錢花了，價值卻沒實現
麥肯錫調查還給出了另一組數字：儘管近九成的企業都在使用AI，但只有39%的企業表示AI帶來了實質性財務回報，實現了EBIT（Earnings Before Interest and Taxes，稅前息前淨利）的成長。
AI的潛力是真的，但真正藉此創造價值的企業並不算多，這是整個產業正在經歷的問題。其原因在於AI的部署方式和企業價值生產之間還存在巨大的斷層。
麻省理工學院（MIT）NANDA計畫的2025年初步研究報告把這一斷層稱為「學習鴻溝」：企業級模型專案失敗，往往不是因為底層模型不夠聰明，而是因為系統沒有真正連接企業的工作流程、上下文、資料流程和回饋迴路。模型跑起來並不難，但如果無法吸收真實使用中的回饋，累積不了業務操作經驗，就無法隨著業務運作持續改進。
更深層的原因是AI部署的場景錯置。
真正能改善財報表現的場景──跨部門的定價決策、供應鏈優化、核心產品創新，對AI的需求最迫切，但落地門檻最高，牽涉的利益相關方最多，風險最大，需要最高層級的組織授權。相反地，容易部署的AI場景──會議紀錄、文案初稿撰寫、內部問答，推進起來阻力最小，可它們對損益表的影響也可以忽略不計。這就導致絕大多數企業的AI投入都集中在容易部署的地方，而不是真正有價值的地方。
很多企業的AI評估體系，本身就在鼓勵「表面成功」。如果資訊長的KPI還停留在AI代理部署數量和使用率上，這種評估標準上的錯誤會系統性地產出看起來成功、實際上沒有價值的結果。專案做完了，也許報告寫得漂亮，可在下一次財報電話會議上，不會有業績的真實成長。
這一切的背後有三個錯誤，且它們總是同時出現，認清它們才是找到出路的前提。
錯誤一：把AI轉型全權交給資訊長
第一個錯誤，是主導AI轉型的人，從一開始就選錯了。最近幾年我和很多傳統企業的執行長聊AI轉型，其中八成的對話幾乎像套用了同一個劇本。
我問：「AI這件事這麼重要，你們是在認真推進AI轉型嗎？」
對方答：「當然，我已經把這件事交給我們的資訊長，讓他全權負責。」
我說：「這件事，恐怕得由您親自負責。AI轉型不是讓資訊長採購一套軟體回來就行，也不是讓各個部門各自提報需求，再由資訊長居中協調外包，最後部署一堆AI代理就算數。」
對方通常會愣一下。
我接著問：「您給資訊長訂的KPI，是什麼？」
對方想了想：「嗯⋯⋯做出幾個能用的AI代理，先提升使用率。」
我再追問一句：「那ROI（Return on Investment，投資報酬率）呢？」
這時候，對話往往就卡住了。
然後我會講一句很直接的話：「AI轉型，是用AI去優化企業的流程、提升營運效率、促進營收和利潤的成長，是去改善財報表現，您給資訊長定的那個KPI，能達到這個目標嗎？」
這樣說不是在貶低資訊長，而是現行模式本身就存在問題，可以分幾層拆解。
第一層是職能錯配。一個稱職的資訊長，他關注的是系統穩定、資料安全、不出錯。然而，AI轉型是一項要冒風險、改變企業命運的工作。讓一個以求穩為天職的人，去主導重大變革，是職能上的錯配。
第二層是權力越界。真正能改善財報表現的AI場景都需要跨越職能邊界──重構採購流程要動供應鏈，重構客服體系要動產品，重構定價要動財務。然而，資訊長的權限止於IT系統，他難以推動核心業務流程的重構。這些跨職能的場景才是AI轉型的核心戰場。
第三層是技術能力不足。即便資訊長全力以赴，也很難從頭建立新一代的技術架構（我們後面會深入探討），這超出了內部IT團隊的能力範圍。但也不是資訊長失職，而是因為這件事本身就是高難度、創新且跨領域的。
我想強調一下，雖然本書對「把AI轉型全權交給資訊長」這件事批評得很重，但請別誤會，我批評的不是資訊長的職能和能力，而是一種錯誤的責任分配。讓資訊長主導AI轉型，是把一件需要跨越所有部門邊界、執行長才推得動的事，壓在了一個權限止於IT系統的人肩上。
