2026 下半年，多數企業的行銷自動化預算沒有變多，只是做了預算轉移
Gartner《2026 CMO Spend Survey》在今年一到三月訪查北美、英國與歐洲共 401 位 CMO 與行銷主管，發現整體行銷預算佔營收比例持平在 7.8%（2025 年是 7.7%），幾乎沒有成長。但同一份調查裡，CMO 平均已經把 15.3% 的行銷預算分配給 AI，而 Martech（行銷科技工具）佔預算的比例反而掉到 19.4%，是五年來的新低——2021 年這個數字是 26.6%。
預算沒有變多，但AI 的投入變多了，Martech 的投資變少了，用量計價的合約也開始讓帳單失去可預測性。這篇文章談的就是這次重新分配，具體挪動的方向有三個
Martech 預算創五年新低，不是砍預算，是換位置
企業把錢從 Martech 工具挪去 AI，第一個要問的問題不是「省了多少」，是「省下來的錢真的花在刀口上了嗎」。
Gartner 的調查同時指出一個落差：雖然 CMO 平均分配了 15.3% 的預算給 AI，但只有 30% 認為自己的組織已經具備規模化 AI 能力的成熟度。錢已經挪過去了，但多數企業還沒準備好讓這筆錢真正發揮作用。這跟砍預算完全是兩件事——如果是單純砍預算，數字應該是整體行銷預算下降；但這裡整體預算持平，只是內部結構在挪動。
這個現象背後的邏輯不難理解。過去五年，企業在 Martech 上的投資邏輯是「買齊工具」：CDP、EDM、簡訊平台、社群管理工具，一個個買，一個個接。26.6% 這個 2021 年的高點，反映的正是那個階段——工具越買越多，預算佔比自然墊高。但工具買齊之後，多數企業發現真正卡住的不是「少了哪個工具」，是這些工具之間的資料流不通、決策仍然要人工判斷。這也是為什麼接下來五年，錢會往 AI 應用移動——AI 被期待補上「工具之間的空隙」，而不是再買一個新工具。
問題在於，AI 預算移過去之後，能不能真正發揮作用，取決於一件跟 AI 本身無關的事：資料基礎打得好不好。AI 代理人做決策，靠的是它能讀到的資料；如果顧客資料還是分散在 LINE、官網、POS、CRM 各自一份，AI 能做的判斷，天花板就卡在那裡。這也是 70% 組織「還沒準備好規模化 AI」的真正原因——不是 AI 能力不夠，是餵給它的資料還不夠乾淨、不夠完整。
這件事在實務上常常反過來被誤解。企業看到 AI 預算佔比提高，容易把它當成「這筆錢已經投入 AI 應用」的證據，急著去評估各家 AI 工具的功能差異，卻沒有先問一個更基本的問題：這些 AI 工具接得到的，是哪一份資料？如果接到的是官網一份、LINE 一份、CRM 又一份、彼此對不上同一個人，AI 工具再強，看到的仍然是三份局部的資料，做出來的判斷也只能是局部的判斷。預算分配對了方向，落地時卻卡在同一個老問題上——資料沒有先歸戶，後面的投資都在打折扣。
用量計價的意外帳單，是 2026 下半年才真正浮現的問題
如果說預算重新分配是這一年逐漸發生的事，consumption-based（用量計價）martech 帶來的「意外帳單」，就是下半年才真正被感受到的痛點。
越來越多 AI 驅動的 Martech 工具改用用量計價：不是固定月費，是依 API 呼叫次數、產生的內容量、處理的資料筆數計費。這個模式對供應商有利——用得越多、收得越多；但對採購方而言，代表成本失去了可預測性。上半年簽約時談好的預算，下半年可能因為用量超出預期而追加，而追加的理由往往是「這個功能真的有用，所以團隊用得更兇」——聽起來像好事，帳單上卻是壞消息。
這個問題在 2026 下半年變得更明顯，是因為時間點剛好卡在「AI 應用開始規模化」跟「合約週期到期」的交叉點上：不少企業在上半年小範圍試用 AI 功能時，用量還在可控範圍；下半年把試用範圍擴大到更多團隊、更多情境之後，用量才真正跳起來，帳單也才跟著跳起來。
對台灣品牌的實際意義是兩件事。第一，採購 AI 驅動的 Martech 工具時，用量計價的條款要提前問清楚——不是問「多少錢」，是問「用量超過門檻之後，價格怎麼變化」。第二，內部要有即時的用量監控，不能等到帳單來了才發現超支；這件事本身也是資料基礎的一部分，跟前面談的「AI 決策品質取決於資料完整度」是同一條邏輯——你連自己用了多少都看不清楚，更難談清楚 AI 到底值不值得這筆錢。
用量計價本身不是壞事，對用量不高的品牌反而更划算，問題出在多數企業簽約當下低估了自己未來的用量成長曲線。試用階段的用量，是整個團隊裡最積極的那一小群人在用；等到功能證明有效、範圍擴大到更多部門、更多情境，用量往往是跳躍式成長，不是線性成長。合約談判當下，與其猜一個保守的用量數字，不如直接把「用量超過某個門檻時，雙方重新談一次」寫進條款，比事後被動接受帳單更主動。
