4. 95% 的AI試點沒有回報，問題出在哪一層？
年底的成果發表會很熱鬧。客服部展示了自動回覆機器人，採購部展示了合約摘要工具，品保部展示了瑕疵判讀模型。兩年來，這家公司啟動了 12 個 AI 試點，每一個都有漂亮的示範。
輪到財務長發言時，他只說了一句：「我在損益表上找不到它們。」
會議室安靜了幾秒。接著，總經理宣布明年再啟動三個新試點。
如果這個場景讓你覺得熟悉，你並不孤單。問題是：試點做了這麼多，卡住的到底是哪裡？
這不是你們獨有的問題
2025 年 7 月，MIT Media Lab 的 NANDA 計畫發表了《The GenAI Divide: State of AI in Business 2025》。研究團隊在 2025 年上半年，回顧了 300 多個公開揭露的企業 AI 專案，進行了 52 場結構化訪談，並收集了 153 份高階主管的問卷。
他們的結論很刺眼：95% 的企業生成式 AI 試點，沒有帶來可衡量的損益影響。
報告裡還有一組更能說明問題的數字。以企業級的 AI 工具來看，60% 的組織評估過，20% 進入試點，最後只有 5% 進入正式上線。評估到上線，一路漏掉了絕大多數。
更值得注意的是另一個對比：只有約 40% 的公司購買了正式的大型語言模型訂閱，但超過 90% 的公司裡，都有員工固定使用個人的 AI 工具工作。研究者稱為「影子 AI」。
這個對比告訴我們一件事：人其實已經在用了，是組織沒有跟上。
引用這份研究時，有一點要說清楚：報告對「成功」的定義很窄，指的是可衡量的損益影響，樣本也來自研討會與公開資料。95% 不等於「AI 失敗率」。但即使打了折扣，它仍然指出一個普遍的現象：試點陷阱是常態，不是例外。
那麼，卡在哪裡？把三份 MIT 的研究放在一起看，答案不是一個，而是好幾層。
第一層：系統不會學習
NANDA 的研究者稱這個問題為「學習落差」。多數企業導入的工具，不會記得上次的脈絡，不會因為使用者的回饋而改善，也沒有融入既有的工作流程。結果是，員工寫信、整理資料時會用它，但一碰到重要、複雜、需要累積經驗的工作，就回到舊的方式。
這一層主要是技術的問題，也是多數企業最先想到、最願意投資的一層：換更好的模型、找更強的廠商。但如果問題只在這一層，買對工具應該就能解決。現實是，很多企業換了工具，試點還是停在試點。
第二層：制度沒有接住
MIT 資訊系統研究中心（CISR）的 Peter Weill、Stephanie Woerner 與 Ina Sebastian，在 2024 年 12 月發表了《Building Enterprise AI Maturity》。他們以 721 家企業的調查，把企業的 AI 成熟度分為四個階段：
- 實驗與準備
- 建立試點與能力
- 發展 AI 工作方式
- 為 AI 未來就緒
結果顯示一個明顯的分水嶺。停在前兩個階段的企業，營收成長分別落後產業平均 12.6 與 3.5 個百分點；發展出 AI 工作方式的企業，則高出產業平均 11.3 個百分點。也就是說，「試點很多」並不是優勢，財務回報出現在組織學會用 AI 的方式工作之後。
2025 年的更新版指出，要跨過這道門檻，組織要同時處理四個挑戰：策略、系統、同步與治理。其中「同步」指的是讓人、角色與團隊為 AI 做好準備，並重新設計工作。研究者特別提醒兩件事：執行長、資訊長、策略長與人資主管必須共同推動；沒有專責團隊的企業，會一直卡在試點。
需要說明的是，這是相關性的發現，而且階段是由企業自評的 AI 效能來區分。但它說明了第二層的問題：沒有專責的人、沒有價值追蹤、沒有「擴大或停止」的決策點，試點就只能一個接一個地做下去。
第三層：撐起試點的人累了
第三層的證據來自一份更近距離的研究。MIT Sloan 的 Katherine Kellogg、史丹佛的 Arvind Karunakaran 與紐約大學的 Batia Wiesenfeld，花了兩年追蹤兩個組織：一家學術醫學中心，和一家企業法律事務所。兩者都提供了安全的 AI 沙盒與訓練，也都鼓勵員工自行開發全組織可用的 AI 應用。
兩年後，醫學中心有 141 個全組織使用中的 AI 解決方案；法律事務所只有 3 個，而且超過 80% 的專業人員最後退出了創新工作。研究者指出，兩者在 AI 準備度、技術取得與法規限制上沒有實質差異。差別在於，醫學中心把 AI 實驗納入了職責、績效考核與升遷；法律事務所則把它當成額外的熱情。
員工沒有公開反對 AI，他們只是默默地不再參與試錯、審查與修正。Kellogg 的說法是：「這不是導入問題，是持續問題。」