在這場轉型裡，一個懂業務、懂資料，又冷靜可靠的資訊長，是執行長最不可或缺的盟友之一。他的定位應該是和AI長（Chief Artifical Intelligence Officer, CAIO）、業務負責人並肩，為執行長和企業提供技術判斷和系統架構。我主張的是把資訊長從他被推到的錯誤火線上，放回他原本的位置。
錯誤二：採用由下而上的轉型方式
第二個錯誤，採用由下而上的轉型方式。
我遇到的劇本總是一模一樣的：資訊長先把模型架構鋪好，選模型、接API、搭平台，然後向一個個部門詢問需求。市場部要一個寫文案的工具，財務部要一個做報表的助手，客服部要一個自動回覆的機器人，人資部要一個過濾履歷的系統。IT部門像一個內部供應商，開始有針對性地自行研發或者對外採購。計畫書寫得很詳細，「轉型」路線圖也畫得很漂亮，看起來一切都在有條不紊地推進。
這對企業而言是一件有意義的事，它能讓員工「學會用AI」，把整體效率的下限抬高一點點。不過，從各部門的「願望清單」裡拼出來的路線圖最後只會催生一堆零散的工具──有用，但不會帶來根本性的改變。
原因很清楚，真正能改善財報表現的場景不在某一個部門的內部，而在那些跨部門、貫穿核心價值鏈的決策裡，不屬於任何一個部門。市場部不會提出一個需要財務部和供應鏈深度配合的AI專案，因為那不是他們的地盤；風控部不會主動發起一個涉及產品設計的AI優化專案，因為那超出了他們的職權範圍。由下而上的機制，先天就無法觸及最有價值的場景。
這種跨部門的特點也帶來了中階主管的隱性抵抗。中階主管不會公開拒絕一個執行長支持的專案，但他們可能暗中抗拒，如不肯交出真實的流程、不提供乾淨的資料，或在各種業務層面應付了事。
這種現象背後的動機很多，如怕做錯了要承擔責任，索性能拖就拖。有的人心裡很清楚，這套AI系統一旦落地，自己的團隊可能被縮編，對於中階主管來說，團隊規模是自己權力範圍和等級的象徵。部分中階主管也會擔心自己不懂AI，害怕被淘汰或者邊緣化，認為自己的話語權會跟著縮水。在這種氛圍下，哪怕專案已經啟動，也很難做出真正的成果來，因為組織沒有真正形成共識。
麻省理工學院NANDA計畫發表的《生成式AI鴻溝：2025年商業人工智慧現狀報告》（The GenAI Divide: STATE OF AI IN BUSINESS 2025）對這個現象提供了一個量化的注腳：對於AI轉型而言，內部自建的成功部署率約為33%，大約是外部戰略合作路線的一半。這意味著在企業內部推動轉型的困難很大。
這裡有一個很貼切的詞，叫作口袋否決（Pocket Veto）。它描述的是一種隱蔽的否定方式：負責人表面點頭，在會議上同意，散會之後把任務塞進口袋，讓它在日常事務的洪流裡消失。這種否定方式不會留下可以究責的痕跡，因為沒有人明確說過「不」。
由下而上的推進機制是口袋否決的最佳土壤：每一個中階主管都有能力讓一件對自己不利的事情慢慢熄火。口袋否決之所以難以被辨識，是因為它很容易被偽裝成執行難度高所導致的結果。專案卡住了，上報的理由往往是「資料不夠乾淨」、「流程比想像中複雜」、「試點期間資源調度有困難」。雖然這些均是真實存在的挑戰，但其背後更多的是由激勵機制缺失催生的組織惰性。
由下而上的另一個問題是製造一種虛假的推進感。規劃在推進、試點在進行、報告在產出、會議在開，雖然無法改善財報表現，但這種虛假的推進感會消耗大量的時間、資源和管理注意力，而等管理者意識到方向不對時，可能已經錯過了寶貴的時機。
錯誤三：被一大堆SaaS AI代理晃花了眼
幾乎每一家傳統企業都被一大堆SaaS AI代理晃花了眼。
這兩年，市面上幾乎每一家軟體供應商都在向企業推介各種AI代理──無論是專注於客服、人資、CRM還是財務方面的，都有很多花俏的功能。資訊長帶著團隊認真地看他們演示，花時間評估選型，結果是一年下來累積了十幾個互不相通的垂直領域AI代理：會議紀錄自動整理、合約初稿生成、報表自動匯總等工具一應俱全。它們每一個單獨拿出來都還不錯，但沒有任何一個能同時整合財務、供應鏈、銷售和客服資料，且在它們之間穿針引線、為全體判斷提供參考。
