AI不再只看導入率：G-P報告稱73%高層認為投資回報未達預期

問題不在「有沒有用」，而在「用得有沒有價值」

G-P的數據並沒有顯示企業正在集體遠離AI。相反地，所有受訪高層都說自己正在使用AI^[3]。真正的變化在於，管理層從導入熱潮轉向績效壓力：AI不能只被當作創新標籤，必須證明它能帶來可衡量的成果。

這和上一輪「先擴大再說」的氣氛形成對比。G-P的《2025 AI at Work Report》曾強調加速採用：91%高層正在積極擴大AI計畫，74%認為AI對公司成功至關重要^[14]。到了2026年，AI依然廣泛存在，但敘事已轉向問責、壓力測試與ROI證明^[3]。

其他研究也指向類似的「價值落差」。Boston Consulting Group指出，60%的公司尚未從大規模AI應用中取得實質價值，另有35%雖然看到一些回報，但承認推進得不夠深或不夠快^[7]。McKinsey也發現，92%的公司計畫在未來三年增加AI投資，但只有1%的領導者認為自己的組織已成熟到能讓AI完全整合進工作流程並推動重大商業成果^[13]。

隱性成本：AI可以讓某一步變快，也讓整體工作變重

AI ROI令人失望的一個原因，是某個環節的速度提升，可能在另一個環節變成驗證成本。G-P指出，69%高層表示員工正花更多時間監督、審查或更新AI生成的工作成果^[3]。也就是說，工具可以很快產生草稿、答案、程式碼或摘要，但接下來仍需要人來確認正確性、改寫內容、處理風險、修補錯誤。

這點很關鍵，因為「產出變多」不等於「淨生產力提高」。如果AI讓團隊生成更多材料，卻同時增加審稿、校對與返工，真正回報就不能只看自動化那一步，而要看整條工作流程。Channel Insider引述Workday研究也有相近觀察：AI節省的時間，可能被修正錯誤、重寫內容與再次檢查輸出等返工抵消^[11]。

「看起來很會用AI」不等於創造價值

報告中的另一個管理風險比較微妙，卻很值得企業警惕：AI使用量可能被誤認為生產力。G-P調查顯示，88%高層擔心員工使用AI只是為了顯得有效率，或是遵守公司對AI使用的要求，卻沒有產生有意義的成果^[3]。另有47%非常或極度擔心這種情況已經在發生^[3]。

因此，如果企業只用工具登入次數、提示詞數量、AI生成草稿數，或員工自述「我有用AI」來衡量成功，可能會看錯方向。這些數字能證明活動量，卻不能證明工作變得更好、更快、更安全或更賺錢。

人類員工的悖論：被低估，卻仍是AI成功關鍵

最敏感的勞動力訊號，是82%高層表示AI降低了他們對人類員工價值的評估^[3]。這個數字之所以刺眼，是因為同一份報告也指出，員工仍被要求大量監督、審查與更新AI生成內容^[3]。

這並不代表人變得不重要；相反地，它提醒企業可能正在低估「讓AI變得有用」所需的人類判斷。McKinsey的職場AI研究也主張，隨著炒作退潮，公司應更聚焦於能支援員工日常工作的實際應用，並把AI與可衡量成果連結，而不是只把它當成一項技術導入專案^[13]。

企業該重新設計AI成效指標

G-P的發現指向一個務實結論：AI成功不能只用採用率衡量。更有用的AI評分表，至少應包括以下幾類：

1. **商業影響：**是否帶來營收貢獻、成本下降、客戶體驗改善、風險降低，或更快交付經驗證的成果。
2. **淨生產力：**節省的時間，扣除審查、修正、重寫與更新AI輸出的時間。
3. **品質：**錯誤率、升級處理率、合規問題、客戶滿意度，以及不需大幅返工即可採用的AI輸出比例。
4. **流程整合：**AI是否嵌入高價值流程，而不是只多了一個可用工具。
5. **人力槓桿：**AI是否幫助員工作出更好決策、完成更有價值的工作，而不只是增加產出數量。
6. **預算問責：**每個AI用例在擴大支出前，是否有明確負責人、基準線、成功指標與檢討時間。

換句話說，企業要少問「員工有沒有用AI」，多問「AI是否改善了那些真正重要、可驗證的工作」。

結語：AI進入算帳期

G-P的《2026 AI at Work Report》不是反AI的報告，而是AI問責期的訊號。同一份調查一方面顯示AI使用已全面普及，另一方面也顯示73%高層對至少部分AI投資感到失望，且近7成高層若目標未達成，可能縮減支出^[2][3]。

由於這份報告來自高層問卷回應，不應被解讀為AI已失敗的審計證明。但它揭示了一個重要轉折：AI在職場的下一階段，重點不再是部署多少工具，而是能否交出可衡量、可信任、並經人類驗證的商業價值。

Meta 把 AI 帶進 Threads：Muse Spark 上線、@meta.ai 測試與「不能封鎖」爭議

Meta Muse Spark 擴張到 Threads：@meta.ai 測試為何引發反彈