對 AI 前景樂觀的 CIO 占八成，認為公司已準備好規模化的只有一成二；效益多數停在「有感，但難以量化」。
企劃╱CIO Insight 調查小組‧文╱何信達
資訊長對 AI 的信心，和認為公司已經準備好的程度之間，距離有多遠？根據 CIO Taiwan《2027 CIO Insight 調查》，在已評估或導入 AI 的企業中，80.1% 的 CIO 對 AI 為企業帶來的整體前景感到樂觀或非常樂觀，認為公司已大致或充分準備好規模化應用 AI 的只有 12.1%。看好 AI 的 CIO，是認為公司已準備好的六倍以上。
這差距在五大產業都存在。醫療業 88.5% 的 CIO 樂觀，19.2% 認為已準備好；高科技製造業 89.1% 對 14.9%；金融業 77.3% 對 13.6%；傳統製造業 72.4% 對 9.5%；服務業 75.0% 對 6.2%。樂觀的比例介於 72.4% 到 89.1%，準備好的比例介於 6.2% 到 19.2%。
拆開來看，42.0% 的 CIO 認為公司「有部分準備」，35.7% 認為「準備程度低」，7.9% 完全未準備好；大致準備好 10.8%，充分準備 1.0%。多數 CIO 落在「有部分準備」與「準備程度低」之間。
為何難：技術一年一變，人才與流程難跟
臺大醫院資訊室協理尚榮基認同「樂觀多、準備好少」的調查結果。他認為，各產業的人熟悉自己的問題，看得到 AI 這項技術在產業裡能做什麼，所以對前景樂觀；準備程度卻追不上技術變化。「我睡一覺起來世界就不一樣的時候，你怎麼告訴我它叫準備好了？」他舉例，去年的 AI 只能生成到處出錯的圖片，今年已經能產出幾十分鐘的影片。
在尚榮基看來，醫院始終處在準備階段，推動 AI 靠的是團隊：使用者提出問題，技術人員判斷用什麼技術解。醫院每天都有新問題冒出來，AI 對 IT 而言是多了一把工具，有些五年前做不到的事，現在做得到。
這段落差從哪裡來？受訪的資訊主管各有側重。某高科技製造業資訊長把原因分成內外兩面：內部的 IT 人才難找，必須先轉型；外部則是少子化，找不到工程師。人已經很難找，找到了又留不住，生產力也難以提升。
一位投資控股公司資訊部副總經理在書面答覆中，把缺口放在業務流程與資料的準備程度：核心流程尚未整合，目前多數應用屬於個人生產力，關鍵在業務單位是否願意投入，並對成果負責。另一位服務業資訊長則認為，缺的是合適的應用情境，需要更多同仁了解 AI 工具，並結合業務知識與經驗分享。
三位主管看到的缺口不同，要補的地方也不同：缺人才，IT 自己得先轉型；缺流程與資料，得靠業務單位投入並對成果負責；缺應用情境，則要讓更多同仁懂得把 AI 用在自己的業務上。
效益：41.4% 有感，但難以量化
已評估或導入 AI 的企業中，41.4% 表示 AI 帶來主觀感受上的效益，但難以量化；21.7% 有內部量化數據，尚未對外公開；只有 3.0% 已有可對外揭露的量化數據；21.1% 尚未看到明確效益。
把「現在的效益」與「未來 12 個月的預期」放在一起看，多數企業預期明年的狀況和現在相近。現在有主觀感受、但難以量化的企業占 41.4%，其中 53.2% 預期明年仍難以量化，23.8% 預期可以量化；現在已有量化數據的企業占 24.7%，其中 80.0% 預期明年仍可量化。現在尚未看到明確效益的企業，45.3% 不確定明年會不會有效益。
尚榮基直言，醫院實務上沒有工夫詳細評估 AI 的投資效益，有需要就做。他以護理師交班為例：每位護理師交班要花 10 分鐘、30 分鐘或 60 分鐘，換算效益如何計算，超出資訊人員能回答的範圍。把效益做成嚴謹完整的量化分析，本身就很花成本；他說，醫療服務不容易量化成投資效益，「很多東西是靠常識判斷，有些東西是靠價值觀判斷，有些東西是靠直覺在判斷。」
醫院手上同時會有很多的AI專案進行，效益各不相同：有的減少工作量，有的提高正確率，有的讓以前看不見的病變得看得見，沒有統一指標，指標由團隊自行提出。有時問題或解法不對，做到一半就喊停；有的案子從訓練模型開始，一開始沒有人知道準確度能到多少，要做了才知道。
CIO 怎麼衡量 AI 效益
