AI用得愈多，點解公司未見賺多？關鍵可能在工作流程

一名員工用AI快咗完成工作，唔代表公司即時慳到錢、增加收入，或者提升盈利。呢個分別，正好說明麥肯錫2026年調查所見的落差：80%受訪者表示AI提升咗個人工作效率，但只有37%受訪者將至少部分息稅前利潤（EBIT）影響歸因於AI。約6%受訪者符合麥肯錫的「AI高績效」定義，即認為AI為EBIT帶來至少5%的貢獻，並形容影響顯著。要留意，這些是受訪者的歸因和回報，並唔能夠證明某一種做法必然帶來財務回報。68

點解個人快咗，未必等於公司賺多咗？

一項工作快咗，只係整個業務流程其中一環。如果審批、交接、系統和決策權限都冇改變，省下來的時間未必能減低成本或帶來更多收入。麥肯錫2026年調查顯示，較佳的AI表現與工作流程重整有關；早前的研究亦發現，在所檢視的因素之中，流程重整與EBIT影響的關聯最強。不過，關聯並不等於因果，不能單憑這些調查斷定重整流程就一定會帶來盈利。514

衡量成效時亦要分清楚：有幾多人用工具、用了幾多次、節省了幾多時間，可以反映AI有冇被採用，但單靠這些數字，睇唔出公司有冇多賺或少花。個人效率與EBIT影響之間的落差，正正說明企業要同時追蹤兩者。68

由試點走向業務成效，可以點做？

先定清楚要解決的業務問題

選一個有明確負責人的流程，先講清楚要解決甚麼問題，以及想測試甚麼結果。例如降低某項服務流程的成本，或者提高轉換率。目標要配合業務需要，而唔係單純計算AI使用量。改動流程之前，先記錄現況作基準，之後才有得比較。

初期範圍亦要控制得夠聚焦，方便評估AI在哪些環節有幫助、哪些情況仍需人手介入，以及值唔值得擴大應用。

將數據質素和責任人一併納入計劃

DMEXCO 2026一場零售與電商相關的專題分享提到，供應商交來的商品資料格式各異，標籤可能不一致，資料亦可能缺漏。若果沒有共通標準，問題就會一路傳到商品資料流，最後要靠人手逐項修正。25

要清楚指定誰人負責數據質素、業務成果，以及何時需要覆核AI輸出。對電商而言，當消費者透過AI助理、社交平台和網上交易平台發現商品時，商品資料保持一致、完整同樣重要；適用時，價格亦要準確。273334

重整整個流程，唔好只加一個AI工具

由頭到尾檢視工作點樣進行：資料由邊度進入、AI負責甚麼、邊度需要審批，以及最後由誰人跟進結果。合適的話，可以刪減或調整不必要的交接；但涉及判斷、例外情況或業務風險的決定，仍然要有人負責。

重點係重新設計工作點樣完成，而唔係將新工具加落舊流程就算。麥肯錫研究發現，流程重整與較強的已報告財務影響相關；但2026年調查並無證明，單靠重整流程就能帶來這些回報。514

用業務和財務指標衡量結果

追蹤改動有冇影響收入、成本、利潤率或EBIT，而唔只係看採用人數、產出量或節省時間。評估時亦要計入導入成本和人手覆核成本，並與改動前的基準比較。咁樣先可以測試，個人效率提升有冇真正反映到公司的財務結果。

重點：由「有人用」走到「業務有改善」

調查並無提供一條保證AI回報的公式，但提醒企業：採用率和個人效率都不足以單獨衡量成效。受訪者表示個人效率改善的比例，遠高於表示AI帶來正面EBIT影響的比例。企業可以從聚焦的應用場景出發，配合可靠數據、明確責任、流程重整和財務衡量，同時由人負責領導、判斷和把關。6814