美企AI投資效益未彰顯 報告點出工具過多難整合
美國企業導入AI工具為何效益不彰？
根據一份最新報告，美國企業導入大量人工智慧（AI）工具後，卻因平均擁有高達183種工具且85%的企業缺乏系統連結，導致AI投資效益不如預期。報告指出，94%的受訪企業高階主管認為，有效編排與整合AI工具對實現成長至關重要，且85%認為AI投資應帶來可衡量的具體績效。工具過度增殖已造成策略執行停滯，並有三分之二的組織發現重複投資。文化和結構性因素，如孤立心態、分散數據及缺乏集中操作層，是造成AI編排困難的主要原因。
根據一份最新報告，美國企業雖然投入大量資源導入人工智慧（AI）工具，卻未能有效將這些投資轉化為顯著的企業績效提升。報告指出，企業平均擁有高達 183 種 AI 工具，然而其中有 85% 的企業缺乏系統來連結這些工具，導致 AI 投資的投資回報率（ROI，衡量投入的成本能帶來多少利潤）不如預期。
這份由道瓊斯公司（WSJ Intelligence）與 Code and Theory 合作進行的研究，調查了美國 801 位年營收至少 5 億美元的企業高階主管。調查結果顯示，94% 的受訪者認為，要實現成長，更好地編排與整合 AI 工具至關重要。有高達 85% 的高階主管認為，AI 投資現在必須帶來可衡量的具體績效（例如營運效率提升、客戶滿意度增加、市場競爭力強化等）。
Code and Theory 共同創辦人 Dan Gardner 表示，企業目前所經歷的與 AI 早期承諾有所不同，AI 尚未證明其能自主實現價值。他強調，企業難以有效串聯人員、系統與數據，而這正是因為缺乏一個「編排層」（orchestration layer）。他認為，一旦這個編排層到位，AI 的機會將從單一效率提升擴展到釋放整個業務的價值。
報告進一步揭露，工具過度增殖已導致策略執行停滯不前，且三分之二的組織經常發現重複的 AI 投資。在 AI 編排的責任歸屬方面，有四分之一的公司承認沒有明確的負責人，42% 的執行長（CEO）認為自己負責，而 57% 的技術主管也抱持相同看法，顯示出權責劃分模糊。導致 AI 編排困難的障礙主要來自於文化和結構性因素，而非技術層面。其中，孤立的心態與企業文化（61%）、分散的數據與不相容的數據模型（58%），以及缺乏集中操作層（56%）是三大主因。
報告中提到的「編排層」是什麼意思？
「編排層」是指一個能夠有效串聯人員、系統與數據的整合性架構。一旦這個編排層到位，AI的價值將從單純的效率提升，擴展到釋放整個業務的潛力。
AI投資效益不彰的主要障礙是什麼？
造成AI投資效益不彰的主要障礙並非技術層面，而是文化和結構性因素。這包括孤立的心態與企業文化、分散且不相容的數據與模型，以及缺乏一個集中的操作層來統一管理。
有多少美國企業認為AI投資應帶來具體績效？
有高達85%的美國企業高階主管認為，AI投資現在必須帶來可衡量的具體績效，例如營運效率的提升、客戶滿意度的增加，或是市場競爭力的強化等。
