依據科技採用指數分群，前段企業特徵：設有 AI 負責人、治理框架較早到位、做不下去就喊停，而且多半不需要大筆預算就能先做。
企劃╱CIO Insight 調查小組‧文╱何信達
統計數字顯示 34.3% 的企業已有代理型 AI 上線，這個數字代表什麼？根據 CIO Taiwan《2027 CIO Insight 調查》，在已評估或導入 AI 的企業中，24.5% 為輕量代理型 AI 上線，例如對話式表單填報、簡單流程觸發；在生產環境運作、能執行複雜多步驟任務的只有 9.8%。代理型 AI 上線雖超過三成，多數仍是輕量應用。
為了看清誰走得快，本刊以「科技採用指數」綜合 9 題：AI 方面有生成式 AI 導入階段（含起步年份）、與一年前相比的進展速度、過去 12 個月正式上線的 AI 應用數量、代理型 AI 進展，以及組織對 AI 代理的理解程度；數位基礎方面有基礎架構現代化、應用程式與 DevOps 現代化、資料架構與分析能力建設的執行狀況，以及資料整合程度。
滿分 100 分，分數越高代表走得越前面。今年平均 46.3 分，中位數同為 46.3 分。本刊依分數把企業分成三段：60 分以上為「前段」，占 28.9%；30 到 59 分為「發展段」，占 44.7%；未滿 30 分為「起步段」，占 26.4%。發展段是最大的一群，前段企業將近三成。數位基礎的進度普遍比 AI 快。基礎架構現代化有 64.8% 的企業如期推動或已完成，資料整合程度卻是 9 題中最低的一題：46.6% 的企業資料仍分散在各系統、尚未整合。
多數企業仍在起步段與發展段之間。已評估或導入 AI 的企業中，過去 12 個月正式上線的 AI 應用，29.4% 為 0 個、31.0% 為 1 到 2 個，6 個以上合計 18.3%。全體受訪企業對 AI 代理的理解，40.9% 停在表面認知，高層與執行層已有一致共識的只有 12.8%。
科技採用指數分數越高的企業，AI 與 IT 投資的成果也越看得見。本刊用兩題沒有納入指數計算的題目來檢驗：一是已上線 AI 應用的實際效益與導入前的預期相比，二是過去一年 IT 投資整體達成業務目標的程度。前段企業有 75.2% 表示 AI 效益符合或超出預期，發展段為 30.2%，起步段為 10.2%，起步段另有 77.6% 還無法評估效益。
IT 投資達成業務目標七成以上的比例，前段企業為 75.5%，發展段 66.5%，起步段 42.7%。兩項成果都隨分級遞減，代表指數分出的三段，與企業實際的成果相符，也許能說明兩者相關。
前段企業的比例，產業之間差距很大：醫療業與高科技製造業最高，傳統製造業最低。醫療業有 51.9% 的機構位於前段，高科技製造業 40.5%，金融業 34.4%，服務業 24.4%，傳統製造業 15.9%。
不過，各產業「科技採用指數」的高低，還要對照產業本身的需求。某傳統製造業數位主管提醒，判斷產業先進或落後，要先看需求：半導體產線不能中斷、良率決定成本，外界對製造業的印象多從這裡來；他們的大型產品一做就是幾個月，交期慢三、五天影響不大，每批產量也不大，良率維持一定水準即可。他認為，查規章、查請假這類小幫手大家都在做，AI 應用多不代表先進，要看能否扣上核心流程並產生效益。傳統製造業的指數偏低，可以從這個角度解讀：科技採用指數主要衡量應用走到哪一步。
34.3% 已上線？業界認為「代理型 AI」定義尚需釐清
康達盛通生活事業數位資訊科技協理丁平碩在書面答覆中，把「34.3% 的企業已有代理型 AI 上線」列為整份 CIO Insight 調查結果統計中最不像實際現場的數字。他認為這是認知差異，因為 AI 代理究竟只會回答問題，還是能跨系統把事情完成，兩者真的差很多。
臺大醫院資訊室協理尚榮基也有同樣疑問。他認為大家對代理型 AI 的定義沒有講清楚，若採比較嚴謹的定義，醫院不可能做到 30%；現在醫院多數應用在產出結果後，都必須要使用者確認才生效，例如 AI 協助撰寫病歷，必須由醫師確認。在他的理解裡，AI 代理的意義是授權機器人直接把事情做完；醫院的 AI 可以幫人分擔工作，但幾乎沒辦法跳過人，醫院也不太敢這樣做。
調查數據可以部分回應這項質疑。代理型 AI 的進展本身是科技採用指數的計分題，直接拿來比較，等於用自己證明自己；因此若排除這一題，用其餘 8 題重新分段，再看各段企業的代理型 AI 進展。結果顯示，已在生產環境運作代理型 AI 的企業，集中在前段企業：前段企業有 20.4% 做到，發展段為 4.3%，起步段沒有任何一家企業做到；多數企業的代理型 AI 仍停在輕量上線或試點。
從試點走進核心流程，只有 10.6% 做到
上線之後，下一關是進入核心流程。調查中，生成式 AI 已在多個核心流程導入的企業占 10.6%，能把 AI 推進核心流程的企業只有一成。
一位傳統製造業數位主管說，各產業做概念驗證很容易，但嵌入核心流程並產生投資報酬的「非常非常少」。他也指出，問卷「從少數試點走向多個核心流程」的方向寫反了，實務上是從多個試點走到少數核心流程。
