍與人力，而不是把 AI 預警當作應裁員的證據。

警報要指向可採取的決策

可採用三種事件：SCOPE_CHANGE（未核准需求增加）、HOURS_OVERRUN（特定角色工時偏離基準）、VENDOR_COST（外包預估成本增加）。每一項警報顯示觸發資料、計算公式、負責人與下一步。主管可以選擇協商變更單、調整交付順序、重新排資源或說明專案風險，但不能只看紅色毛利燈號就要求團隊把工時不實回填。

AI 介入最好的位置是幫主管發問

AI 可從經授權的週報、工時、採購與需求紀錄中提示「本週新增 5 項尚未定價需求」「測試工時比上週增加」等待核查線索。真正的數字要由專案系統與確定性公式計算；客戶文件、報價與工時資料涉及商業機密，須控制資料存取、模型留存政策與操作者權限。對未記工時的人力負荷，AI 也不能憑空估出真實成本。

每週 20 分鐘的毛利例會

先看本週變更、EAC 及預測毛利趨勢，再逐一檢查尚未計價的客戶要求、重工及交付風險。每個影響毛利的判斷要有 owner、截止日與證據。比較導入前後的「預估與完工成本偏差」「毛利預警提前天數」及「追加需求完成商務確認比例」，而不是只比較 AI 摘要產生速度。

主管先統一兩個預算：原預算與完工估計

原預算（Baseline）用來回答「當初預期要花多少」；完工估計 EAC 回答「現在看來最後會花多少」。二者不能互相覆寫。如果原預估專案成本 NT$650,000，現在 EAC 為 NT$820,000，成本超支預測為 NT$170,000。進度 60% 僅表示已完成工作比例的某個估計，並不表示只剩下 40% 成本。若工作內容改變，EAC 應同步更新，而不是硬把原預算修成新預算以消除紅燈。

看得見的工時成本，比猜測 AI 的預測更有用

每一個工作項目至少記 work_package、role、estimated_remaining_hours、internal_cost_rate、outside_cost、approved_scope。若一位顧問還需要 30 小時、每小時內部成本假設為 NT$1,200，預估剩餘直接工時成本為 NT$36,000；這只是成本模型示例，實際應依公司的人力成本口徑與分攤方法設定。若工時沒有完整填報，主管應先辨識資料缺口，不能讓 AI 補出看似精確的假數字。

三種處置順序，避免預警變成事後責備

先核實資料：是工時尚未登錄、外包請款未更新，還是工作確實增加？再辨識可控原因：需求尚未簽變更、交付範圍需要重新排序，還是內部返工？最後與客戶或內部負責人作成可追溯決定，寫明下一版的 EAC 與責任。管理者若只追問「誰把毛利做掉了」，往往會使團隊傾向少填工時，反而破壞預測品質。

如何檢查 AI 警報真的有用

抽 10 個已結束專案回溯每週的預估完工成本，檢查警報有沒有在真正超支前出現、哪些提醒是誤報、主管是否來得及採取有效行動。若資料只有總工時，缺少工作包及變更紀錄，就先做資料治理，不用宣稱 AI 能預測真實毛利。可追溯的趨勢線與早期異常原因，通常比單一紅色風險分數更能支持決策。

企業導入的下一步

適合將工時、報價、專案管理與成本資料整合成毛利監控看板，先驗證 EAC 口徑，再設計 AI 異常提醒。

下載工作表與核對範例

EAC 82 萬元，預測毛利率 18%，與原估 35% 相差 17 個百分點；合約收入相同時毛利少 17 萬元。

下載模擬工作表與核對答案（ZIP）

參考資料

• NIST AI RMF Core

實際工程、旅客通知、合約或財會處理依適用規範、契約和具權責人員核定。