AI 職場熱潮到咗「計數」時間：73% 高層稱回報失望

這不是 AI 退潮，而是信心測試

G-P 嘅報告並唔代表企業準備放棄 AI。相反，受訪高層全數都話自己有用 AI ^[3]。轉變在於，企業已經過咗「先部署再算」嘅階段，開始要求 AI 對業務成果有交代。

呢個氣氛同上一輪明顯唔同。G-P 2025 年《AI at Work Report》仍然強調加速採用：91% 高層表示正積極擴大 AI 計劃，74% 指 AI 對公司成功至關重要 ^[14]。到 2026 年，AI 仍然普及，但討論焦點已轉向問責、壓力測試同投資回報證明 ^[3]。

其他研究亦指向類似嘅「價值落差」。Boston Consulting Group（BCG）曾指出，60% 公司未能喺大規模 AI 應用中取得實質價值；另外 35% 雖然見到部分回報，但承認推進得未夠遠、未夠快 ^[7]。麥肯錫亦發現，92% 公司計劃未來三年增加 AI 投資，但只有 1% 領袖認為自己公司已成熟到可以將 AI 完全整合入工作流程，並帶來重大業務成果 ^[13]。

AI 可以令一步變快，同時令整條流程變重

AI ROI 令人失望，其中一個原因係：工具可能加快咗某一步，但將成本轉移到之後嘅覆核、修正同風險管理。G-P 指，69% 高層表示員工花更多時間監察、審閱或更新 AI 生成內容 ^[3]。

現實入面，AI 可以好快生成草稿、答案、程式碼或者摘要；但如果之後要由人檢查準確性、重寫語氣、處理錯誤、確認合規，咁節省出嚟嘅時間就未必真係變成淨生產力。

重點係，產出多唔等於效率高。真正要計 ROI，應該計「淨生產力」：AI 慳咗幾多時間，減去人手覆核、改錯、重寫同更新所花嘅時間。Channel Insider 引述 Workday 研究亦有類似觀察：AI 帶來嘅時間節省，可能會被修正錯誤、重寫內容同反覆核對輸出所抵消 ^[11]。

「用咗 AI」不等於「做出價值」

G-P 報告另一個值得留意嘅位，係管理層開始擔心 AI 使用變成一種表面 KPI。調查指，88% 高層擔心員工用 AI 去顯得忙碌，或者只係配合公司對 AI 使用嘅要求，但未有產生有意義成果 ^[3]。當中 47% 表示非常或極度擔心呢種情況已經發生 ^[3]。

呢點對公司量度 AI 成效好重要。如果只睇工具登入次數、prompt 數量、AI 草稿數目，或者員工自報「我有用 AI」，好容易將活動量誤當成價值。呢啲數字可以證明有人用工具，但唔能夠證明工作更好、更快、更安全，或者更賺錢。

人的價值悖論：AI 更普及，判斷力反而更重要

最敏感嘅發現，係 82% 高層表示 AI 令佢哋對人類員工嘅價值評估下降 ^[3]。但同一份報告亦顯示，員工正花更多時間監察、審閱同更新 AI 產出 ^[3]。

呢個矛盾值得企業正視：AI 唔係令人成為多餘，而係令「人點樣介入」變得更關鍵。好多時候，真正令 AI 有用嘅，正正係人嘅判斷、背景知識、風險意識同質量把關。

麥肯錫嘅職場 AI 研究亦主張，公司應聚焦能夠幫員工處理日常工作的實際應用，並將 AI 同可量度成果連接起來，而唔係將 AI 當成一個孤立嘅科技部署項目 ^[13]。

公司應該點樣重新量度 AI 成功？

G-P 呢份報告最實用嘅啟示係：企業唔應該只量度 adoption，而要量度 outcome。更成熟嘅 AI 計分板，至少應包括：

1. **業務影響：**有冇帶來收入增長、成本下降、客戶體驗改善、風險降低，或者更快交付已驗證成果。
2. **淨生產力：**AI 慳返嘅時間，扣除審閱、修正、重寫同更新 AI 產出所花嘅時間。
3. **質量：**錯誤率、升級處理率、合規問題、客戶滿意度，以及 AI 輸出有幾多可以毋須大改就被接受。
4. **流程整合：**AI 係咪嵌入高價值流程，而唔只係多一個員工可以自行開關嘅工具。
5. **人手槓桿：**AI 係咪幫員工做出更好決策、處理更高價值工作，而唔只係增加文件、訊息或草稿數量。
6. **預算問責：**每個 AI 用例係咪有清晰負責人、基準線、成功指標同檢討日期，先再擴大開支。

講白啲，公司要停止只問「員工有冇用 AI」，改為問「AI 有冇改善真正重要、經驗證嘅工作」。

底線：AI 進入交功課年代

G-P 2026 年《AI at Work Report》唔係一個反 AI 故事，而係一個問責故事。同一份調查一方面顯示 AI 使用已經普及，另一方面亦顯示 73% 高層對至少部分 AI 投資感到失望，而接近七成可能會喺目標未達時收縮開支 ^[2][3]。

由於報告建基於高層調查回應，唔應該被解讀成 AI 已被審計證明失敗。不過，佢清楚反映一件事：AI 嘅舉證責任已經轉移。下一階段嘅職場 AI，重點唔再係部署幾多工具，而係能否交出可量度、可信、經人判斷驗證嘅商業價值。

AWS Kiro 更新：AI 寫 Code 前，先用 Requirements Analysis 驗清 Spec

AWS Kiro Requirements Analysis：AI 落手寫 Code 前先驗清需求