如今，幾乎每家公司都在涉足人工智慧領域。從董事會到行銷活動，各公司都自豪地展示最新的生成式人工智慧試點專案和聊天機器人整合方案。企業在生成式人工智慧領域的投資金額已成長至約300億至400億美元，但研究表明，95%的組織表示，這些投入並未帶來任何可衡量的回報。

事實上，麻省理工學院今年夏天發布的一份廣為流傳的報告顯示，只有大約5%的客製化人工智慧計畫最終能夠從試點階段過渡到大規模生產階段。這正是當前人工智慧熱潮的悖論所在：應用廣泛，炒作甚囂塵上，但真正意義上的商業影響卻依然難以捉摸。人工智慧無所不在，唯獨對企業獲利沒有產生任何實際影響。

為什麼會出現這種脫節？並非人工智慧技術突然遇到了瓶頸。事實上，這些模型比以往任何時候都更強大。問題在於企業如何使用人工智慧，而不是人工智慧本身的功能。企業一直將人工智慧視為另一種軟體部署，期望它能即插即用。但人工智慧的行為更像是一種新型勞動力，而非軟體，它需要訓練、情境關聯以及工作流程整合。

GenAI（人工智慧世代）的鴻溝存在於兩類公司之間：一類是安裝人工智慧工具的公司，另一類是建構使用人工智慧工具能力的公司。許多企業處於這種鴻溝的錯誤一方，他們誤以為購買人工智慧工具就等於擁有人工智慧解決方案。

同時，員工往往能從非正式人工智慧專案中獲得比官方認可的人工智慧專案更大的價值。企業部署了大量人工智慧，但只有少數企業真正找到了從中挖掘價值的方法。

公司失敗的原因

簡單地將人工智慧生硬地套用到舊流程是行不通的。然而，大多數公司卻正是這麼做的。他們把人工智慧當作現有工作流程的插件，而這些工作流程原本並非為預測性或自適應工具而設計的。結果是，試辦計畫層出不窮，但大多胎死腹中。事實上，公司平均會進行數十項人工智慧實驗，但鮮有專案能夠超越概念驗證階段。麻省理工學院的研究表明，絕大多數試點計畫都是孤立地執行的，沒有重新思考工作本身應該如何改變。

人工智慧代理在演示中或許能產生準確的輸出，但在現實世界中，一旦遇到特殊情況或過時的流程，它就會失效。企業需要注意的是，如果他們不圍繞人工智慧重新設計工作流程——例如，為了捕捉其錯誤、利用其預測結果並發揮其優勢——人工智慧將始終停留在科學實驗階段，而無法成為真正的生產工具。

另一個問題源自於人工智慧模型的數據和上下文。當人工智慧試點計畫失敗時，高階主管往往將責任歸咎於科技本身。但研究發現，問題遠不止於此：人工智慧工具根本沒有學習能力。它們無法記住上下文，也無法隨著時間的推移而改進。簡而言之，人工智慧雖然智能，但每次互動後都會「失憶」。許多公司都陷入了這種錯覺，他們以為自己擁有一個智慧系統，但實際上他們擁有的只是一個永遠不會改進的無狀態演算法。

企業不斷追求更優的模型或更多的訓練數據，但他們真正需要的是能夠像員工一樣累積上下文資訊的AI。它可以學習公司術語、記住過去的決策，並在每次任務中不斷進步。如果缺乏這種能力，即使是最先進的模型在實踐中也會令人失望。

那些取得卓越成功的企業採取了不同的做法。他們引進了了解流程（而不僅僅是模型）的人才，聘用或外包給流程設計師、工作流程架構師和領域專家，將人工智慧功能轉化為日常營運。

花園上漂浮著氣泡

麻省理工學院的研究發現，試圖完全自主研發的公司成功率要低得多。內部人工智慧專案的成功率只有大約三分之一，而與外部合作夥伴（他們通常會帶來特定領域的解決方案）合作，則能讓成功率翻倍。

許多成功部署案例中另一個顯著的模式是自下而上的方法，這些案例通常從第一線員工開始嘗試使用人工智慧解決實際問題著手。當這些實驗展現出前景時，管理階層才會給予支持並擴大規模。這意味著人工智慧解決的是實際存在的需求，而不是自上而下強制推行的解決方案，而並非為了尋找問題而生搬硬套。

歸根究底，這5%的公司注重的是能力，而不僅僅是技術。他們將專案與真正的業務目標結合，尋求領域專業知識的合作夥伴，並不斷調整自身以適應變化。

人工智慧真正發揮作用的地方

另一個出人意料的發現是，人工智慧真正的投資回報率並非來自那些人人都津津樂道的、面向客戶的光鮮亮麗的項目，而是在後台，在那些企業常常忽略的「枯燥乏味」的工作中。

許多企業都存在嚴重的投資偏見，大量人工智慧預算被分配給行銷和銷售部門，因為這些舉措顯而易見，也更能激發高階主管的熱情。然而諷刺的是，最大的回報卻體現在營運、財務和供應鏈等領域。

事實上，一些最顯著的成本節約來自於後台工作流程的自動化，例如發票處理、合規性監控和報告產生。原因之一是這些工作唾手可得，因為許多後台流程都涉及繁瑣的人工操作，或者外包給業務流程外包（BPO）公司，因此，能夠處理這些任務的人工智慧可以立即帶來成本節約。

那麼，為什麼企業仍然願意在銷售、行銷和客戶聊天機器人等人工智慧領域投入大量資金呢？這歸根結底是可見性而非價值的問題。前台專案的數據指標易於觀察，能吸引眼球，讓董事會成員滿意。而後台的改進往往只有財務長圈才能注意到。

最終，2025年人工智慧的發展歷程與我們所見證的每一次重大技術變革都如出一轍。單靠科技本身並不能帶來任何改變，除非組織也隨之轉型。極具諷刺意味的是，我們明明擁有強大的AI模型，但大多數企業仍然深陷試點階段的泥潭，苦苦思索投資回報率為何如此低。

證據確鑿，這並非技術失敗，而是管理失敗。人工智慧領域的贏家與落後者之間的差距，並非源自於模型品質或監管，而是源自於方法論。只有企業願意改變自身，人工智慧才能真正改變商業格局。這正是悖論的關鍵所在，也是具有前瞻性的領導者必須面對的挑戰。®