公司投資 AI 的經費，像是白白投進水裡？麥肯錫報告揭「生成式 AI 悖論」
你的公司是否也投入了大量的資源在生成式 AI，但卻始終看不到對營收的具體貢獻？其實你並不孤單。
根據全球顧問公司麥肯錫（McKinsey & Company）的報告，超過 78% 的企業表示已在某種形式上導入生成式 AI，但不到 1% 認為其策略已進入成熟階段；且有超過 80% 的企業表示，生成式 AI 專案尚未對營收產生實質影響。這種「投資 AI，卻看不到成效」的現象，稱為「 生成式 AI 悖論 」（暫譯，原文為 Gen AI paradox）。
生成式 AI 為何無法轉化為績效？6 大瓶頸讓企業卡關
為何企業紛紛投資 AI，卻看不太到成果？
麥肯錫報告指出，許多企業傾向部署便於上手、具即時回饋效益的「水平應用」（horizontal use cases），如提供個人協助的生成式 AI 工具。這些應用雖能提升工作效率，卻因成效分散，較難對整體財務表現產生具體貢獻。
相較之下，針對特定業務流程的垂直應用（vertical use cases），如供應鏈優化、風險分析等，這類專案具備高價值潛力，但因開發難度與流程重構需求較高，常見仍停留在試點階段，無法順利擴展。
麥肯錫進一步指出，導致這些高潛力 AI 專案難以規模化推進的關鍵，在於下列 6 大瓶頸：
1. 缺乏高層推動與策略整合
許多 AI 應用來自基層單位的實驗性部署，並未與業務目標或領導階層的支持對齊，缺乏明確推動力與資源分配。
2. 客製化開發資源與門檻過高
企業往往缺乏開發「客製化垂直應用工具」所需的技術能力，難以將生成式 AI 嵌入核心系統與流程。
3. 大型語言模型的技術限制
現有大型語言模型並非天生具備代理特性，缺乏記憶、規畫與自主執行能力，在複雜工作流程中的使用有限。
4. AI 團隊與業務部門間缺乏協作
AI 團隊與業務部門之間常存在溝通與目標落差，導致開發方向偏離實際需求，成效無法落地。
5. 資料品質與可用性不足
高效能代理式 AI 仰賴高品質與即時的資料來源，但多數企業在資料完整性與整合上仍面臨挑戰。
6. 組織文化與人員對新技術的抗拒
企業內部對 AI 的信任與接納度參差不齊，常見員工對技術取代的不安與抗拒，成為無形的落地阻力。
麥肯錫建議：讓「代理式 AI」與員工協作，解放 AI 產值
麥肯錫指出，企業若希望真正釋放生成式 AI 的潛力，應從生成式 AI 助理邁向「代理式 AI」（Agentic AI），使其從被動輔助進化為主動執行者。
「代理式 AI」指的是由多個模組構成的複合系統，包含大型語言模型、記憶體模組、規畫機制以及工具與 API 整合介面，具備拆解任務、制定計畫與自主執行的能力，能從理解使用者意圖出發，完成多步驟任務。
麥肯錫認為，企業可將代理式 AI 系統作為「協作者」，透過多步推理與即時回饋來自主執行任務，也能與人類同事形成互補協作，進一步整合進企業核心流程之中。
案例：代理式 AI 如何落地？
在實務層面，麥肯錫報告收錄多個真實案例，展示代理式 AI 如何在銀行、零售與客服等不同領域落地並創造具體效益。
例如某大型銀行運用由多個 AI 代理組成的團隊來進行程式開發、審查與整合等流程，原本需要大量人力投入的作業，如今由 AI 自主執行，工程師則轉為監督與驗證的角色。這種應用方式，讓導入 AI 所需要的時間與精力降低超過 50%。
另一家零售銀行則導入代理式 AI 生成信貸風險備忘錄草稿，交由人員審閱與補充，提升 20–60% 的生產力，同時將決策速度加快 30%。
在客服領域，若能從流程設計階段即納入代理式 AI，麥肯錫估算高達 80% 的一線查詢可由 AI 自動處理，讓人力可集中於更複雜或具價值的服務情境上。
技術不是最大難題！報告點出導入代理式 AI 的 3 大風險
麥肯錫指出，導入代理式 AI 所面臨的最大障礙，不在技術本身，而在於組織與人的挑戰。
具體而言，企業需要面對 3 大挑戰：
一是「人機協作的模糊地帶」，如何明確界定人與 AI 的責任歸屬與授權邊界，並建立信任。
二是「自主性的控管難題」，企業需建立治理機制，在賦予代理自主行動能力的同時，確保其行為仍可被監控與調節。
三是「代理氾濫與系統碎片化的風險」，若各部門未經協調地部署代理式工具，將可能出現重複開發、系統不一致，甚至引發新的「影子 IT」問題 —— 也就是 IT 部門無法監控的技術資源與流程，容易產生安全漏洞與治理盲點。
結束實驗、主導轉型！麥肯錫給 CEO 的 3 項行動步驟
麥肯錫強調，現在是執行長必須親自領導、結束 AI 實驗階段的時刻。
行動一：結束實驗，重新聚焦 AI 投資方向。 全面盤點現有專案，淘汰無法擴展的試點計畫，集中資源投入能帶來實質影響的核心流程改造。
行動二：重塑 AI 治理與營運模式。 成立由業務、人資、資訊與科技負責人共同組成的跨部門委員會，統一協調戰略優先順序與績效，確保 AI 投資與業務成果緊密連結。
行動三：啟動具代表性的轉型專案，並同步建構技術底座 。在 1 至 2 個關鍵業務領域率先導入由代理式 AI 驅動的轉型計畫，同時投入資源建構「代理式 AI 網格」（Agentic AI Mesh）等核心基礎設施。
資料來源：McKinsey；本文初稿由 AI 協助整理，編輯：支琬清
延伸閱讀
AI agent 來了！未來白領的戰場不在「懂多少」，而是能否管好它
數位轉型只是 IT 的事？讓 AI 成為組織的共同語言，資訊部門不再孤軍奮戰
加入《經理人》LINE好友，每天學習商管新知