圖解｜麥肯錫：8成企業投資AI仍止於炫技！如何避免陷入AI轉型地雷？4步戰略全解讀

生成式AI引爆市場投資熱潮。企業在投入大量資金後卻發現，打造炫技的AI產品並不難，難的是真正創造出可衡量的業務價值。

麥肯錫研究顯示，80％的公司表示使用了新一代AI，但其中也有80％沒有看到收入或利潤的顯著提升。協助處理一般事務的AI工具雖能提升員工生產力，然而所省下來的零星時間並未能為企業帶來明顯財務效益。而針對特定職能設計的高價值縱向應用，大部分都卡在試點實驗階段，也就是所謂的 「生成式AI價值悖論 」（Gen AI paradox）。

此外，大多數企業目前仍無法將AI轉化為商業價值。過去2年，麥肯錫與全球150多家企業合作生成式AI專案，其中包含十多家大中華區企業。我們發現，大中華區企業部署生成式AI時存在4大痛點：

一、AI價值與轉型目標不清晰

很多企業無法清楚判斷生成式AI，究竟在哪個領域和能夠釋放最大價值，是降低成本、提升效率還是推動業務成長。

有些企業從個別使用案例（use case）進行小規模試點，缺乏從整體業務策略出發的系統性布局，導致AI投資分散、重複開發，難以聚焦在高潛力、可擴展的場景上。

二、缺乏關鍵人才與協作機制

AI帶來的流程改革需要重新設計業務流程和職責，但業務團隊與技術或數位化團隊往往各有盲點。

在許多華人企業中，技術團隊的話語權相對薄弱，加上資料工程師、AI營運專家和模型治理專家等關鍵人才供不應求，讓企業難以快速組建具備實戰能力的團隊。

三、缺乏使用動機與執行力

即使管層普遍重視AI，許多企業的AI策略卻欠缺清晰的責任歸屬與推進機制，執行步伐緩慢，整體投入不足。而在業務前線，團隊通常沒有全面了解如何有效使用AI工具或缺乏使用動機。

四、技術與資料基礎分散

技術落地有2大難題。一是缺乏明確的資料策略，常因過度理想化而打造龐大的中央資料平台，結果專案陷入遲滯；二是生成式AI試點方案各自為政，採用不同的工具與基礎建設，缺乏統一協調的技術架構，造成技術無法複用、安全措施難以標準化、跟上模型快速更新的需求，最終阻礙整體組織的規模化推廣。

搞懂核心業務藍圖，AI轉型關鍵4步

麥肯錫從全球數百家企業的數位化轉型經驗，提煉出一套完整的企業數位化轉型策略框架，涵蓋業務價值、交付能力和變革管理3大面向和6大核心要素。

這套框架對於企業規模化導入生成式AI具有很強的指導性。因為無論是數位轉型或生成式AI轉型，核心挑戰都一樣：只有全方位重塑企業的運作方式，才能真正釋放技術帶來的業務價值。這套框架也對應前述大中華區企業常見的4大痛點。

一、制定價值導向的轉型路線圖

企業應聚焦最關鍵的業務領域，不論是既有核心業務還是新業務發展，都需從頭到尾（end-to-end）盤點績效流程。

訂定這些優先重點後，就能由上而下設定價值導向的目標，並整合AI與數位能力重新設計關鍵流程。接著根據AI 應用的潛在效益與可行性排定優先順序，有效分配資源、分階段制定務實的轉型路線圖。

二、培養人才和靈活交付模式

技術與業務的密切協作，是充分發揮AI潛力的關鍵。業務主管須加強對AI的理解，擴大視野來看待 AI 如何創造價值；技術或數位團隊則應更深入理解業務的需求，才能有效轉換成技術解決方案。

雖然招募新人是解決缺口的直接方法，但短期內不易找到兼具技術背景或組織理解力的人才。 較務實的做法是，先調動組織內具備潛力的團隊承擔關鍵角色，再以系統性訓練加速完備整體能力 。

三、做好變革管理和推動技術採用

技術要真正發揮效益，企業須主動將生成式AI融入日常營運。因此積極的變革管理非常重要。

企業需要設計和執行具針對性的溝通、培訓、引導與獎勵機制，來提高員工對AI技術的理解和使用意願。 當員工持續使用AI工具，就能形成「使用者參與、價值回饋與持續磨練應用」的正向迴圈，讓AI解決方案能隨著業務不斷演進 。

