企業 AI 的勝負關鍵，不只在模型，而在能否真正上線

企業 AI 正在改變顧問與 IT 服務的交付方式：過去常以顧問團隊規模或投入工時計價，如今更重要的是能否把軟體接進客戶的日常流程，並由工程團隊確保系統實際運作。真正有利的業者，未必只是模型供應商或傳統顧問公司，而是能結合可重複使用的平台、深入整合能力，以及可衡量成果的服務商。近期以「前線部署工程師」（forward-deployed engineers，FDE）為核心的合作，也顯示軟體公司與服務業者都看見了企業導入的落差與機會。4

為什麼 AI 試點常進不了正式營運？

展示版可以使用篩選過的資料；正式上線卻必須接通既有系統、遵守資料與使用權限、處理不斷變動的輸入、留下可稽核的決策紀錄，還得配合員工真正的工作方式。專案也需要明確的負責人，以及導入前的基準值，才能判斷究竟節省多少成本、帶來多少營收。

常被引用的「95%」數字，談的是特定研究中未產生可衡量財務回報的情況，不應直接解讀成所有企業 AI 專案都無法上線。6

哪些業者較有機會受惠？

• Palantir：在治理要求高、系統複雜的大型企業部署上，是較具代表性的既有業者。資料顯示，其美國商業營收在 2026 年第一季年增 133%；不過，營收成長本身並不能證明每個客戶專案都達到投資報酬目標。1
• ServiceNow：若 AI 能直接加入企業已在使用的工作流程與訂閱服務，就有機會從既有客戶關係中擴大應用。該公司 2025 年第四季訂閱營收年增 21%。2
• Accenture 等大型系統整合商：具備客戶關係、系統遷移能力與產業專業，能支援大規模部署；但若每個案子都只是再派更多工程師，成長仍受人力限制。Accenture 與 Google Cloud 的合作，便明確結合前線部署工程師和產業經驗。4
• 中型企業市場：較可行的切入點可能不是包山包海，而是預先建好的連接器、少數可複製的產業流程、範圍明確的導入服務，以及後續代管。目前可用資訊不足以指出哪家公司已成為這個市場的確定贏家。

為何監管要求高、舊系統多的企業值得關注？

在受監管產業或大量依賴舊系統的企業，資料整合、安全控制、稽核軌跡與變革管理，都讓部署比聊天機器人試用複雜得多。相對地，這也讓願意對「能運作的系統」負責、而非只交付建議的供應商有了發揮空間。系統遷移與法規申報等工作流程，就是業者正在尋求以成果為導向處理的應用案例。11

平台模式如何改變毛利與轉換成本？

傳統以人力為主的服務，通常需要投入更多可計費工時，才能帶動更多營收。真正的平台則有機會把連接器、治理機制與流程開發成本分攤到多個客戶身上，讓後續部署少做一些客製化工作，提升新增客戶帶來的「增量毛利」。但這只是需要驗證的商業假設，不是把營收稱為「軟體」就自然成立。以 C3 AI 為例，該公司在 2026 年 7 月所屬季度的 GAAP 毛利率為 32%，即使其定位是企業 AI 軟體業者。5

當系統穩定支援重要工作流程，並累積整合設定、權限與營運紀錄，客戶更換供應商的成本可能提高。但企業也應分清楚：這種黏著度究竟來自系統持續創造的營運價值，還是單純被客製程式碼綁住、難以匯出資料。

怎麼分辨真正的平台，還是「包裝成軟體的顧問服務」？

採購或評估時，可要求業者提供幾項具體指標：

1. 試點在 6 個月及 12 個月後仍正式運作的比例，並先說清楚「正式運作」的定義。
2. 對照導入前基準、經獨立查證的客戶成果。
3. 將經常性產品收入與續約率，和一次性的導入費分開呈現。
4. 毛利率是否已計入部署工程師、雲端服務與客戶支援成本。
5. 追蹤每個客戶的導入時間與工程師工時，並比較一連串部署後是否逐步下降。

若平台確實可複製，後續上線理應更快、成本更低，客戶擴大使用時也不必同步增加同等比例的交付人力。反過來說，若每張新合約都得重新組一支客製化團隊，那本質上仍主要是顧問服務，即使帳單上寫著「平台」也一樣。