效率 AI 已死，機會 AI 萬歲：為什麼 20% 企業將永久甩開剩下 80%

本文整理自《The AI Daily Brief》2026 年 4 月播出的單集，主持人為 Nathaniel Whittemore。本系列共三篇，第一篇談 AI 就業衝擊與政治化；第二篇談治理權力與基建融資危機；這是第三篇談企業採用落差與 Agent 賦能。

{{< youtube ud3Uuu64XXA >}}

---

「用更少的人做一樣的事」是個陷阱

企業導入 AI 最直覺的思路是省成本：原本十個人做的事，現在七個人加 AI 就能完成。少三個人頭的薪資，報表立刻好看。這種做法有一個名字叫「效率 AI」（Efficiency AI），也就是用 AI 做一樣的事，只是用更少的資源。過去兩年，多數企業對 AI 的想像基本上就停在這裡。

問題是，如果你只把 AI 當成省人力的工具，你的天花板就是「比以前便宜 25% 到 30%」。聽起來不錯，但這個天花板非常低，而且每家公司都做得到。當你的競爭對手也省了 25%，你並沒有取得任何優勢，只是大家一起變便宜了而已。更糟的是，省下來的成本很容易被市場競爭吃掉：客戶會要求你降價，因為他們知道你的成本降了。效率 AI 的本質是一場所有人都能跑的賽跑，跑完之後排名不會改變，頂多是整條跑道往前挪了一點。

真正改變排名的是另一種思路：「機會 AI」（Opportunity AI）。Whittemore 用這個詞來描述一種完全不同的 AI 使用方式，不是用更少做一樣的事，而是用 AI 做以前根本做不到的事。重新發明產品、跨入過去不敢碰的市場、把執行速度拉到過去無法想像的水準。效率 AI 是降低成本，機會 AI 是擴大可能性。目前整個產業正處在從效率 AI 轉向機會 AI 的關鍵拐點上，而多數企業還沒意識到遊戲規則已經變了。

Whittemore 觀察到的一個具體訊號是 Agent 的角色轉變。三個月前，多數人還把 AI Agent 看成某些垂直領域的實驗工具。現在，已經有新創公司用 Agent 建立完整的工作團隊，徹底改變了公司運作的每一個環節。這不是漸進式的效率提升，而是組織型態的重構。

20% 突圍，80% 永遠追不上

如果所有企業都用差不多的速度導入 AI，即使整體偏慢也沒關係，因為大家的相對位置不會改變。Whittemore 認為不會是這樣。他預測企業 AI 的採用會呈現極端的雙峰分布：大約 80% 的企業維持緩慢擴散，而另外 20% 會出現戲劇性的突圍。

關鍵在於，那 20% 的突圍者不只是「比落後者多省一點」。不是他們省 50% 而落後者只省 25%。突圍者做的事完全不在同一個維度上。他們重新定義產品，從中型企業跳級挑戰龍頭，切入過去碰都不敢碰的相鄰市場，搶佔不成比例的媒體版面和產業話語權。這不是效率差距，這是存在型的差距。

這種分化一旦形成就會自我強化。突圍的企業把 AI 帶來的收益再投入更多 AI 能力、更多 AI 賦能的人才、更多研發、更多市場拓展，形成複利效應。落後的企業每過一個季度，差距就拉大一點，最終會到達一個再怎麼追也追不上的臨界點。Whittemore 的判斷很直白：「我認為領先者和落後者之間的差距不只會加大，而且會隨時間複利，落後者永遠追不上。」

那麼，什麼因素決定了一家企業會落在 20% 還是 80%？答案不是技術能力，不是預算多寡，甚至不是管理層有多「重視 AI」。答案是他們拿 AI 帶來的收益做了什麼。

組織圖才是 AI 的真正部署環境

AI 導入在企業中遇到的最大障礙不是技術問題，而是組織問題。這句話已經被說了很多次，但 Applied Compute 的 Michael Chen 在一篇名為《部署企業 AI 時該期待什麼》的文章中，把這個問題說得特別到位。他的核心論點是：「真正的部署環境是組織圖。」

什麼意思？Chen 描述了一個在企業部署 AI 時反覆遇到的場景：團隊進去之後，最大的挑戰不是設定模型或串接 API，而是搞清楚組織裡的權力地圖。不是紙面上的組織圖，而是真實的那張：誰實際控制資料的存取權限？誰能批准一個新系統上線？有沒有人在做跟你撞車的專案而你不知道？Chen 寫道，他們在某個專案中最大的 onboarding 挑戰就是搞懂這張隱形的組織圖。「不是紙上那張，而是真正的那張。從來沒有一個單一窗口，要推動事情就得自己拼出答案。」

Chen 還點出了另一個被低估的問題：所謂的「資料就緒」（data ready）根本是一種「心理狀態」。幾乎每家企業都說自己有資料，但「有資料」跟「有 AI 系統能用的格式化資料」之間的差距是巨大的。資料散落在不同部門的不同系統裡，格式不統一，權限不清楚，清洗和整理的工程量遠超多數人的想像。這讓企業的 AI 導入時程永遠比預期更長，而多數企業甚至不知道自己低估了多少。