圖 2 的另一面是：已經留下量化數據的企業，八成預期明年仍可量化。要接得上量化，得先有衡量的起點。受訪 CIO 選的起點各不相同：有人從使用率看起，有人看流程省下多少時間，有人一路算到金額，也有人認為業務單位沒有提出需求，就談不上衡量。
最直接的起點，是先看同仁有沒有在用。一位投資控股公司資訊部副總經理把指標分成兩階段：第一階段看 Copilot 的啟用率與週、月活躍使用率，第二階段才看節省時間、降低錯誤與作業效率；指標由業務單位定義，IT 協助衡量，上線後每季檢視。野村投信資深副總經理胡慧中每月以自動化儀表板，分處、部門、個人三層呈現各項 AI 工具的使用狀況，直接向董事會決策經營團隊報告趨勢；試點階段鼓勵同仁盡情使用，推廣到全公司時才上儀表板與 KPI，沒在用的授權就收回。臺北榮民總醫院資訊室主任郭振宗以 GPU 使用率作為擴充算力的依據，應用面則回到院內自訂的兩個方向：減輕醫護同仁的工作負擔，以及促進醫療品質。
比使用率再進一步，是看流程有沒有變快、人力有沒有省下來。全國電子資訊長黃漢傑認為，AI 導入初期不應只以財務投資報酬率作為衡量標準，可先從流程時間、人工投入與作業品質觀察實際效益，待應用成熟後，再進一步連結營收、轉換率、服務品質或營運成本。康達盛通生活事業數位資訊科技協理丁平碩看兩件事：效率是否提升、是否產生業務價值，例如月度分析改為每日、品質測試自動化後能跑更多回歸測試；指標由業務端與 IT 共同決定，剛上線每週檢視，穩定後改為每月。某傳統製造業數位主管則在每個題目啟動前先設基準值，由稽管單位衡量。他轉述老闆的看法：AI 項目未必都算得出錢，但效率一定要掌握，因為只看金額的指標常常會誤導判斷。
算到金額的企業，也不是一開始就算。英業達資訊長黃英哲的做法是先「練兵」，初期不看投資報酬率；提案多了以後，再把節省的工時或人力換算成金額，成本則包含算力、IT 人力與維護，以TCO的模式向老闆報告總體持有成本。個案報告挑選亮點，同時附上外部 AI 發展的參考資訊，讓老闆對內外狀況有所掌握。他坦言，效益絕大部分仍屬於成本節省。華泰電子資訊長王金秋的要求最接近傳統 IT 投資：AI 沒有專屬指標，看良率、效率與取得資料的速度，例如查詢從兩天縮短到兩小時〔受訪者自述〕，必須量化，並經投資審議委員會說明；也有 AI 專案試行後，因維運意義不大而停止。
也有主管把衡量的起點往前推到需求本身。某高科技製造業資訊長以自動化機械手臂比喻：全廠自動化不難，難在投資五年回收還是兩年回收，取決於要做的事情有多少價值，這需要業務單位提出需求；沒有業務需求，做出來的成果只是展示給老闆看，成效也會打折扣。他目前向老闆報告的是設計週期（cycle time）縮短多少，投資報酬率要到明年才切入。一位服務業資訊長在書面觀察中則指出，生成式 AI 對工作效率、品質與交付時間已展現價值，企業仍在摸索如何建立一致且可量化的衡量方式，以及如何把效率轉化為成本節省或競爭優勢；他建議建立明確的使用指標、效益衡量機制與案例分享制度，作為是否擴大導入的依據。
前段看成效，起步段看技術變化與預算
樂觀與準備程度的判斷，各自依據什麼？最多 CIO 選的是「AI 專案已看到具體成效」，占 23.0%，其次是「組織與人才準備度持續提升」18.1%、「技術變化太快，難以跟上」15.5%、「總體經濟或預算壓力，不確定性高」12.5%。最多 CIO 的信心，來自已經看到的成效。
本刊以科技採用指數衡量企業應用新科技走到哪一步，滿分 100 分，綜合 AI 導入階段、上線數量、代理型 AI 進展、基礎架構與資料整合程度等 9 題；依分數把企業分成三段：60 分以上為「前段」，30 到 59 分為「發展段」，未滿 30 分為「起步段」。
前段企業中，45.3% 依據的是已看到的具體成效，24.5% 是組織與人才準備度持續提升；起步段的企業，32.7% 依據的是技術變化太快，20.4% 是總體經濟或預算壓力，依據已看到成效的只有 4.1%。信心來自已經做出的成果，猶豫則來自外部的不確定。
台灣與全球的距離：走得越前，越能判斷
把視角拉到台灣整體，CIO 對台灣企業 AI 導入速度在全球的位置，看法分歧：43.6% 認為難以判斷，25.1% 認為與全球同業同步（落差 3 到 6 個月），19.1% 認為落後約 1 年，9.0% 認為落後 2 年以上，認為領先 1 年以上的只有 3.3%。最多 CIO 無法判斷台灣在全球的位置；做出判斷的人當中，認為落後的遠多於領先。
