多個主要研究來源都證實了鉅額 AI 投資與可衡量的商業成果之間存在日益擴大的鴻溝:
高盛(Goldman Sachs,2026 年 8 月): 策略師 Ben Snider 報告指出,AI 支出急遽攀升,但對大多數公司而言,這項技術尚未對獲利產生實質性改善。僅有 2% 的標普 500 公司量化了 AI 對其獲利的影響,且大多數公司回報幾乎沒有或沒有立即效益 。分析師 Jessica Rindels 估計,美國 2026 年的 AI 投資總額將達近 6000 億美元,相當於 GDP 的近 2%,但能與之匹配的經濟收益證據仍然薄弱
。
高盛(Goldman Sachs,2026 年 5 月): 分析師 Jim Covello 指出,大多數企業尚未從其 AI 支出中獲得任何回報,並引用一項 MIT 的研究,該研究發現 95% 的企業 AI 試點專案未產生可衡量的損益影響 。Covello 認為,AI 的經濟效益「比兩年前更令人質疑」
。
高盛(Goldman Sachs,2026 年 7 月): 經濟學家 Jan Hatzius 與分析師 David Peng 提出現實檢驗:AI 的普及及其生產力回報可能需要遠比市場預期更長的時間。他們的分析顯示,生產力影響遵循一條 J 曲線:前四年會帶來溫和的拖累,八年後才會出現統計上顯著的增長,並在第 12 年達到約 0.6 個百分點的峰值影響。若將 ChatGPT 在 2022 年的問世類比為 PC 在 1981 年的登場,那麼回報的到來仍需數年 。
超大規模雲端業者的現金流風險: 高盛警告,四大雲端供應商(亞馬遜、Alphabet/Google、微軟、Meta)集體有望將 超過其全部營運現金流 的資金投入 AI 基礎設施,而目前尚無經證實的企業 ROI 能證明這筆鉅額支出的合理性 。這四家公司 2026 年的合併資本支出預計約為 6500 億美元
。
所有主要分析都一致發現,AI 專案的失敗是組織與策略層面的問題,而非技術問題。模型本身幾乎從不出錯,但商業論證、資料基礎與成本控制卻會失敗。
Gartner 指出了推動其預測的三種主要失敗模式:成本飆升且 ROI 模式不明、商業價值不明確、以及風險控管不足 。正如一位 Gartner 分析師所言:「目前大多數的 AI 代理專案都只是早期實驗或概念驗證,主要由炒作驅動,而且常常被誤用」
。
Gartner、高盛、麥肯錫、MIT 和紅杉資本的研究模式一致:AI 支出處於歷史高點,但絕大多數組織仍無法證明這筆支出能帶來 可衡量的、對損益有直接影響的回報。許多組織已經在縮減規模,或無法讓專案越過試點階段。
對於投資 AI 的組織而言,這些研究指出了明確的前進方向:找出一個具有可衡量成本或品質影響的特定營運瓶頸,針對該特定問題建立 AI 解決方案,嚴格衡量實施前後的影響,然後只擴展有效的部分 。那些從第一天起就未能建立明確 ROI 指標的專案,將很難在即將到來的「AI 現實檢驗」中存續。