即使是 AI 公司派駐工程師到客戶現場（所謂的「前進部署工程」模式），也不足以突破組織障礙。外部工程師可以解決技術問題，但解決不了組織政治。誰願意讓自己的部門資料被其他部門存取？誰願意讓新系統取代自己團隊正在維護的舊系統？這些問題需要的不是更好的技術，而是組織層面的變革意志，而這恰恰是最稀缺的資源。

股票回購從來沒有像現在這麼昂貴

如果「拿 AI 帶來的收益做什麼」是區分 20% 和 80% 的關鍵，那麼有一個具體的資本配置決策值得特別討論：股票回購。

Whittemore 提出了一個很犀利的觀點：以機會成本來計算，股票回購「從來沒有像現在這麼昂貴」。這句話的邏輯是這樣的：過去，把利潤拿去回購股票是合理的，因為企業內部的再投資機會有限，不如把錢還給股東。但現在，同樣一筆錢如果投入更多 AI 能力建設、AI 賦能的人才培養、產品研發、市場拓展，這些投資的複利效應會遠大於回購股票帶來的短期股價提振。

會贏下一個階段的企業，是那些把 AI 帶來的效率收益，再投回更多 AI、更多人、更多研發的企業。而選擇把收益拿去回購股票的企業，等於是用未來的競爭力換取今天的股價。在 AI 能力以指數級速度進步的環境下，這筆交易的代價會比任何時候都高。

這裡的啟示不只是「別做回購」那麼簡單。更深層的訊息是：企業對 AI 的態度可以分成兩種。一種把 AI 當成省錢工具，把省下的錢分掉或回購股票。另一種把 AI 當成槓桿，把省下的錢投入更大的槓桿。兩種態度在今天看起來差距不大，但三年後、五年後回頭看，它們會通向截然不同的結果。

Agent 不是取代人，是放大人

關於 AI Agent 的公共論述存在一個奇怪的雙重標準。企業端的敘事是：我們要用 Agent 取代人力，降低成本。但實際使用端的證據說的完全是另一回事。

觀察目前最重度使用 AI Agent 的那批人，你會發現一個出乎意料的現象：他們的工作時間並沒有減少。他們沒有因為有了 Agent 就提早下班。相反，他們的產出正在暴增。因為 Agent 給了他們前所未有的槓桿，他們能做的事比以前多太多了，所以他們做了更多的事。Whittemore 把這個觀察歸結為一句話：「用 Agent 用得最好的人，工作比以往任何時候都多，因為他們的槓桿比以往任何時候都大。」

這裡的根本問題是一個假設錯誤：「需要做的工作總量是固定的。」如果把世界上的工作想成一塊固定大小的餅，AI 做了一塊你就少一塊，那替代論當然成立。但實際情況是，當做事的成本和門檻大幅降低時，人們會發現更多值得做的事。成本下降創造需求，需求創造工作。這個邏輯不是新的，經濟史上每一次重大技術變革都出現過類似的模式，但每一次恐懼都會在初期蓋過這個邏輯。

那如果最壞的情況真的發生了呢？如果部分白領工作確實在過渡期縮減了，那些被替代的人會怎樣？Whittemore 的判斷是：他們不會坐在那裡等。知識工作者和找不到傳統工作的應屆畢業生會組成四人小團隊、開顧問公司、用 Agent 驅動的小型企業創業。「如果企業不要我，我也不要企業。然後他們就會去嘗試不同的路。」這聽起來很樂觀，但背後有邏輯：Agent 大幅降低了創業的門檻，過去需要一個二十人團隊才能做的事，現在四個人加一組 Agent 可能就做得到。

Whittemore 承認，在最好的情況下創業也不是一條輕鬆的路。他認為政策的重點不應該只是「再訓練」讓人去找另一份傳統工作，而是讓創業這條路變得風險更低、門檻更低。但他對人的適應力抱持很高的信心，他認為社會「嚴重低估了人的適應力」。面對那些擔心整個世代的人會坐在那裡等待有人施捨工作的悲觀論者，他的回應很簡單：「我覺得人會讓我們刮目相看。」

遊戲規則已經改了

回頭看這整個議題，最值得臺灣企業思考的不是「AI 會不會取代人」，而是「我的企業會落在 20% 還是 80%」。效率 AI 的紅利正在被快速抹平，因為每家公司都能做到。真正的差距會出現在機會 AI 的維度上：誰在用 AI 做以前做不到的事？誰在把 AI 收益投回更多 AI 能力，而不是分掉或回購？誰願意為了 AI 導入而動組織的刀？

Michael Chen 說得很直接：「部署環境是組織圖。」這意味著對多數企業來說，AI 轉型的瓶頸不在預算，不在技術，不在是否找到了對的 AI 工具，而在於有沒有人願意和有能力去推動真正的組織變革。資料要打通、權限要重劃、流程要重設計、甚至組織架構本身要被質疑。這些事沒有一件有趣，但每一件都是 20% 和 80% 之間的分水嶺。

至於個人層面，Agent 帶來的訊息同樣明確。Agent 不是來取代你的，Agent 是一面放大鏡。你有多少想法、多少能力、多少企圖心，Agent 會把它放大。如果你原本就很有生產力，Agent 會讓你的產出翻倍。如果你原本就有創業的想法，Agent 會讓啟動成本降到過去的幾分之一。機會從來沒有像現在這麼多。問題只在於，你打算用這些工具做跟以前一樣的事，還是做不一樣的事。