文／ Gartner
Gartner 於 2025 年 7 月對 700 多位資訊長（CIO）進行調研。據受訪 CIO 預測，到 2030 年，人類不借助 AI 獨立完成的 IT 工作為零，在 AI 輔助下完成或由 AI 自動完成的 IT 工作百分比為 75% 與 25%。這表明企業需同時關注 AI 與人員雙方準備度，二者平衡才能從中獲取價值。
Gartner 傑出研究副總裁、院士級分析員 Daryl Plummer 表示，Gartner 多年來為 CIO 與 IT 高階管理人員指導 AI 轉型。2023 年，我們展示如何設定 AI 目標；去年我們說明如何在 AI 績效競賽中保持節奏；今年我們規劃正確路線，助其充分發掘 AI 價值。
Gartner 研究副總裁 Alicia Mullery 聲明：「並非所有 AI 已具備締造價值的能力，人類亦缺乏獲得價值的能力。AI 準備度指標顯示 AI 幫助您發掘價值與滿足特定應用場景需求的能力。人員準備度表示您是否擁有可獲得且能持續帶來 AI 價值的相應員工團隊暨組織架構。」
通過員工團隊轉型，持續締造 AI 價值
Gartner 認為，2026 年 AI 對全球就業產生有利與不利影響將相互抵消。2036 年，引入 AI 解決方案以便執行任務或自主執行任務將帶來超 5 億個新崗位，且用以支持新 AI 專案。
Plummer 宣稱：「AI 不是減少工作崗位，而是推動員工團隊轉型。CIO 應限制新增招募人數（尤其是任務複雜度低的崗位），將現有人力資源再分配到產生收益的新業務領域，啟動員工團隊轉型。」控制招募人數有利於降低成本、提高效率，但要獲得更大價值還需採取更多措施。員工需能夠以全新方式與 AI 共事，因此其所需技能將發生根本變化。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 linkedIn，與全球CIO同步獲取精華見解 ]
Mullery 表示：「因為可自動或有效完成任務，AI 將降低摘要、資訊檢索、翻譯等技能重要性，但也催生全新技能需求。AI 使用技能與傳統技能本質上有不同，後者看重提升任務執行成效，前者側重增強個人能力，使個人更重視自我與團隊激勵、思考與人際溝通。」
Gartner 分析師表示，企業技能發展規劃不可拘泥於新技能培訓。若員工過度依賴 AI，恐導致其核心技能退化。企業應設立定期考核，確保員工始終掌握並應用關鍵崗位所需核心技能。
通過 AI 準備度發掘價值
AI 準備度評估需考量成本、技術可行性與供應商三方面：
● 成本：Gartner 在 2025 年 5 月對 506 位 CIO 暨其他技術領導者進行調研。72% 受訪者談及企業 AI 投資處於盈虧平衡或虧損狀態。
企業每採購一種 AI 工具，需預估 10 項隱性成本暨培訓與變革管理帶來的轉型花費。因此，企業應進行成本分析，並決定資助那些費用。
● 技術可行性：部分 AI 技術（如搜尋、產生內容與摘要）已相當完備，有些（如 AI 準確性與 AI Agent）尚未成熟。若相應技術構建不當，企業獲得價值報酬穩定性難免脆弱且易崩潰。
以 AI 準確性與 AI Agent 為例，企業應著力構建契合自身情況的 AI 準確性校驗機制，採用 MAS（Multi-Agent System）前導實驗協助再建構流程與獲得收入。
● 供應商：根據 AI 部署類型確認合適的供應商：
- 如計劃大規模部署 AI，可選擇超大規模雲端服務商，以支援各種成果的 AI 基礎結構規模。
- 如針對行業特定應用場景，可選擇可針對專門領域 AI 的新創企業，其扎實的專業知識基礎暨能力足以在計畫初期即可開展實踐。
- 如追求快速創新與 AI 尖端技術，可考慮 AI 研發公司，此類公司具備創新能力，但目前尚未達到企業級規模要求。
- 每項 AI 決策皆涉及主權，切勿忽視 AI 主權問題。
Plummer 表示，企業可遵循 Gartner 定位系統，努力發掘、獲得並持續締造 AI 價值。成功的企業能突破自身局限。
AI 帶來的影響可能使高等教育失去必要性、醫院變為單純治療中心、或讓未來更易預測，但其真正價值仍在於使用 AI 解決方案提高企業主要競爭力或解決棘手問題。
Gartner 發佈之 2026 年十大戰略技術趨勢
- AI 超級運算平台
AI 超級運算平台整合 CPU、GPU、AI ASIC、神經形態運算與替代性運算範式，更強性能、更高效率與更多創新潛力。強力處理器、海量存儲、專用硬體，可處理機器學習、模擬與分析等領域資料密集型工作負載。 - 多代理系統 MAS（Multi-Agent System）
MAS（Multi-Agent System）是多個 AI Agent 構成，既可在單一環境中交付，亦可於分散式環境中獨立開發部署。通過使用 MAS，企業可實現複雜業務流程自動化、提升團隊技能、開創人類與 AI Agent 新協作方式。 - 特定領域語言模型（DSLM）
一般大語言模型（LLM）難以勝任專業任務，特定領域語言模型（DSLM）憑藉更高精度、更低成本與更高合規性填補這一空白，是針對特定行業、功能或流程專用資料上訓練或微調的語言模型。 - AI 安全平台
AI 安全平台為協力廠商暨客製化 AI 應用提供統一防護機制，進行集中監測、強制執行使用策略，有效防範 AI 特定風險，如提示注入攻擊、資料外洩、惡意代理行為等，在全 AI 系統中建立統一防護邊界。 - AI 原生開發平台
AI 原生開發平台使用 GenAI 實現空前快速、便捷的軟體發展。軟體工程師作為「前端部署工程師」進入業務部門，使用該平台協同領域專家開發應用。企業只需維持現有開發人員規模，組建微型團隊配合 AI 即可開發更多應用。 - 機密運算
機密運算重塑企業敏感性資料處理方式。由於工作負載被隔離在基於硬體的受信任執行環境（TEE），即使面對基礎結構所有人、雲端提供商或任一擁有硬體物理存取權限之實體，機密運算也能確保內容與工作負載隱形能力。 - 實體 AI（Physical AI）
實體 AI 是因人為賦權而具有感測、決策與執行能力的機器與設備，將智慧型演化演算帶入到現實世界，為看重自動化、適應性與安全性的行業帶來可觀收益。隨著該技術逐步普及，企業需引入 IT、運營與工程知識的新型技術人才。 - 前置主動式網路防禦
隨著企業面臨網路、資料與聯網系統威脅倍增，前置主動式網路防禦正成為趨勢。前置主動式網路防禦要點在於運用 AI 驅動的安全運營、程式化阻斷與欺騙技術在攻擊者行動前就實施干預，以預測手段實現防護。 - 數位溯源
如今企業日益依賴協力廠商軟體、開放原始程式碼與 AI 產生內容，數位溯源驗證已成為重要需求。數位溯源指對軟體、資料、媒體暨流程來源、所有權與完整性進行驗證的能力。企業可使用軟體物料清單（SBOM）、認證資料庫、數位浮水印等新工具驗證與追蹤供應鏈中的數位資產。 - 地緣式遷移
地緣式遷移指企業因考慮到地緣政治風險而將資料與應用從全球公有雲遷出至主權雲端環境、區域雲端服務商或自有資料中心等本地平台。主權雲端這一概念曾僅限銀行與政府機構，如今因全球局勢動盪加劇而影響各類企業。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
