企业“AI转型”怎仍慢吞吞？“3痛点”成障碍像清朝打甲午战争
企业认同 AI 的重要性、高喊导入 AI，但根据《2025 台湾产业 AI 化大调查》指出，虽然过去 3 至 4 年间企业投入了大量资源于教育与推广，真正应用 AI 的企业比例却始终维持约 3 成，与前 2 年的数据相去不远，显示整体企业在落地 AI 覆盖率仍然不足。
AI 模型快速迭代，能力再再惊艳世人，照理来说应该让使用 AI 的门槛更低、完成更多任务，但为甚么现实却如此骨感？究竟企业在导入 AI 哪里卡关了？
发现 1：高层为了 AI 而 AI，忽略战略规划
根据调查，纵使台湾企业对 AI 的认知已明显提升，在实际应用上却几乎原地踏步。问题要从企业高层谈起，人工智慧科技基金会行政总裁温怡玲指出，导入 AI 的正确逻辑依序应是：
1. 定义企业面临的问题。
2. 思考这些问题如何转化成 AI 能够解决的任务。
3. 需要甚么数据、训练 AI 做甚么。
4. 如何得到所需数据、现有资源与数据盘点。
而现实是，企业高层急于看到 AI 的立竿见影效果，却忽视 AI 转型是一个需要长期投入和文化重塑的过程。
台湾中央大学资讯工程系教授蔡宗翰指出，企业主往往是“先买设备再说”：先购入 AI 设备、送员工上课，却缺乏明确的应用场景，并没有带着问题意识，想着工作流可以如何提升，蔡宗翰表示“应该是从 domain（专业知识领域）加上 AI，而不是 AI 加上 domain。”
蔡宗翰以甲午战争为例，清朝虽然拥有最新的德国步枪，但每个士兵只配备 30 发子弹，打一天就用尽，缺乏整体后勤规划。今日企业同样如此，有了 AI 工具，却缺乏整体营运策略和流程整合，导致成效不彰。
近 3 年台湾整体平均分数变化相差无几，原因在于 AI 导入的程度，往往取决于数位转型的成熟度，目前多数企业仍在这部分卡关。
相关文章：生成式AI席卷职场！这“15种技能”越见重要 及早掌握保持竞争力
发现 2：AI 人才定义不清，跨部门沟通有鸿沟
《2025 台湾产业 AI 化大调查》的另一项观察是，企业对于人才面向的自评分数微幅下降。主要问题在于人才定义模糊与定位不明，导致企业在培训时也无所适从。好比今年经济部长郭智辉宣布，4 年内台湾要培养 20 万名 AI 人才，却未必对人才应具备的能力与发挥的价值具备明确认知。
调查显示，企业最需要的是能够“找出适合用 AI 解决的问题”和“评估合适 AI 工具”的人才，但现有的培训课程却很少涵盖这些关键能力。
技术与领域知识的脱节更使人才问题雪上加霜。蔡宗翰形容，他在 AI 专案中大部分时间都在扮演“翻译官”的角色，在需求单位与工程师之间来回转译，因为双方使用的语言与思维模式截然不同。技术人才往往过于专注技术，对外部业务变化缺乏意识；而业务部门对 AI 可能性的认知有限，无法提出合理的技术需求。这种沟通鸿沟大大降低了 AI 专案的成功率。
与此同时，企业内部对 AI 团队普遍存在防备心理。新成立的 AI 部门往往被视为“麻烦制造者”，他们索取资料、挑战既有流程、提出业务部门难以理解的建议。如果企业没有在战略上就和员工说“为甚么要做这件事”、“为甚么重要”，就容易打击 AI 人才的工作热情。
资通讯（ICT）产业的 AI 指数略微下降，原因可能是调查以自评为主，企业在初期投入 AI 时，会较为乐观，但实际导入后会发现困难点，因此自评分数下降。但总体而言，制造业、政府机关、服务业在过去 3 年的 AI 化指数有较多增长。
企业的 AI 发展阶段可分为四阶段进化，要到“Ready AI”才算到应用范畴，但目前有 7 成企业都还在未知（unknowing）、认知（conscious）阶段。
相关文章：AI时代下“7大铁饭碗行业”够稳阵！需求高、人工好不怕被淘汰
发现 3：资源投入错误，最好的芯片、模型不等于成功应用 AI
尽管调查显示，技术面的自评分数成长最多，但这主要反映企业在硬体设备上的投入，而非应用能力的提升。许多企业无法识别哪些业务问题适合用 AI 解决，而是盲目追随市场趋势或竞争对手的做法、购置大型算力资源（如辉达 H100 芯片），未考虑实际需求与成本效益，导致资源错置。
技术与业务需求脱节也是普遍现象。企业往往被各类新模型的发布牵着走，像是“这个月出现 Gemini、下个月出了 ChatGPT 新版，然后（企业）就开始尝试不同的模型”，导致应用方向飘忽不定，难以形成深入的业务价值。
此外，AI 应用的成功高度仰赖高品质的数据，许多企业会卡住的节点终究是“数据治理”这种基础建设。即使企业有再好的硬体加持，如果内部数据呈现散乱、不完整的状态，还是得回过头来还技术债。
【延伸阅读，更多未来职场发展趋势】
哪些职业20年后或将式微消失？ 银行员、飞机师首当其冲有原因
AI时代下“7大铁饭碗行业”够稳阵！需求高、人工好不怕被淘汰
【本文获“经理人”授权转载。】