以他們的一項 AI 專案為例，AI 判斷一次，總部主管再判斷一次，才分派給各地業務；這需要建立新的業務追蹤流程，人與流程都要跟著改，這正是嵌入核心流程困難的地方。
其他受訪的資訊主管也指向同樣的關卡：流程要改，就需要業務單位一起動手。全國電子資訊長黃漢傑認為，AI 從概念驗證走向規模化的最大斷點，往往不在模型本身，而在於能否整合既有資料與系統，以及業務負責人能否與 IT 一起重新設計流程。一位投資控股公司資訊部副總經理觀察到，因為核心流程尚未整合，目前多數應用仍停在個人生產力。丁平碩的看法相近，缺的是有價值、而且業務單位願意改流程的應用。
流程改，使用者也得願意用。臺北榮民總醫院資訊室主任郭振宗從使用端補充：與其說 AI 專案失敗，不如說「大家不太想用」，原因包括使用情境不適合、教育訓練不足，以及回應速度太慢的問題。
AI 代理的關卡：42.6% 缺架構人才
推進代理型 AI 的實務障礙中，42.6% 的企業選擇缺乏 AI 代理架構設計人才，37.6% 選擇 API 整合不足。推進代理型 AI，最大的障礙是人才，其次是系統整合。
人才與整合之外，受訪 CIO 更擔心的是 AI 代理上線後怎麼管。AI 代理能自己執行任務，權限比一般 AI 工具大，野村投信資深副總經理胡慧中因此認為，代理型 AI 的影響層面大於生成式 AI，需要時間：資安原則不變，但最小權限、存取權限複核與人在迴路的機制都要嵌入 AI 代理，審核關卡也要重新設計。英業達 AI 處長楊士興看到的缺口相同，下一步要補的是 AI 代理的管理機制，包括權限、治理邊界、人機分工與核准權限；由於供應商的管理工具仍在預覽階段，他們傾向自建平台。
前段企業 72.6% 設有 AI 負責人
前段、發展段、起步段三段企業的做法也明顯不同。前段企業有 72.6% 設有 AI 負責人（由 CIO 或技術長兼任，或設獨立職位），發展段為 30.5%，起步段只有 8.2%。前段企業有 40.6% 明年的 AI 投資超過 IT 預算的 15%，發展段 21.3%，起步段 6.2%。治理框架已經高層核准或進入初步政策的比例，前段為 67.0%，發展段 29.3%，起步段 16.0%。
判斷是否導入新技術的方式也不一樣。前段企業有 41.5% 的 CIO 自行研究技術文件、論文與開源社群後主導評估，發展段 20.0%，起步段 18.0%；起步段最常見的做法是觀察同業普遍採用後再跟進，占 30.0%，前段只有 6.6%。
前段企業也比較常喊停。過去一年至少有 1 個科技或 AI 專案明確宣告失敗或中止的比例，前段為 40.6%，發展段 22.0%，起步段 12.0%。做得多，試錯也多；起步段企業的專案少，喊停的機會可能也少。
人才缺口則所有企業都有：AI 人才供給落後或嚴重不足的比例，前段 33.0%、發展段 30.7%、起步段 30.0%。比例相近，原因不同：起步段有 66.0% 表示 AI 規模尚小、人才需求還沒出現，前段有 46.2% 表示人才基本或充分滿足。
受訪企業中，也有先把基礎打好的例子。一位傳統製造業數位主管兩年多前先啟動數據中台與資料治理，之後所有正式認可的 AI 平台只讀取數據中台的資料；AI 工具再依個人、部門、全公司分級，每個題目先設基準值，成效才有比較的起點。
下一波：56.9% CIO 押代理型 AI
代理型 AI 是多數 CIO 眼中的下一波。被問到未來 12 個月對產業影響最大的技術，56.9% 的 CIO 選代理型 AI 自主執行多步驟工作流程，其次是多模態 AI 16.3%、實體 AI 11.7%。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 LinkedIn，與全球CIO同步獲取精華見解 ]
實體 AI 的大規模商業部署，35.4% 的 CIO 預期落在 2028 到 2030 年，18.0% 認為 2026 到 2027 年已經在發生，23.7% 難以判斷。前段企業對實體 AI 的感受也比起步段早：前段企業認為正在發生的比例為 30.2%，起步段只有 3.1%。對視覺語言行動模型（VLA）的了解，5.2% 已在評估或導入相關應用，28.3% 尚未聽過；前段企業已在評估的比例為 10.4%。
科技採用指數的前段企業只占 28.9%，各產業的需求也不同，但前段企業的共同點很具體：設有 AI 負責人、治理框架較早到位、做不下去就喊停，而且多半不需要大筆預算就能先做。代理型 AI 與實體 AI 陸續進入企業後，起步段企業可能得先把這些基礎補上，才跟得上下一波的速度。
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 越看得見導入效益
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)
