78% 的企業已經在用 AI。80% 說沒有看到效益。
你沒有看錯，這兩個數字同時成立。這是 Harvard Data Science Review 在 2026 年發布的研究結果。
看到這個數字的當下，我想到的不是「AI 沒用」，而是「這些企業做錯了什麼」。因為我過去三年接觸超過 400 家企業，培訓過幾千名職場工作者，幾乎每一個「AI 沒效益」的案例，背後都有一個共同的問題：他們買了工具，但沒有準備好環境。
蒸汽機的教訓，沒有人記得
Johns Hopkins 的 Harang Ju 教授在研究裡用了一個比喻，我覺得說得非常準。
19 世紀工廠從蒸汽引擎換成電力，那是一個技術革命。但你知道從電力普及到工廠生產力真正提升，中間隔了多久嗎？
三十年。
不是因為電力不好。是因為工廠還在用蒸汽引擎時代的空間配置、分工方式、管理邏輯，把電力設備裝進去，但流程沒有跟著改。等到整整一代工程師和管理者「長大」以後，真正用電力思維重新設計工廠，才看到那個時代應有的生產力飛躍。
AI 現在就在這個位置。
你在 ChatGPT 的對話框裡問問題，那是電力時代的工廠主管在用電力的名義燒煤炭。工具換了，但思維沒換，結果當然不會變。
四個缺口，哪一個才是你公司的問題？
Harang Ju 教授把「AI 就緒度」拆成四個面向，我在台灣的培訓現場也一直用這個框架幫企業做自我診斷。
第一個缺口：資料
你有沒有讓 AI 可以「吃到」的資料？
很多企業的知識都在人的腦袋裡、在 LINE 群組的聊天記錄裡、在老員工的工作習慣裡。這些 AI 碰不到，當然不知道你的公司在做什麼、客戶在乎什麼。
我在某家金融服務公司做培訓的時候，有個業務主管問我：「老師，我用 ChatGPT 幫我寫客戶提案，但它寫的東西都不像我們公司的風格，客戶一眼看出來是 AI 寫的。」
原因很簡單。他沒有餵給 AI 公司過去成功的提案範本、客戶溝通記錄、產品的差異化描述。AI 是在用它的通用知識回答他，而不是用他公司的知識。
第二個缺口：工具
工具選了嗎？還是每個部門各用各的？
這是台灣中小企業最常見的狀況。業務部用 ChatGPT，行銷部用 Gemini，RD 在評估 Claude，HR 說先觀望。每個人都在「試用」，沒有一個人在「導入」。
真正有效益的 AI 導入，是選定 1-2 個核心工具，讓整個流程跑起來，而不是讓每個人各自為政。
第三個缺口：角色
這個是我覺得這份哈佛研究最有價值的部分。
Harang Ju 教授點出了兩個新角色，是 AI 時代每個組織都需要的：
Owner（擁有者）：這個人負責決定 AI 在流程裡的位置，管理 AI 工具的導入和更新，確保 AI 的產出跟組織目標一致。
Verifier（驗證者）：這個人負責確認 AI 的產出是否正確、是否合乎公司標準、是否需要人工調整。
你注意到了嗎？這兩個角色都不是「會用 AI」這麼簡單。Owner 需要對業務有理解，Verifier 需要對品質有判斷力。AI 本身不管對錯，它只負責輸出——管對錯的，是這兩個人。
我在培訓時常說：你是機長，AI 是機組人員。機長不需要自己做每一件事，但機長需要知道什麼時候要介入、什麼時候可以放手，以及出了問題誰負責。
第四個缺口：安全
資料放進 AI 之前，有沒有想過哪些東西不能放？
這不是在嚇你，這是一個很現實的問題。客戶資料、財務數據、薪資結構、未公開的產品規劃——這些東西一旦放進公共的 AI 模型，後果很難預測。
很多企業主跟我說「我知道要注意資安」，但培訓結束之後，員工還是在用個人的 ChatGPT 帳號處理公司業務。因為公司沒有提供替代方案，員工只能用方便的那個。
解方不是「不准用 AI」，是「建立清楚的資料分類規則，哪些可以進 AI，哪些不行」。
研究數據讓你看到可能性有多大
MIT 有個基因分析的案例，我覺得很值得講。
以前跑完一個完整的基因分析需要幾個月。導入 AI 之後，同樣的分析縮短到 20 分鐘。
Stanford 的研究也有一個穿戴式裝置的數據分析案例：從三週縮短到 35 分鐘。
這些不是特例，也不是科幻小說。這是在制度完整、流程配套、人員就緒的狀況下，AI 可以做到的事。
問題不是 AI 做不到，是你的組織有沒有準備好讓它發揮。
企業 AI 診斷：現在就能做的四個問題
我幫超過 400 家企業做 AI 培訓，每次開場前都會問這四個問題。你現在可以先自己回答：
問題一：你的公司有沒有一份「AI 使用政策」？哪些資料可以進 AI，哪些不行？
問題二：你的團隊有沒有統一使用的 AI 工具？還是每個人各用各的？
問題三：誰負責確認 AI 產出的品質？有明確的人，還是大家都覺得不關自己的事？
問題四：你的工作流程有沒有為 AI 設計入口？還是 AI 是被插進去的額外步驟？
如果這四個問題裡有兩個以上你答不出來，或者答案是「沒有」，那你的 AI 投資現在大概就在那 80% 沒效益的那一堆裡。
這不是在批評誰，這是現實。大多數企業根本不是 AI 的問題，是還沒準備好讓 AI 進來工作的問題。
從「在用 AI」到「用 AI 有效」，差的是什麼
有個學員上完課之後回去，一個月後傳訊息給我說：「老師，我現在每天用 AI 整理會議記錄，從以前要半天變成 15 分鐘，但我老闆說我寫的東西比以前更精準了。」
我問他做了什麼改變。他說：「我把公司的標準格式和過去三年的會議記錄範本放進去，告訴 AI 我們的決策習慣是什麼。」
這就是差距所在。
同樣是用 AI，一個人是把問題丟進去等答案，另一個人是把脈絡、標準、目標都給 AI，然後要求特定的輸出格式。
提示詞就是交辦單，交代得越清楚，結果越好。這不是什麼高深的道理，但能做到的人，在企業裡是真正稀缺的資源。
現在就打開你正在用的 AI 工具，找一個你上週做的任務，把你的背景資訊、標準格式、預期結果一次給 AI，看看跟之前的輸出有什麼差別。
📬 訂閱阿峰老師的 AI 實戰電子報
每週精選 AI 工具技巧、產業趨勢、實戰案例，直送你的信箱。
追蹤阿峰老師
🧑🏫 黃敬峰（AI峰哥 / 阿峰老師） 企業 AI 實戰培訓專家，服務超過 400 家企業 幫你的團隊從「聽過 AI」變成「每天用 AI」
- 📝 部落格：blog.autolab.cloud
- 🎬 YouTube：AI峰哥頻道
- 📘 Facebook：facebook.com/nikeshoxmiles
- 📩 訂閱電子報：blog.autolab.cloud/subscribe
- 🏢 企業培訓洽詢：www.autolab.cloud ｜ 0976-715-102