明年 AI 投資占 IT 預算的比例，醫療業與高科技製造業的分布偏高；三大資源：預算、人力與算力怎麼配置，CIO 各有做法。
企劃╱CIO Insight 調查小組‧文╱何信達
在企業裡 AI 能分到多少預算？根據 CIO Taiwan《2027 CIO Insight 調查》，下一年度 AI 相關投資占 IT 總預算的比例，44.1% 的企業落在 5% 到 15%，33.0% 在 5% 以下，16.6% 在 16% 到 30%，31% 以上合計 6.3%。
產業之間，AI 投資占比超過 15% 的企業，醫療業占 37.0%，高科技製造業 32.8%，服務業 17.0%，傳統製造業 15.8%，金融業 15.6%。
下一年度 IT 部門最積極投入的項目，依序為 AI 與生成式 AI 應用落地 54.0%、資安 48.2%、員工 AI 培訓 40.9%、代理型 AI 架構 33.2%。
人才的缺口集中在 AI。在已評估或導入 AI 的企業中，31.4% 表示 AI 人才供給明顯落後需求或嚴重不足，金融業最高，達 45.8%。另一方面，AI 興起後，59.7% 的企業 IT 人員配置沒有大幅變動，AI 帶來的工作多半由既有人力吸收。
AI 預算從哪裡來，追加要多久
AI 預算的來源，隨產業、企業都有差異。臺北榮民總醫院資訊室主任郭振宗說，今年的 AI 經費有一部分以健康台灣深耕計畫支持為主，從既有預算挪用的占少數；早期建置的算力中心仍在保固期。但他預期 AI 與資安預算會逐年增加，AI 功能加入既有系統後，軟體授權費也會跟著增加。
在英業達，資訊長黃英哲說明，半導體與電子代工業者正搭上這波 AI 需求的紅利，英業達的 AI 預算因此全為新增，包含雲端服務與自建的地端 AI 機房，沒有從其他項目挪用；公司的擴編與資本支出也同步上升。
其他受訪企業則在既有預算裡安排 AI 的支出。康達盛通生活事業數位資訊科技協理丁平碩不另立 AI 預算，改由外包預算移轉。某高科技製造業資訊長把基礎建設列入 IT 預算，使用者的詞元費用則歸各部門負擔。某傳統製造業數位主管說，明年最大的 IT 投資是 ERP 升級，AI 因為使用雲端服務，用多少算多少，規模相對小。
AI 預算追加的速度，取決於送審前的準備。一位服務業資訊長說，最近一次追加約花一個月，關鍵在主責部門能否提出具說服力且可量化的效益分析，加上追加金額占 IT 年度總支出的比例不高。野村投信資深副總經理胡慧中的經驗相近：AI 追加預算送進每月的專案管理委員會，財務長列席，一次會議即核准（除非金額過大按核決權限須經董事會同意），關鍵在送審前已備齊使用者需求、調查結果、風險與資安評估，以及效率效益。一位投資控股公司資訊部副總經理以年度預算為主、保留彈性，最關鍵的一關是業務主管認同價值並願意負責。也有企業乾脆不追加：華泰電子資訊長王金秋採專案不追加的控管原則。
人才：31.4% 不足，薪資難比科技業
人才是多數受訪 CIO 共同的難題。郭振宗指出，醫療不缺領域知識，缺的是 AI 工程師，以及能管理整個 AI 生命週期的人；醫院 IT 人員多為傳統系統開發與維運背景，而科技業薪資較高，醫療對外招募困難，現以內部培訓與年輕醫師投入為主。
薪資也是門檻。王金秋說，AI 代理底下的平台，以及把既有系統 API 化、重新定義系統之間的介面標準，這些都需要人才，這是他最迫切的任務之一；儘管公司正積極找人，但無法以高薪競逐，恐怕只能看緣分，尋找有經驗的人選。
缺哪一種人才、該由誰解決，CIO 各有判斷。一位服務業資訊長認為，單看技術，主要挑戰是缺 AI 代理架構設計人才，現有人力足以因應 API 整合；導入初期可以借重外部資源驗證，再依技術潛力培養內部能力。一位資訊長則把責任分層：API 整合與技術架構歸 CIO，人才可以培訓或外部合作，流程、權責、授權與風險管理則需要業務主管甚至 CEO 出面。胡慧中則直言人才是大問題：連系統架構師都是市場上難找的人，AI 代理架構設計師更難找，目前還沒有好的解答。