忙了整整一年，看上去到處都在用AI，企業層面卻沒什麼改變，因為這些軟體供應商只能遞來一堆智慧碎片。軟體供應商急著向企業推銷AI代理，主要原因是他們自己也面臨著一次商業模式的大洗牌，「賣席位」（Seat-based Pricing）的舊邏輯正讓位給「按成果付費」的新邏輯，每一家軟體供應商都得重新定義自己。
過去幾十年，軟體業靠的是「賣席位」──按人頭、按帳號每月或每年收取訂閱費。然而，AI正在顛覆這套邏輯，推動整個產業轉向「按成果付費」的商業模式。客戶要買的是直接交付的成果。布雷特．泰勒（Bret Taylor）創立的AI新創公司Sierra是在這一轉變中最早的成功案例之一：它的客服AI代理直接按「成功解決一次問題」來收費，靠這套方法，Sierra大約兩年就實現了1億美元的年化營收。
微軟執行長薩帝亞．納德拉（Satya Nadella）對SaaS的判斷是：未來的業務邏輯，會從應用層面上移到AI層面，而底層那些SaaS會逐漸平價化。面對這樣的衝擊，傳統SaaS軟體供應商的應對策略表面上是創新，本質上是防守：給每一款產品都加一個AI代理功能，從而保住訂閱費這一收入來源。
不過，這條路走不遠，因為每一個這樣的AI代理都只能看見自身系統的數據，無法跨越邊界完成跨部門任務。一個只看得見CRM資料的銷售AI代理，無法判斷一張訂單對供應鏈的影響；人資AI代理看不見財務預算情況；客服AI代理看不見產品未來的路線圖。十個碎片疊加在一起，依然是十個碎片。
管理者應該認真審視自己的企業並思考一個問題：在我的業務裡，哪一部分其實只是在「搬運資訊」？真正的預算，要用在能貫通全局的AI系統上。否則，企業的AI投入只是在幫SaaS軟體供應商續命，而不是在幫自己轉型。
麥肯錫調查還給出了另一組數字：儘管近九成的企業都在使用AI，但只有39%的企業表示AI帶來了實質性財務回報，實現了EBIT（Earnings Before Interest and Taxes，稅前息前淨利）的成長。
AI的潛力是真的，但真正藉此創造價值的企業並不算多，這是整個產業正在經歷的問題。其原因在於AI的部署方式和企業價值生產之間還存在巨大的斷層。
麻省理工學院（MIT）NANDA計畫的2025年初步研究報告把這一斷層稱為「學習鴻溝」：企業級模型專案失敗，往往不是因為底層模型不夠聰明，而是因為系統沒有真正連接企業的工作流程、上下文、資料流程和回饋迴路。模型跑起來並不難，但如果無法吸收真實使用中的回饋，累積不了業務操作經驗，就無法隨著業務運作持續改進。
更深層的原因是AI部署的場景錯置。
真正能改善財報表現的場景──跨部門的定價決策、供應鏈優化、核心產品創新，對AI的需求最迫切，但落地門檻最高，牽涉的利益相關方最多，風險最大，需要最高層級的組織授權。相反地，容易部署的AI場景──會議紀錄、文案初稿撰寫、內部問答，推進起來阻力最小，可它們對損益表的影響也可以忽略不計。這就導致絕大多數企業的AI投入都集中在容易部署的地方，而不是真正有價值的地方。
很多企業的AI評估體系，本身就在鼓勵「表面成功」。如果資訊長的KPI還停留在AI代理部署數量和使用率上，這種評估標準上的錯誤會系統性地產出看起來成功、實際上沒有價值的結果。專案做完了，也許報告寫得漂亮，可在下一次財報電話會議上，不會有業績的真實成長。
這一切的背後有三個錯誤，且它們總是同時出現，認清它們才是找到出路的前提。
錯誤一：把AI轉型全權交給資訊長
第一個錯誤，是主導AI轉型的人，從一開始就選錯了。最近幾年我和很多傳統企業的執行長聊AI轉型，其中八成的對話幾乎像套用了同一個劇本。
我問：「AI這件事這麼重要，你們是在認真推進AI轉型嗎？」
