生成式 AI 是泡沫嗎？

美國麻省理工學院MIT NANDA發布了「生成式AI的鴻溝: 2025年商業AI的狀況」、OpenAI創辦人奧特曼警告:「人工智慧可能存在泡沫」，造成了美國科技股的大跌!!

生成式AI真是炒作嗎?

MIT報告中指出，僅有5%的公司企業實施整合型的AI專案帶來了數百萬的價值，其他95%對公司生產力與績效沒有影響。

相對比企業已經投資了300-400億美元的生成式AI，顯然是個巨大差異!! 無怪乎，引發市場的憂慮。

事實上，我們細緻地解讀，可以發現幾個深度見解:

• 影子經濟: MIT發現，90%企業員工個人已經購買ChatGPT等工具，僅有40%企業購買。這意味著生成式AI對個人生產力的確有效力，但關鍵應該是如何將這種價值轉化為企業營運上的優勢?
• 
  

圖、企業員工使用與企業購買大語言模型比例(資料來源: MIT NANDA)

• 效益鴻溝: MIT發現70%的AI投資在銷售與行銷部門。這的現象主要的背後原因主要是銷售與行銷的效益容易地衡量，例如:”Email回應速度”、”處理資料量”等。但像法律、採購、財務等部門，要衡量”減少合規性”、”加速工作流程”、”加速月結效率”等不容易地衡量投資效率。

• 任務鴻溝: MIT調查發現企業70%傾向將簡單email、文件或會議摘要等工作委由AI；複雜的工作、面對客戶的工作則僅有10%企業願意委由AI。

圖、企業運用AI在不同任務任務的傾向(資料來源: MIT NANDA)

• 互動鴻溝: 員工認為免費或個人版的生成式AI工具彈性介面與快速回應，相較於企業流程生成式AI產品較佳，但也常抱怨個人版需要每次載入新知識或不能搭配工作情境、常常產生AI幻覺等缺點。事實上，免費AI與整合流程的企業用AI各有所長。企業與員工要學習善用不同類型的AI工具在生活、個人生產力或工作流程上的應用方式。

MIT認為代理人網路(Agentic Web)所形成的代理AI，能整合複雜流程、適應情境、記憶互動過程，將是解決企業生成式AI實施鴻溝的方向。

生成式AI的發展方向

從這篇美國麻省理工學院報告，我們可以發現生成式AI的確有隱憂，但也透露出未來生成式AI發展的機會。以下是幾個主要方向∶

•  嵌入工作流程: 不論是企業用AI或消費用AI工具都愈來愈往嵌入到工作流程中的發展。例如:Gemini嵌入在Google Doc等工具中、Monica工具嵌入在Chrome瀏覽器、Perplexity推出AI瀏覽器、鼎新數智將生成式AI嵌入在ERP中。隨著技術發展，未來生成式AI將愈來愈嵌入在使用者的工作情境、流程中，以做出更好的協作也能減少幻覺問題。

• 代理AI自動化: 代理AI可以整合在流程、工具、連結企業內部系統，讓許多複雜的企業工作流程由代理AI處理，不須人工額外費工處理。

• 多代理AI協同: MCP(Model Context Protocol)、A2A(Agent-to-Agent)協定與生成式AI技術發展，代理不僅能自動化還能相互溝通、協作。多代理AI可以跨不同領域的整合，例如: 急單需求可以透過多個代理共同協調生產規劃、採購、庫存、生產，以進行最佳生產規劃與生產安排。

如同下圖所示，企業應更著重Level1-Level4的企業流程相關的AI代理發展，而不是思考Level 0的個人使用的Co-Pilot服務。

企業可以從資訊萃取、簡單整合開始思考運用生成式AI協助工作流程。

圖、Agent成熟模型(資料來源: Salesforce.com)

企業應該怎麼做？

那麼，企業應該怎麼開始實施生成式AI、AI代理呢? 以下是幾個建議∶

• AI嵌入流程轉換組織價值: 企業應思考個人生產力Co-Pilot及工作流程導向的代理式AI使用上的不同。Co-Pilot適用個人廣泛、多元的生成式AI運用；企業流程導向的代理式AI則重視領域知識、流程導向及嵌入工作流程的人機協同。企業應該要思考如何將生成式AI轉換為組織的價值。

•  辨別快任務與慢任務: 明辨企業不同任務類別，各有其不同人機互動需求、資源耗用、數據需求或產出查核的需求，以分辨如何運用AI提升不同工作流程。例如: 簡單明確的任務可以高度自動化，不須過多的人機互動，如: 從Email/PDF轉生成訂單，我們稱為「快任務」。複雜的推理與規劃則需要人們互動並給予正確資料、學習或者謹慎地查核AI回應結果，我們稱為「慢任務」。

• 拉信賴供應商一齊陪跑: MIT報告也發現能夠跨越AI鴻溝的企業認知到與供應商建立夥伴關係才是成功關鍵。以此，建議企業發展嵌入在工作流程的代理式AI，可以與顧問、軟體夥伴一齊檢視流程，設計合適的企業代理式AI。

小結

生成式 AI 不是沒有風險，但也不是單純的泡沫。

MIT 報告提醒我們：要縮小 AI 的「鴻溝」，企業必須：

1️⃣把個人效率轉換成組織價值，

2️⃣投資更接近營運流程的部門，

3️⃣學會區分「快任務」與「慢任務」，

4️⃣擁抱代理 AI 的自動化與協作能力。

換句話說，現在不是「AI 要不要投資」的問題，而是「怎麼投資才會有效」。