這是兩個個案的比較，而且是尚未經過同儕審查的工作論文，不能推論到所有組織。但它指出了前兩層看不到的地方：試點是靠人撐起來的，而最熱心的人，往往最先被耗盡。
第四層：經營團隊自己
回到開場的場景。財務長說「找不到」之後，經營團隊做的不是檢討舊試點，而是啟動新試點。
這是三份研究都沒有處理的一層。從團體動力的角度看，精神分析學家 Wilfred Bion 描述過一種「配對」的基本假設：團體把希望寄託在下一個即將出現的新事物上，藉此避開現在必須面對的困難決定。新試點永遠充滿希望，因為它還沒有失敗。
關於經營團隊的三種集體逃避，我在〈為什麼試點永遠做不完？〉一文中有完整的分析。這裡只提醒一件事：前三層的問題，都需要經營團隊做決定才能解決。如果經營團隊本身在逃避，其他三層修得再好，也接不起來。
四層診斷：下一次經營會議可以問的問題
四層問題通常同時存在，只是比重不同。下面這組問題，可以幫你判斷自己的組織主要卡在哪一層。
這張表的用途不是評分，而是開啟對話。如果你發現自己只答得出第一層的問題，那很可能就是問題所在：多數企業把 AI 轉型當成技術專案，而真正卡住的，是另外三層。
結語
95% 這個數字可以讓人放心，也可以讓人警覺。放心的是，卡在試點是普遍現象，不代表你們做錯了什麼；警覺的是，CISR 的研究顯示，停在這裡是有成本的，而且落後的差距正在擴大。
AI 轉型的技術那一半，市場上有很多人可以幫你。真正決定試點能不能變成成果的，是另一半：制度有沒有接住、人有沒有撐住、經營團隊有沒有願意做決定。
留給你的問題： 你們上一個結束的試點，是因為成功擴大，還是因為大家不再提起？
延伸閱讀
參考文獻
- MIT NANDA (2025, July). The GenAI Divide: State of AI in Business 2025. MIT Media Lab.
- Weill, P., Woerner, S. L., & Sebastian, I. M. (2024). Building Enterprise AI Maturity. MIT CISR Research Briefing XXIV-12.
- Woerner, S. L., Sebastian, I. M., Weill, P., & Káganer, E. (2025). Grow Enterprise AI Maturity for Bottom-Line Impact. MIT CISR Research Briefing XXV-8.
- Karunakaran, A., Kellogg, K. C., & Wiesenfeld, B. M. (2026). Experimentalist Intensification Governance: Managing Worker Negative Consequences Associated with Generative AI Innovation Work. MIT Sloan Working Paper 7382-26.（工作論文，尚未經同儕審查）
- Bion, W. R. (1961). Experiences in Groups. London: Tavistock.
慧培國際相關服務： 組織動力評估、經營團隊共識營、團體動力顧問
Lead yourself first with authenticity and positivity that other people will choose to follow.Positive Leaders, Positive Organizations.
作者
Edward Cheng 鄭博文
慧培國際管理顧問公司台灣區人才發展總監 / 企業教練/策略引導師
台灣人，具多個行業的豐富人力資源管理經驗， 清大教育與心理諮商學系碩士，現職清大教育與心理諮商學系團體動力講師與慧培國際台灣區人才發展總監。
Edward 過去有將近18年的HR主管經驗，有2/3的時間是跟企業的CEO一起工作，能夠從企業經營的高度來規劃組織的人才發展。協助主管不只是知道還要能夠做到，從系統性的角度完整的規劃與提升主管的關鍵能力以帶來組織的成效。
Edward 擅長於 願景策略會議引導(Vision and Strategies Workshop) 、商業模式引導 (Business Model Workshop)、團隊教練 (Group Coaching)、高管教練(Coaching) 以及教練領導力（Coaching Leadership)。
Email：powen.coach@whitespace-leadership.com Ｍ：0958802653