從委外整合到內部動手，AI coding agent 能補上哪一段
第三個轉移方向，跟前兩個不太一樣——它還沒有正式調查數字可以引用，但已經是我們跟客戶合作時反覆看到的現象。
過去企業要把兩個系統串起來（例如把 LINE 好友名單同步到 CRM、把 POS 的交易資料匯入分眾系統），多半要外包給工程師或系統整合商，一次性的串接工作，成本不低，時程也常常拖。2026 年下半年開始，我們觀察到一些行銷團隊改用 Claude Code、Codex 這類 AI coding agent，自己動手寫這類串接用的膠水程式碼——不需要正式的工程背景，靠 AI 協助生成腳本、除錯，把原本要外包的一次性整合工作留在團隊內部完成。
這件事跟前面兩個轉移方向合起來看，會拼出一個更完整的故事：Martech 預算沒有變多，AI 預算擠進來但成熟度不夠，用量計價又讓成本失去可預測性——在這樣的環境下，能不能用更輕量的方式做掉一部分原本要外包的整合工作，直接影響這筆重新分配後的預算夠不夠用。
但這裡要老實講清楚一件事：AI coding agent 能做的，是「膠水」層級的工作——一次性的資料搬移、簡單的 API 對接、內部小工具。真正需要規模化、需要考慮資料治理與合規、需要長期維護的顧客資料歸戶與識別工程，AI coding agent 目前還做不到那個深度，也不該用它硬撐那個深度——一次性腳本沒有版本控管、沒有錯誤處理的完整性、更沒有針對隱私法規做過設計，短期堪用，長期會變成技術債。這條線畫在哪裡，決定了團隊接下來要自己動手到什麼程度，又該在哪個節點交給專業的資料平台接手。
判斷這條線最實用的方式，是問一個問題：這段整合工作，如果三個月後負責的人離職了，還有沒有人接得起來？行銷團隊自己寫的一次性腳本，通常只有寫的人自己看得懂，一旦人員異動，那段整合就變成沒人敢動的黑盒子，出了問題也沒人知道從哪裡查起。跨系統的顧客識別、涉及個資的資料交換這類工作，本來就需要文件化、需要交接得起來的架構，這不是 AI coding agent 目前的定位，也不該勉強它做到。輕量、短期、自己人看得懂的整合，留在團隊內部；長期、跨系統、需要合規把關的工程，還是交給專業平台。
現在可以立刻開始的三件事
- 盤點你的 Martech 與 AI 預算比例，跟 15.3% 這個平均值對比。 不是要跟平均值一樣，是先知道自己在哪個位置，才知道要往哪個方向調整。
- 確認手上每一項用量計價的 Martech 合約，超量之後的價格條款是什麼。 沒有即時用量監控的工具，先補上這一塊，不要等帳單來了才發現。
- 列出團隊目前哪些系統整合工作是一次性、輕量的，可以先用 AI coding agent 自己動手試。 同時想清楚哪些整合工作牽涉到長期的資料治理，那些不適合用這個方式處理。
想清楚資料基礎，AI 預算才不會白花
愛酷智能科技協助企業把分散在各渠道的顧客資料整合成單一輪廓，建立分群邏輯，再把溝通策略落實到 LINE 等會員接觸渠道——這正是前面談到「AI 決策品質取決於資料完整度」這件事的具體解法。如果你也在盤點 2026 下半年的行銷自動化預算，想知道錢該先花在哪一段，歡迎與我們聊聊。
常見問題
2026 行銷自動化預算怎麼分配？
根據 Gartner《2026 CMO Spend Survey》，CMO 平均把 15.3% 的行銷預算分配給 AI，Martech 工具佔預算比例降到 19.4%（五年新低），整體行銷預算持平在營收的 7.8%。預算沒有整體變多，是在既有盤子裡從 Martech 挪往 AI。
Martech 預算為什麼下降？
不是企業減少使用行銷科技工具，是預算配置的優先順序改變了——過去投資在「買齊工具」，現在把新增預算優先投入 AI 應用，Martech 工具本身的預算佔比因此被稀釋，從 2021 年的 26.6% 降到現在的 19.4%。
用量計價（consumption-based）的 Martech 是什麼意思？
不是固定月費，是依 API 呼叫次數、產生內容量或處理資料筆數計費的模式。好處是用多少付多少，壞處是成本失去可預測性，容易在用量擴大後收到超出預期的帳單。
行銷團隊可以用 AI coding agent 自己做系統整合嗎？
可以做到一次性、輕量的整合工作，例如簡單的資料搬移或 API 對接。但需要長期維護、牽涉資料治理與合規的顧客資料歸戶工程，目前還是需要專業的資料平台，不建議用一次性腳本硬撐。
