企業認同 AI 的重要性、高喊導入 AI，但根據《2025 台灣產業 AI 化大調查》指出，雖然過去 3 至 4 年間企業投入了大量資源於教育與推廣，真正應用 AI 的企業比例卻始終維持約 3 成，與前 2 年的數據相去不遠，顯示整體企業在落地 AI 覆蓋率仍然不足。

AI 模型快速迭代，能力再再驚豔世人，照理來說應該讓使用 AI 的門檻更低、完成更多任務，但為什麼現實卻如此骨感？究竟台灣企業在導入 AI 哪裡卡關了？

發現 1：高層為了 AI 而 AI，忽略戰略規畫

根據調查，縱使台灣企業對 AI 的認知已明顯提升，在實際應用上卻幾乎原地踏步。問題要從企業高層談起，人工智慧科技基金會執行長溫怡玲指出，導入 AI 的正確邏輯依序應是：

1. 定義企業面臨的問題。
2. 思考這些問題如何轉化成 AI 能夠解決的任務。
3. 需要什麼數據、訓練 AI 做什麼。
4. 如何得到所需數據、現有資源與數據盤點。

而現實是，企業高層急於看到 AI 的立竿見影效果，卻忽視 AI 轉型是一個需要長期投入和文化重塑的過程。

中央大學資訊工程系教授蔡宗翰指出，企業主往往是「先買設備再說」：先購入 AI 設備、送員工上課，卻缺乏明確的應用場景，並沒有帶著問題意識，想著工作流可以如何提升，蔡宗翰表示「應該是從 domain（專業知識領域）加上 AI，而不是 AI 加上 domain。」

蔡宗翰以甲午戰爭為例，清朝雖然擁有最新的德國步槍，但每個士兵只配備 30 發子彈，打一天就用盡，缺乏整體後勤規畫。今日企業同樣如此，有了 AI 工具，卻缺乏整體營運策略和流程整合，導致成效不彰。

發現 2：AI 人才定義不清，跨部門溝通有鴻溝

《2025 台灣產業 AI 化大調查》的另一項觀察是，企業對於人才面向的自評分數微幅下降。主要問題在於人才定義模糊與定位不明，導致企業在培訓時也無所適從。好比今年經濟部長郭智輝宣布，4 年內台灣要培養 20 萬名 AI 人才，卻未必對人才應具備的能力與發揮的價值具備明確認知。

調查顯示，企業最需要的是能夠「找出適合用 AI 解決的問題」和「評估合適 AI 工具」的人才，但現有的培訓課程卻很少涵蓋這些關鍵能力。

技術與領域知識的脫節更使人才問題雪上加霜。蔡宗翰形容，他在 AI 專案中大部分時間都在扮演「翻譯官」的角色，在需求單位與工程師之間來回轉譯，因為雙方使用的語言與思維模式截然不同。技術人才往往過於專注技術，對外部業務變化缺乏意識；而業務部門對 AI 可能性的認知有限，無法提出合理的技術需求。這種溝通鴻溝大大降低了 AI 專案的成功率。

與此同時，企業內部對 AI 團隊普遍存在防備心理。新成立的 AI 部門往往被視為「麻煩製造者」，他們索取資料、挑戰既有流程、提出業務部門難以理解的建議。如果企業沒有在戰略上就和員工說「為什麼要做這件事」、「為什麼重要」，就容易打擊 AI 人才的工作熱情。

發現 3：資源投入錯誤，最好的晶片、模型不等於成功應用 AI

儘管調查顯示，技術面的自評分數成長最多，但這主要反映企業在硬體設備上的投入，而非應用能力的提升。許多企業無法識別哪些業務問題適合用 AI 解決，而是盲目追隨市場趨勢或競爭對手的做法、購置大型算力資源（如輝達 H100 晶片），未考慮實際需求與成本效益，導致資源錯置。

技術與業務需求脫節也是普遍現象。企業往往被各類新模型的發布牽著走，像是「這個月出現 Gemini、下個月出了 ChatGPT 新版，然後（企業）就開始嘗試不同的模型」，導致應用方向飄忽不定，難以形成深入的業務價值。

此外，AI 應用的成功高度仰賴高品質的數據，許多企業會卡住的節點終究是「數據治理」這種基礎建設。即使企業有再好的硬體加持，如果內部數據呈現散亂、不完整的狀態，還是得回過頭來還技術債。

資料來源：2025 台灣產業AI化大調查

核稿編輯：王宥筑