對方答：「當然，我已經把這件事交給我們的資訊長，讓他全權負責。」
我說：「這件事，恐怕得由您親自負責。AI轉型不是讓資訊長採購一套軟體回來就行，也不是讓各個部門各自提報需求，再由資訊長居中協調外包，最後部署一堆AI代理就算數。」
對方通常會愣一下。
我接著問：「您給資訊長訂的KPI，是什麼？」
對方想了想：「嗯⋯⋯做出幾個能用的AI代理，先提升使用率。」
我再追問一句：「那ROI（Return on Investment，投資報酬率）呢？」
這時候，對話往往就卡住了。
然後我會講一句很直接的話：「AI轉型，是用AI去優化企業的流程、提升營運效率、促進營收和利潤的成長，是去改善財報表現，您給資訊長定的那個KPI，能達到這個目標嗎？」
這樣說不是在貶低資訊長，而是現行模式本身就存在問題，可以分幾層拆解。
第一層是職能錯配。一個稱職的資訊長，他關注的是系統穩定、資料安全、不出錯。然而，AI轉型是一項要冒風險、改變企業命運的工作。讓一個以求穩為天職的人，去主導重大變革，是職能上的錯配。
第二層是權力越界。真正能改善財報表現的AI場景都需要跨越職能邊界──重構採購流程要動供應鏈，重構客服體系要動產品，重構定價要動財務。然而，資訊長的權限止於IT系統，他難以推動核心業務流程的重構。這些跨職能的場景才是AI轉型的核心戰場。
第三層是技術能力不足。即便資訊長全力以赴，也很難從頭建立新一代的技術架構（我們後面會深入探討），這超出了內部IT團隊的能力範圍。但也不是資訊長失職，而是因為這件事本身就是高難度、創新且跨領域的。
我想強調一下，雖然本書對「把AI轉型全權交給資訊長」這件事批評得很重，但請別誤會，我批評的不是資訊長的職能和能力，而是一種錯誤的責任分配。讓資訊長主導AI轉型，是把一件需要跨越所有部門邊界、執行長才推得動的事，壓在了一個權限止於IT系統的人肩上。
在這場轉型裡，一個懂業務、懂資料，又冷靜可靠的資訊長，是執行長最不可或缺的盟友之一。他的定位應該是和AI長（Chief Artifical Intelligence Officer, CAIO）、業務負責人並肩，為執行長和企業提供技術判斷和系統架構。我主張的是把資訊長從他被推到的錯誤火線上，放回他原本的位置。
錯誤二：採用由下而上的轉型方式
第二個錯誤，採用由下而上的轉型方式。
我遇到的劇本總是一模一樣的：資訊長先把模型架構鋪好，選模型、接API、搭平台，然後向一個個部門詢問需求。市場部要一個寫文案的工具，財務部要一個做報表的助手，客服部要一個自動回覆的機器人，人資部要一個過濾履歷的系統。IT部門像一個內部供應商，開始有針對性地自行研發或者對外採購。計畫書寫得很詳細，「轉型」路線圖也畫得很漂亮，看起來一切都在有條不紊地推進。
這對企業而言是一件有意義的事，它能讓員工「學會用AI」，把整體效率的下限抬高一點點。不過，從各部門的「願望清單」裡拼出來的路線圖最後只會催生一堆零散的工具──有用，但不會帶來根本性的改變。
原因很清楚，真正能改善財報表現的場景不在某一個部門的內部，而在那些跨部門、貫穿核心價值鏈的決策裡，不屬於任何一個部門。市場部不會提出一個需要財務部和供應鏈深度配合的AI專案，因為那不是他們的地盤；風控部不會主動發起一個涉及產品設計的AI優化專案，因為那超出了他們的職權範圍。由下而上的機制，先天就無法觸及最有價值的場景。
這種跨部門的特點也帶來了中階主管的隱性抵抗。中階主管不會公開拒絕一個執行長支持的專案，但他們可能暗中抗拒，如不肯交出真實的流程、不提供乾淨的資料，或在各種業務層面應付了事。
這種現象背後的動機很多，如怕做錯了要承擔責任，索性能拖就拖。有的人心裡很清楚，這套AI系統一旦落地，自己的團隊可能被縮編，對於中階主管來說，團隊規模是自己權力範圍和等級的象徵。部分中階主管也會擔心自己不懂AI，害怕被淘汰或者邊緣化，認為自己的話語權會跟著縮水。在這種氛圍下，哪怕專案已經啟動，也很難做出真正的成果來，因為組織沒有真正形成共識。
