AI 的投資報酬怎麼算？你的每份薪水就是答案

本文整理自 AI Applied Podcast 2026 年 5 月播出的單集。

---

一篇 Time 文章戳中了 AI 投資的痛點

微軟企業副總裁 Katy George 在 5 月中旬的 Time 發表了一篇評論，標題開門見山：「What Leaders Get Wrong About the ROI of AI」。George 的背景值得一提：她在麥肯錫（McKinsey）待了超過 25 年，最後做到首席人資長，之後轉到微軟負責員工轉型（Workforce Transformation），有哈佛商業經濟學博士學位。所以她看 AI 投報率這件事，不是從技術出發，而是從「人怎麼工作」出發。她的核心論點很直接：多數企業把 AI 當成一套軟體系統，裝上去就期待報表自動好看。但 AI 的回報不是這樣運作的。真正該關注的不是 AI 做了什麼動作，而是 AI 有沒有改變組織整體的運作方式。每一個 AI 專案都應該錨定一個明確的業務優先項，可能是每位業務員的營收、客戶留存率、產品開發速度。如果你衡量的指標跟這些業務目標脫鉤，那你量到的只是 AI 的活動量，不是它的價值。

AI Mindset 創辦人暨執行長 Conor Grennan 在 AI Applied Podcast 上討論這篇文章時，說他完全同意 George 的判斷。Grennan 在創辦 AI Mindset 之前，曾在紐約大學史登商學院（NYU Stern）擔任首席 AI 架構師長達 12 年。現在他的公司專門做企業級 AI 培訓，客戶涵蓋 Walmart、JP Morgan 等大型組織，每次導入規模動輒兩三萬人。他說每個客戶問的第一個問題都一樣：怎麼衡量 ROI？問題聽起來完全合理，但 Grennan 認為問法本身就藏著陷阱，因為它預設了 AI 是一個「可以獨立衡量效益」的東西，就像換一套新的 CRM 可以直接比較前後差異。AI 不是那種東西。為了幫企業主管跳脫這個思維慣性，他花了不少時間發展出兩個思考框架，分別從「個人價值」和「創新層次」兩個角度切入。

每份薪資都是一張 ROI 賭注

Grennan 的第一個框架，概念很直覺但啟示很大：企業其實每天都在做 ROI 決策，只是很少有人用這個角度去想。每次你付一個人年薪 20 萬美元，你就是在賭這個人能為組織創造超過 20 萬美元的價值。有些人帶回 10 倍回報，有些人勉強打平，只有 1 到 2 倍。差異不在職位描述或學歷背景，而在這個人怎麼思考、怎麼安排優先順序、怎麼在關鍵時刻做出判斷。同樣的角色、同樣的薪資，兩個人可以產出天差地別的結果。這不是什麼新概念，每個主管心裡都有數，只是很少有人把它跟 AI 投資報酬聯繫在一起。

但如果你用這個角度看，AI 的角色就清楚了：它是一個「薪資報酬放大器」。既然 AI 的本質是增強人的思考和工作方式，那它真正在做的事，就是把你已經押在每份薪資上的賭注拉高。一個本來只能交出 2 倍回報的人，透過 AI 提升了思考品質、決策速度和工作產出，有可能拉到 5 倍、甚至 10 倍。這不是在技術報表上多加一行數字，而是讓你既有的「人力投資」產生更大的複利效果。用這個框架去衡量 AI，你不需要精確計算 AI 省了幾個小時或生成了幾份報告。你只需要觀察一件事：團隊的 KPI 有沒有在往上走？如果有，不管是因為 AI 還是因為其他原因，價值就在那裡。Grennan 用了一個很實在的比方：「我不在乎一個人是開車十分鐘來上班，還是走了兩小時。他有出現就好。」

Grennan 也提到，AI Mindset 有一些避險基金客戶。這些客戶天生用演算法思維看世界，追求的是在數十億美元投資上多擠出幾個基點的報酬。但他直言，這套框架用在 AI 上根本不對。AI 不是跑在交易系統上的演算法，它是一個增強人類認知能力的工具。拿計算基點的方式去衡量它，注定會低估 AI 的潛力，也注定會量錯方向。這些避險基金可能是所有客戶裡最精於計算的一群人，但在 AI 這件事上，他們的計算本能反而成了阻礙。因為他們問的是「這東西能幫我多賺幾個基點？」而不是「這東西能讓我的人做出什麼不同的判斷？」

生產力是創新的敵人

第二個框架 Grennan 稱之為「創新指數」（Innovation Quotient），是 AI Mindset 在跟 Walmart 合作時發展出來的模型。核心觀點出乎意料：生產力和創新，往往是對立的。假設 AI 讓你在一個小時內多完成了 10% 到 20% 的工作，聽起來不錯，日積月累確實有效果。但 Grennan 認為，如果你把同樣的時間拿來思考「我這個角色到底該怎麼運作」，讓 AI 幫你卸下認知負擔，重新設計整個工作流程，那帶來的回報可能是 10 倍，不是 10%。追求「做同樣的事情但更快」是生產力思維，追求「做完全不同的事」是創新思維。前者的天花板很低，很容易就碰到了；後者的天花板幾乎看不到。Grennan 提到 Anthropic 就是後者的案例：AI 不只是讓員工做得更快，而是讓他們做到原本根本做不到的事。

這個區別聽起來抽象，但在實際導入時意義重大。如果一個部門花了三個月導入 AI 工具，讓每個人每天省下 30 分鐘，管理層可能會覺得「成功了」。但 Grennan 會說，你只做到了第一步。真正的問題是：有沒有人在想，我們整個部門的運作方式可以完全重來？Grennan 在節目中反覆強調，這個分界線才是 AI ROI 真正的戰場。你可以花三個月讓一個部門快 15%，或者你可以花三個月重新設計這個部門的運作邏輯，讓它做到過去做不到的事。同樣的時間投入，回報的量級完全不同。選擇前者還是後者，不是技術問題，是思維問題。

我的觀察

Grennan 的薪資 ROI 框架聽起來簡單，但它解決了一個臺灣企業非常實際的問題：很多主管根本不知道怎麼跟老闆報告 AI 的效益。你說「我們部門用 AI 省了 200 個小時」，老闆的第一反應是「那可以少一個人嗎？」整個對話就跑偏了。但如果你改說「我們部門的客戶留存率提高了 15%，產品迭代速度加快了一倍」，AI 就不再是一個需要辯護的成本項目，而是一個正在產生回報的投資。重點從「AI 做了什麼」轉移到「團隊的表現有沒有改變」，這個視角切換就是 Grennan 框架最實用的地方。

臺灣企業目前大多還在「部署」階段：買了各種 AI 工具、訂閱了各種服務、讓員工去試用。但從 Grennan 的框架來看，真正的投報率不在工具本身，在於你有沒有因此改變人的工作方式。如果用了 ChatGPT 但工作流程一模一樣，那等於是把打字機換成電腦，然後繼續只用電腦打字。方便了一些，但不值那麼多錢。Grennan 在節目最後提了一個提問方式的轉變，我覺得蠻值得想的：重點不是「我的公司因為 AI 可以期待什麼回報」，而是「我現在可以開始對我的人期待什麼」。這個轉念，可能比任何技術部署都來得重要。