進一步分析相關性，可以發現「科技採用指數」分級越低，選「難以判斷」的 CIO 越多。起步段有 71.1% 的 CIO 選「難以判斷」，發展段 42.1%，前段企業 20.8%。換句話說，前段企業近八成的 CIO 對台灣的位置做出了判斷：40.6% 認為與全球同業同步，34.0% 認為落後。產業之間，醫療業有 48.1% 認為與全球同步，服務業、金融業與傳統製造業則都有五成以上難以判斷。企業自己在科技應用上走得越前面，CIO 越能判斷台灣與全球的距離。能判斷外部的位置，CIO 才有參照可以說服內部。黃英哲向老闆報告 AI 效益時，會附上外部 AI 發展的資訊；他會讓老闆知道同業在 AI 上可能投入多少，公司不投資，長期就可能跟不上，而客戶也會關心英業達自己內部有沒有投資 AI。郭振宗對醫療業的位置有明確判斷：他認為台灣醫療在臨床診斷的 AI 應用走在前段，治理進度也不落後歐盟；病患服務這類應用則因民眾習慣尚未養成，進展較慢。丁平碩根據每年參加美國大型科技活動的實際經驗及觀察，全世界的企業都在找同一件事：哪些業務情境值得做，AI 又要怎麼放進流程。起步段七成 CIO 難以判斷台灣的位置，也就可能少了這份向老闆爭取資源的參照。
若有落差，最主要的原因被指向企業文化與組織變革阻力，占 37.3%，遠高於 AI 人才供給 17.4%、資料品質與治理能力 12.5%、供應商生態成熟度 9.8%、法規與合規環境 9.5%，以及預算決策週期過長 8.4%。CIO 認為，台灣與全球的差距主要卡在企業文化與組織變革。
不過，細分到產業，卡住的點各不相同。金融業有 37.5% 的 CIO 指向法規與合規環境較保守，是五大產業中唯一以法規為首要原因的產業，醫療業選這一項的也有 18.5%，其他三個產業都在一成以下。服務業除了組織變革，有 22.0% 指向供應商生態成熟度不足、缺乏在地整合能力；高科技製造業選 AI 人才供給的比例最高，達 24.1%；傳統製造業則有 43.7% 指向企業文化與組織變革阻力。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 LinkedIn，與全球CIO同步獲取精華見解 ]
組織變革排在第一，也呼應多位受訪 CIO 提到的卡點：AI 一走進核心流程，人和流程都得跟著改。黃漢傑觀察，服務業的應用場景多、導入門檻相對低，因此 AI 應用容易快速發生；但當應用進一步進入核心流程後，就會開始面對資料、權限、API、既有系統整合、流程設計與責任歸屬等問題。這些問題要解決，得靠業務單位配合。一位資訊長因此把缺口放在業務單位是否願意投入並對成果負責。另一位傳統製造業數位主管也是，從試點走進核心流程，最難的是人與作業流程都要跟著改。
組織變革怎麼推，丁平碩有過一次經驗。康達盛通 2019 年到 2024 年推動數位轉型，起初只有數位與 IT 部門帶頭衝，第三年回頭檢視為何停滯，才認知到教育訓練的重要，成立專責訓練部門，為從上到下的同仁開設數位知識培訓，轉型才得以繼續推進。他說，現在的 AI 只是再經歷一次，這次會直接記取之前的經驗。
2027 CIO Insight 調查報告系列文章：
(1) 科技採用 / AI治理成熟度，兩重點指數定位產業現況
https://www.cio.com.tw/121955/
(2) AI 就緒與效益：八成 CIO 看好 AI，只有一成認為已準備好
https://www.cio.com.tw/121956/
(3) AI 治理：先讓風險看得見 再決定哪些要嚴管
https://www.cio.com.tw/121957/
(4) 科技採用：科技採用指數越高者 AI 越看得見效益
https://www.cio.com.tw/121958/
(5) IT 資源：資源有限，成本控管與效益分析，為企業 AI 導入成功關鍵
https://www.cio.com.tw/121959/
(6) CIO 影響力：積極投入 AI 策略，把地基搭得更穩固更安全
https://www.cio.com.tw/121960/(本文授權非營利轉載，請註明出處：CIO Taiwan)
