AI績效研究：從AI到ROI，聚焦成長

主要發現

• 企業競相擁抱生成式AI，導入專案遍地開花，然而據《2026全球暨臺灣企業領袖調查》發現，過去一年，42%全球與54%臺灣企業領袖表示，尚未看見AI帶來實質財務成效，能透過AI節省成本又增加營收的企業，全球與臺灣均僅有一成。
• 為了釐清造成落差的原因，PwC在2025年7月至9月向1,217位高階主管進行調查，涵蓋全球25個產業，包括30位臺灣受訪者，受訪者主要來自上市公司（91%）、年營收10億美元以上者（76%）。這份調查的題目有兩大核心：第一，企業是否真的從AI獲得可量化的財務報酬？第二，表現好的企業做對了什麼？
• 調查結果令人警醒：AI創造的價值，高度集中於前20%的「AI領先者」（AI Leaders），這些企業拿走超過七成（74%）由AI驅動的報酬。多數企業使用AI，尚未轉化為可衡量的財務成果。

• 為了找出「AI領先者」的共同特徵，PwC研究團隊透過60項指標，歸納為九大要素，分屬兩大範疇，形成「AI成熟度指數」（AI Fitness Index），系統性分析企業從AI投資到績效轉化的能力結構。
• AI成熟度的核心概念在於，不能僅端看基礎能力或應用能力，而是兩者的加乘與交互作用－基礎能力越好，越能放大應用能力帶來的報酬。基礎紮實的企業，應用AI提升財務績效的幅度，是基礎較弱者的兩倍。基礎能力扮演「轉換率」的角色：更完善的資料與平台會縮短部署時間，重新設計工作流程與員工對AI的信任，將推升AI的使用率，更高的使用率又會回饋更豐富的資料，形成正向循環。反之，基礎較薄弱的企業即使AI導入專案再多，也難以轉換為具體成果。
• 因此，這份報告分析AI成熟度的組成，協助企業診斷自身的基礎能力、應用能力，找出可優先強化的部分，讓每一分AI投資都能產生更高的報酬。

• PwC以「AI所驅動的績效」作為衡量基準，亦即AI所增加的營收，加上AI所增加的效率與成本降低，分別與所屬產業的中位數進行比較。「AI成熟度分數」位在前20%的企業，定義為「AI領先者」，這群企業因AI所驅動的績效平均分數為15.7，而其餘80%企業平均分數為2.2，差距達7.2倍。
• 利用AI追求成長與重塑，而非只追求效率：
  領先者將AI視為驅動重塑的引擎，協助其開創新商業模式、進入新市場。領先者認為AI已提升商業模式重塑能力的比例，是其他企業的2.6倍；認為AI對尋找新商機有幫助的比例，是其他企業的1.8倍；認為AI有助於跨產業合作的比例，是其他企業的2至3倍。在所有成熟度指標中，透過AI掌握跨產業的成長機會，對財務績效最有正面影響。領先者以嚴謹的管理支撐成長藍圖，系統性追蹤AI成效的比例，高出其他企業八成，並讓高階主管為AI成果負責。
• 瞄準高價值目標，精準打造AI基礎能力：
  領先者投資AI占其營收的比例，是其他企業的2.5倍，尤其是軟體業、銀行業、媒體與娛樂業投資金額最多，約達年營收的5%。領先者不僅投資金額較多，也投資精準－將財務資源與人力資源靈活調配至高價值專案的比例，是其他企業的1.3倍。推動AI規模化的過程中，最大挑戰之一來自於資料品質、技術整合與反覆重建相同元件的成本，領先者建立可重複使用、AI元件集中管理的比例，是其他企業的2.4倍，讓同仁可直接取用現成元件，而非一直重新打造，同時，領先者提供高品質資料的比例，是其他企業的1.7倍。

• 然而，要提升AI採用率，最重要的是培養員工的信任。AI領先者因員工信任AI所產出的成果，並在日常工作中採用，是其他企業的2.1倍。建立信任不是單一方案，而是一套系統，由三個要素構成：
  • 參與感－跨部門協作，使業務需求對齊AI解決方案設計。領先者提供誘因促使員工嘗試AI，從中激發可規模化且符合企業優先方向的構想；
  • 技能培養－有效的技能提升，是教會員工如何在日常工作中實際運用AI；
  • 安全感－在領先企業中，員工擁有依其職能設定的資料與存取控管、完善且即時更新的資料、模型與基礎架構安全防護的比例更高。
• 大規模複製有效方案，提升AI自主：
  將AI滲透到企業各角落的有效方法，並非大家各自試行，而是沿著三個面向展開：
  • 廣度－領先者將經過驗證後有效的AI方案，複製至企業完整的價值鏈，橫跨營運功能、地理區域，大約是其他企業的2倍；
  • 深度－將AI嵌入核心工作流程與系統，從端到端重新設計流程，而非將既有流程加掛AI工具；
  • 自主化－逐步提升AI的自主程度，從輔助草擬走向自動化決策。有適當控管措施下，領先者運用AI自主行動的比例，大約是其他企業的2倍；無人工介入進行決策的比例，是其他企業的2.8倍，同時還有更高的決策品質。

行動一：盤點自身AI成熟度，優先補足弱項

• 對臺灣企業而言，對照九大要素盤點自身表現，從與領先者差距最大的弱項著手，是當務之急。
• 在所有基礎能力中，「治理與風險」是最弱的領域，而「資料與技術」也有顯著落後。基礎薄弱的情況下，即使導入AI，也難以轉化為可見的成果。研究發現，基礎能力能提升AI導入到結果的「轉換率」。在治理面，從建立制度著手，包括制度化的負責任AI架構、跨部門治理委員會，依角色設定權限並控管AI存取。在資料與技術面，優先建立高品質的資料庫，以利於同仁與AI工具取用，建立可重複使用的AI元件，減少重新開發的時間。

行動二：從最有利可圖之處開始

• 臺灣企業與領先者差距最大之處，是運用AI重塑價值鏈或商業模式，從削減成本轉為創造收入，以及與本業以外的企業合作－透過跨業合作掌握新商機，正是AI驅動財務績效最強的要素。具體做法可將AI的各項投資，視為投資組合，由高階主管領導，以AI預測價值移動的方向，決定資源投入的藍圖，設定負責人與績效衡量機制，定期檢視進展以調整專案優先順序。

行動三：將AI深植於企業

• 臺灣企業在AI應用的廣度與深度，落後領先者1.6倍，尤其是AI提升決策品質，臺灣企業（17%）與AI領先者（64%）的差距達3.76倍。運用AI達到自動化決策，可從高頻率、可重複、可量化與中低風險程度的決策開始，在明確的防護機制內部署自動化，監測決策品質，唯有在可靠度與信任門檻達標後，才進行擴展。