麻省理工學院NANDA計畫發表的《生成式AI鴻溝：2025年商業人工智慧現狀報告》（The GenAI Divide: STATE OF AI IN BUSINESS 2025）對這個現象提供了一個量化的注腳：對於AI轉型而言，內部自建的成功部署率約為33%，大約是外部戰略合作路線的一半。這意味著在企業內部推動轉型的困難很大。
這裡有一個很貼切的詞，叫作口袋否決（Pocket Veto）。它描述的是一種隱蔽的否定方式：負責人表面點頭，在會議上同意，散會之後把任務塞進口袋，讓它在日常事務的洪流裡消失。這種否定方式不會留下可以究責的痕跡，因為沒有人明確說過「不」。
由下而上的推進機制是口袋否決的最佳土壤：每一個中階主管都有能力讓一件對自己不利的事情慢慢熄火。口袋否決之所以難以被辨識，是因為它很容易被偽裝成執行難度高所導致的結果。專案卡住了，上報的理由往往是「資料不夠乾淨」、「流程比想像中複雜」、「試點期間資源調度有困難」。雖然這些均是真實存在的挑戰，但其背後更多的是由激勵機制缺失催生的組織惰性。
由下而上的另一個問題是製造一種虛假的推進感。規劃在推進、試點在進行、報告在產出、會議在開，雖然無法改善財報表現，但這種虛假的推進感會消耗大量的時間、資源和管理注意力，而等管理者意識到方向不對時，可能已經錯過了寶貴的時機。
錯誤三：被一大堆SaaS AI代理晃花了眼
幾乎每一家傳統企業都被一大堆SaaS AI代理晃花了眼。
這兩年，市面上幾乎每一家軟體供應商都在向企業推介各種AI代理──無論是專注於客服、人資、CRM還是財務方面的，都有很多花俏的功能。資訊長帶著團隊認真地看他們演示，花時間評估選型，結果是一年下來累積了十幾個互不相通的垂直領域AI代理：會議紀錄自動整理、合約初稿生成、報表自動匯總等工具一應俱全。它們每一個單獨拿出來都還不錯，但沒有任何一個能同時整合財務、供應鏈、銷售和客服資料，且在它們之間穿針引線、為全體判斷提供參考。
忙了整整一年，看上去到處都在用AI，企業層面卻沒什麼改變，因為這些軟體供應商只能遞來一堆智慧碎片。軟體供應商急著向企業推銷AI代理，主要原因是他們自己也面臨著一次商業模式的大洗牌，「賣席位」（Seat-based Pricing）的舊邏輯正讓位給「按成果付費」的新邏輯，每一家軟體供應商都得重新定義自己。
過去幾十年，軟體業靠的是「賣席位」──按人頭、按帳號每月或每年收取訂閱費。然而，AI正在顛覆這套邏輯，推動整個產業轉向「按成果付費」的商業模式。客戶要買的是直接交付的成果。布雷特．泰勒（Bret Taylor）創立的AI新創公司Sierra是在這一轉變中最早的成功案例之一：它的客服AI代理直接按「成功解決一次問題」來收費，靠這套方法，Sierra大約兩年就實現了1億美元的年化營收。
微軟執行長薩帝亞．納德拉（Satya Nadella）對SaaS的判斷是：未來的業務邏輯，會從應用層面上移到AI層面，而底層那些SaaS會逐漸平價化。面對這樣的衝擊，傳統SaaS軟體供應商的應對策略表面上是創新，本質上是防守：給每一款產品都加一個AI代理功能，從而保住訂閱費這一收入來源。
不過，這條路走不遠，因為每一個這樣的AI代理都只能看見自身系統的數據，無法跨越邊界完成跨部門任務。一個只看得見CRM資料的銷售AI代理，無法判斷一張訂單對供應鏈的影響；人資AI代理看不見財務預算情況；客服AI代理看不見產品未來的路線圖。十個碎片疊加在一起，依然是十個碎片。
管理者應該認真審視自己的企業並思考一個問題：在我的業務裡，哪一部分其實只是在「搬運資訊」？真正的預算，要用在能貫通全局的AI系統上。否則，企業的AI投入只是在幫SaaS軟體供應商續命，而不是在幫自己轉型。