四、可擴展的技術架構和統一資料平台

企業需建立具前瞻性又可落地的技術架構，能夠支援未來大語言模型與AI代理人的運用。

更重要的是，架構應該根據未來的發展藍圖，按照不同應用場景分階段推進，避免「一步到位」的高成本投入，確保基礎設施建設與AI應用的推廣節奏一致。 混合式雲端架構能夠讓企業在逐步提升現有技術基礎的同時，保有朝向目標前進的靈活度。

接下來，看看企業如何運用這些方法克服挑戰，成功從AI試點進入到規模化推廣 。

在市場日趨飽和、競爭加劇的背景下，某家製造公司本業營收成長趨緩，加上產業價格競爭，利潤不斷被壓縮。為了突破困局，該公司積極導入AI應用，更重新檢視全公司部門的關鍵流程，包括研發、製造、採購、供應鏈和品管等，最終製作一個跨領域的AI路線圖，期望從頭到尾提升價值。

以製造部門為例，該公司結合了分析式AI、生成式AI和傳統數位工具解決生產瓶頸，建立環環相扣的閉環流程：利用機器視覺與設備感測器收集數據，即時監控生產狀況，精確找出生產損失點。系統一旦監測到關鍵績效指標（KPI）偏離目標，就會立刻向主管發出警報，讓他們能迅速介入處理或上報高層。

團隊還引入數位化工具追蹤流程，確保解決方案的執行，幫助管理者即時掌握現場是否按要求行動，提升問題的責任歸屬，並將最佳化方案逐步鞏固為組織能力。

然而，該公司最大挑戰是落地執行力嚴重不足。技術團隊長期以來僅負責系統維護營運，缺乏推動轉型的經驗，而業務團隊對AI應用理解有限，導致跨部門合作困難重重，轉型推動阻力大。

為破解這項難題，該企業從各部門調用具備高潛力的人才，成立「數位交付工廠」，透過系統性培訓，幫助他們快速建立對業務場景的理解與AI工具的使用能力。

團隊按業務領域劃分為多個敏捷小隊，由業務人員帶領，與技術團隊頻繁協作，參與每日會議、衝刺規畫等，實現快速迭代與回饋，確保AI工具能高效落地。最終，透過系統性推進數位化與AI轉型，該企業取得了斐然的成績，在短短2年內達到利潤翻倍。

組建敏捷小隊，跨部門合體催AI落地

另一家高科技電子企業，具備強大的技術研發能力，導入生成式AI的目的是希望建立一套靈活彈性的技術架構，既能支援AI技術演進，也賦能多種使用案例的大規模部署。為此，企業全面調整核心系統，設計出模組化、鬆耦式（loosely-coupled）的架構，便於未來銜接不同類型的AI服務與模型能力。

在架構層面，該企業構建了能支援AI行動的平台，涵蓋4個關鍵領域：首先，統一整合結構化與非結構化資料，搭建資料湖，並設計了包含資料獲取、標註、切分與治理的完整流程，為AI模型提供高品質訓練與推理輸入。

其次，部署多個大語言模型（LLM）與嵌入模型，搭配模型評估機制，保障模型效果和可解釋性。再透過引入LLM編排框架及開源工具，管理模型調用與配置，提供不同業務場景所需要的多元支援。最後，跨多個業務部門設計統一用戶體驗（UX），提升員工效率與體驗。

為支持上述能力，企業在底層基礎設施方面採用混合雲端部署模式，結合高效能GPU叢集與容器化管理工具，確保平台具備橫向擴展與多模型支援的能力。這個架構的真正價值不在於引入大模型，而是如何將資料、模型、工具與業務邏輯有機整合，形成可複製、可擴展的AI能力底座，以支持反覆運算與拓展使用案例。

生成式AI時代已經到來。除了技術能力的躍進，更顯現企業走向新一輪智慧化轉型的關鍵分水嶺。從流程再造到組織模式重整，從資料與架構建設到心態與文化轉變，企業必須結合策略、技術、人才與治理等多方面的綜合能力，才能真正釋放AI帶來的業務價值。

延伸閱讀：台灣每秒遭駭1.5萬次！企業致命破口曝光：印表機、VPN、攝影機如何淪為駭客待宰肥羊？

責任編輯：蘇柔瑋

更多報導
LINE GO打團體戰！揪團foodpanda、WeMo，打造「食＋行」一站式生活圈
Vibe Coding教學1：用POE捏出多國翻譯App，好玩的免費互動樂器也能變！