.png)
生成式 AI 席捲全球已近三年，卻有一份來自麻省理工學院（MIT）的最新研究，澆了企業界一大桶冷水。根據《GenAI Divide: Stateof AI in Business 2025》報告，高達95% 的企業在生成式 AI 投資上沒有得到實質回報，僅有 5% 能帶來顯著的營收成長。
在全球企業爭相擁抱生成式 AI 的浪潮中，一份來自麻省理工學院（MIT）的最新報告卻投下震撼彈，當眾人仍在追逐模型效能與應用花樣時，研究卻直指問題的癥結並非演算法，而是企業知識管理與流程整合的斷層。
大多數企業投入的時間、人力與資金，最後幾乎等於「零收穫」。報告直指關鍵：問題並非模型效能不足，而是「企業知識管理與流程整合不到位」，這才是真正導致 AI 成敗分野的核心原因。
AI 並非「裝上去就能生效」的外掛，而需要建立在組織的知識中樞之上，否則再華麗的工具也可能淪為昂貴的展示品。
MIT 團隊訪談了 150 位企業主管、350位員工，並分析超過 300 個公開的 AI 專案，歸納出一個明確趨勢：大部分企業把 AI 預算花在錯誤的地方。
數據顯示，超過一半的企業將生成式AI 預算投向行銷與銷售，期待透過自動化簡報撰寫、廣告投放或客服回覆，快速拉升業績，這些應用雖然短期能帶來「炫技」效果，但往往無法持久。
真正能創造穩定 ROI 的，其實是那些看似「不華麗」卻能直接降低成本的後台應用：
• 文件自動分類與歸檔
• 內部流程自動化（報表、合約審核、稽核流程）
• 客服標準問題自動處理
這些場景能顯著減少外包費用、降低人工成本，讓組織更精簡高效，而報告更指出，部分企業在這些領域取得突破後，平均營運成本下降 20% 以上。
另一個讓企業誤判的，是「自己做，還是找專業」，MIT 的研究揭露：
• 與專業供應商合作導入 AI → 成功率 67%
• 完全由企業內部自研 → 成功率僅 33%
找對合作夥伴，成功機率幾乎翻倍，這一點在台灣尤其值得注意，許多企業選擇「自己摸索」，但往往忽略了AI專案不只涉及模型，還需要數據治理、法遵合規、跨部門知識整合等工程。
當企業僅靠資訊部門單兵作戰，導入初期也許能展示效果，但缺乏後續維運，最終往往成為「一次性專案」，很快被邊緣化。
憑藉著過去許多AI與大型語言模型導入經驗，未來巢科技董事長許旭安分析指出：「台灣許多企業買了強大的 AI 工具，卻因選錯題目/缺乏良好資料治理/疏忽開源應用導入問題等等，導致 AI 停留在展示，而沒辦法轉化成生產力。」
在金融業案例中更是如此。過去，某大型金融機構在進行合規查核時，員工必須翻閱數十份文件、逐條比對條款，一份報告往往耗時數日，導入 AI 知識管理平台後，系統能即時檢索並標註相關規範，員工只需專注在判斷與決策：
• 合規查詢時間縮短50%
• 部門處理案件數量翻倍
• 內部審核速度顯著提升
這些成果正呼應了 MIT 的發現：真正能帶來 ROI 的，不是前台應用，而是後台流程自動化與知識整合。
MIT 報告點出核心：生成式AI在企業裡「雷聲大、雨點小」，關鍵不在模型，而在AI 沒有與企業知識系統連結。
常見的失敗模式包括：
1. 初期炫技，後期閒置：能展示炫目的 Demo，但因無法持續更新知識，很快淪為裝飾。
2. 答案缺乏可追溯性：高層無法信任，因而不敢拿來做決策。
3. 部門各自為政：不同單位獨立使用 AI，反而造成資訊斷層與決策混亂。
未來巢科技董事長許旭安強調：「企業要從『零回報』走向『高成長』，必須先解決知識流動與管理問題，只有當 AI 能真正讀懂並持續吸收企業的專業知識，它才能成為決策引擎，而不是一次性的展示工具。」
生成式 AI 的價值，並非取決於模型本身，而在於它是否能持續學習、連結知識、支援決策。
MIT 報告給企業的警示是：
1. 不要把錢全砸在前台炫技
2. 不要低估知識管理的重要性
3. 不要單打獨鬥忽視合作
台灣企業若想走出「95% 零回報」的困境，唯有將 AI 定位為知識中樞，而不是外掛工具，唯有如此，AI 才能真正從 Demo走向生產力，成為推動企業轉型的長期引擎。