企業AI用得愈多，投資報酬為何仍難算清？

企業AI現在最難回答的，往往不是「有沒有人用」，而是「花的錢換來了什麼」。帳號數、使用次數和試點專案數量容易統計；要證明某項工作流程因此變快、品質變好，且收益足以抵過全部成本，門檻高得多。2026年的多項調查凸顯的是成本與成效的衡量缺口，並不能據此斷言AI不會帶來價值。232534

支出看不清，報酬就更難說清

軟體資產管理公司Flexera指出，只有**31%**的受訪組織能準確掌握AI軟體支出；**59%表示，過去一年被浪費的AI支出增加。34 創投公司Battery Ventures調查100名資深科技主管，發現94%表示所屬組織缺乏全公司一致的AI投資報酬率（ROI）評估框架；只有16%**表示，旗下超過一半的AI專案取得正報酬。23

預算數字也反映壓力。Futurum在2026年下半年調查中發現，46.9%的受訪者表示AI實際支出超出原訂預算，支出低於預算的則為5.6%。33 不過，這幾項調查的受訪群體與問題並不相同：看不清支出、認為浪費增加、專案未取得正報酬，以及超支，不能合併成一個所謂的「AI失敗率」。

使用率不是財務成果，治理也不能只靠儀表板

要算一項AI部署是否划算，企業得先記錄導入前的工作表現，再約定要改善什麼——例如服務速度或產出品質——最後把成果與系統運作的完整成本相比。畢馬威（KPMG）指出，即使不少企業已有監測儀表板和審批程序，多數仍無法即時、從頭到尾掌握AI相關營運成本。19

在畢馬威的全球調查中，能完整掌握AI營運成本的組織，回報已確立投資報酬的比例為15%；無法完整掌握成本者則為3%。25 這顯示成本透明度與可證明的報酬有關，但不能證明只要把帳算清，報酬就會出現。

衡量之外，工作方式也要跟著改。美國銀行科技主管提出的AI規模化重點，包括端到端流程改造、成果重複利用、治理與投資報酬。14 同時，科技媒體《CIO》報導的一項調查指出，**61%**的組織在過去兩年曾暫停、延後、縮減或放棄IT現代化計畫；預算轉向AI是報導提及的壓力之一，但不能因此認定每一項延誤都由AI支出造成。18

對能自主執行多步驟任務的「代理式AI」而言，擴大部署時更需要持續釐清成本、商業價值與風險控管。研究機構Gartner在2025年預測，到2027年底，超過**40%**的代理式AI專案可能因成本攀升、價值不明或風險控管不足而被取消。這是對未來的預測，不是2026年已觀察到的取消比例。51

美國銀行：看得見流程進步，仍須分清估計與實績

美國銀行表示，約20萬名員工可使用內部AI工具；在約1.9萬至2萬名開發人員之中，程式開發生產力提高約15%至20%。34 與「多少人能使用」相比，這種針對特定工作的數據，更接近可檢驗的效益。該行也估計，相關投入成本約4億美元、效益約8億美元；但這些是管理層的估算，並非每一個應用案例都已經過獨立驗證、確定回本。2 該行共同總裁也指出，目前最容易明確辨認的成果，仍集中在程式開發等科技工作。1

對企業來說，較務實的做法是讓每項部署都有負責人，記錄流程導入前後的表現，完整歸集成本，並檢查品質與風險。只有當效益扣除相關成本後仍站得住腳，才進一步擴大應用；不要把使用量上升，直接當成投資報酬。192325