既然人力有限，就得決定先做什麼。臺大醫院資訊室協理尚榮基說，需求一直進來，有些得排上好幾個月甚至好幾年；資源有限，最重要的是先想清楚要解決哪些問題。某高科技製造業資訊長的對策是 IT 做平台，簡單報表與個人化應用交給使用者自己完成，IT 集中處理研發端與平台。
算力：60.6% 擔心詞元成本，38.4% 推論架構未定
錢與人之外，算力是第三種資源。已評估或導入 AI 的企業中，60.6% 的 CIO 對大規模部署代理型 AI 的算力與詞元消耗成本感到相當或非常擔憂，金融業最高，達 70.6%。擔憂的 CIO 當中，30.2% 尚未有整體策略、以個案處理，26.8% 優先強化邊緣運算以減少送往雲端的詞元，20.8% 建立智慧路由機制、依任務性質分配雲端與地端運算。
現階段算力本身多數尚未構成瓶頸：39.3% 表示 AI 規模尚小、算力不構成限制，17.7% 基本夠用但需在 12 個月內擴充，13.1% 已有明顯瓶頸、正在採購或擴建，5.6% 算力嚴重不足、已影響專案進度；8.2% 表示算力充足，16.1% 目前無此需求。推論工作負載放在哪裡，38.4% 尚未決定，24.8% 用公有雲，20.4% 混合部署，14.2% 地端自建 GPU。醫療業採地端或混合部署的比例最高，達 59.3%。代理型 AI 對 CPU 與 GPU 配置的影響，已重新評估並調整採購計畫的只有 4.0%。
算力狀況在產業之間差異明顯。算力已有明顯瓶頸或嚴重不足的比例，高科技製造業 28.3%、醫療業 26.9%，金融業與傳統製造業分別為 12.5%、13.7%，服務業 3.1%；表示算力充足、可支撐未來 12 個月的，金融業 20.8% 最高。服務業與傳統製造業則有四成以上表示 AI 規模尚小、算力不構成限制，分別為 43.8% 與 46.2%。
詞元成本管理技巧全公開
面對算力與詞元成本，受訪企業的做法各有重點，以下幾種都有企業實際在做。
一是「管用量」。郭振宗以 GPU 使用率作為申請擴充的依據，大型語言模型看各單位的詞元使用量，鑑別式 AI 看 GPU 使用狀況，閒置過多就收回；胡慧中的研究報告系統則另設詞元配額。
二是「依任務分流」，也就是問卷中 20.8% 擔憂詞元成本的 CIO 已建立的智慧路由機制。英業達 AI 處長楊士興指出，詞元單價雖然下降，AI 代理要把上下文與記憶都送進大型語言模型，耗用量遠高於單純問答；企業又常選最聰明、也最貴的模型。英業達因此正在研究大型語言模型閘道，原理就是一種智慧路由：用分類器把問題分成簡單、中等、困難三級，各自交給合適的模型，難題才用最貴的模型。黃英哲也認為，能依難易度選擇模型，對節省成本有很大的幫助。
三是「調整運算位置」。某高科技製造業資訊長把成熟、不需強推理的工作移到地端執行，以控制詞元費用；郭振宗也依應用區分，涉及病歷或隱私的應用如：臨床診斷、病歷處理則以地端為主，其餘與個資或隱私較無關的如：衛教與教學內容生成則可用雲端服務。問卷中，26.8% 擔憂詞元成本的 CIO 優先強化邊緣運算，減少送往雲端的詞元，方向相近。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 LinkedIn，與全球CIO同步獲取精華見解 ]
工作移到地端，就需要地端維運的人。一位服務業資訊長認為，該公司暫不需要模型訓練人才，但需要地端維運人才集中在系統架構與容量規劃、資安權限與資料隔離，以及與既有營運系統整合。
明年多數企業的 AI 投資仍在 IT 預算的 15% 以下，AI 人才與算力也有限，受訪 CIO 卻沒有等資源到位，他們先決定資源放在哪裡：IT 做平台與資料，算力與詞元依用量與任務分流管理，追加預算前先備齊效益分析。代理型 AI 擴大後，詞元用量只會增加，未來 CIO 可能得花更多心力把用量與成本管起來，下一輪擴大導入時才有餘裕。
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)
