麥肯錫在最近進行的線上調查中，揭露了全球企業如何成功運用 AI，也提供能夠幫助台灣及其他地區企業領先的洞察見解。重要的一點在於：AI 不只是流行詞，而是能改變遊戲規則的工具，但前提是在用對策略的情況下才能真正發揮作用。
這項調查收集了來自 101 個國家、共 1,491 名參與者的回覆，涵蓋了不同產業、公司規模和職能專業。其中，42% 的受訪者來自年收入超過 5 億美元的企業。
首先，2024 年間 AI 的應用明顯增加。根據報告，78% 的受訪者表示他們的公司至少在一項業務功能（business function）中使用 AI，這個數字在 1 年多前為55%，且 在資訊科技（IT）、市場行銷、銷售及服務營運中使用最為頻繁 。 在過去 6 個月中，AI 使用量增幅最大的業務功能是 IT，使用 AI 的受訪者比率從 27% 躍升到 36% 。
公司組織在更多業務功能中使用 AI 的現象，與我們上次的全球 AI 狀況調查結果一致，多數受訪者首次表示在多個業務功能中使用 AI。生成式 AI（Gen AI）的使用自 2024 年初以來也出現了類似的大幅成長：71% 受訪者表示公司定期至少在一個業務功能中使用生成式 AI，高於 2024 年初的 65%。
行銷、產品開發、軟體工程…最常使用生成式 AI
從調查數據可見， 公司最常在行銷和銷售、產品和服務開發、服務營運和軟體工程等業務功能中使用生成式 AI 。這些也可回溯麥肯錫先前的研究──生成式 AI 須部署在最有可能創造價值的業務功能，也包括 IT 部門。
雖然各行各業的企業都傾向在行銷和銷售中使用生成式 AI，但在其他功能中的部署則因產業而異。不少企業開始將生成式 AI 應用於最能產生價值的地方，例如，媒體和電信公司的服務營運、技術公司的軟體工程與專業服務機構的知識管理；生成式 AI 的部署也因公司規模大小有所差異，調查顯示，年收入超過 5 億美元的公司在旗下更多組織中使用生成式 AI，而小公司則少得多。
在生成式 AI 實際應用方面，大多數受訪者（63％）表示公司以建立文本輸出為用途，但也會嘗試其他形式；約 3 分之 1 的受訪者表示公司正著眼於生成圖像，而較小的比率用於創建電腦程式代碼；科技部門的受訪者表示用來創造各種輸出技術，而先進行業如汽車、航空和半導體領域則專注生成圖像和聲音。
另一項調查顯示，使用生成式 AI 的業務單位的價值創造比率增加。與 2024 年初相比，更多受訪者表示公司的生成式 AI 應用案例，提升了部署 AI 部門的收入。
受訪者回報生成式 AI 帶來的收入增幅，與先前調查中的分析 AI 活動相似，顯示了企業需要在 AI 和生成式 AI 解決方案上採取全面性的方法，才能捕捉全面潛在價值。
許多企業也擴大 AI 的執行層面，包括重新設計工作流程到由高層管理人員負責 AI 治理。
首先，工作流程的重新設計是 AI 應用的重要變革。隨著公司推動生成式 AI，21% 的人表示他們已經調整了部分工作流程。好處顯而易見：自動化任務帶來更快、更準確的決策，最終提高效率和獲利能力。不過，成功的關鍵不僅是裝備 AI，還要重塑人們的工作方式，確保 AI 並非只是束之高閣的昂貴工具。
再者，AI 治理也是企業不可忽視的優先事項，其本質是確保 AI 步入正軌的規範、流程和技術。調查指出， 執行長直接參與 AI 治理能夠為公司帶來最大的營收影響，特別是由高階主管決定 AI 成敗的大型公司。 約 28% 的受訪者表示他們的執行長負責了 AI 治理，而 17% 的人表示由董事會監督。
在大多數情況下，AI 治理由 2 位領導者共同承擔責任，這也暗示 AI 的高度重要性，無法僅由中階管理層管理 。
接著，企業在確保 AI 生成內容品質方面，也採取了不同的方法，有些公司謹慎對待，而有些較信任 AI。27% 的受訪者表示，所有 AI 生成的內容在使用前都會經過審查，無論是在聊天服務機器人，還是行銷素材中，但也有些人表示不到 20% 的內容會被檢查，在監督方面存在很大的差距。
例如，出於必要的自我監管和聲譽風險，法律服務和專業諮詢等產業傾向於 100% 審查 AI 生成輸出，其他行業如零售業與技術業則更願意信任 AI，幾乎不需要人工干預。
隨著時間推移，公司可能會變得更有選擇性，將審查工作集中在高風險領域，而不是全面性的監督，畢竟逐一審查 AI 生成內容會減慢操作速度，但讓 AI 不受控制地運行反增風險，因此，公司需要取得合適的平衡點確保品質。
報告中另指出，AI 應用快速擴張，風險也隨之而起。相較 2024 年初，許多公司現在表示正在積極管理 AI 生成的不準確性、網路安全威脅和知識產權問題等挑戰。這些風險已經成為許多公司的燙手山芋，不得不採取積極管理作為。
大公司在網路安全和隱私保護方面處於領先地位，但在解決 AI 準確性和可解釋性問題方面並不比小公司更有優勢，原因在於，公司規模大，並不代表在 AI 風險管理方面做得更好。專注打造 AI 透明決策流程的公司，更有能力在員工和客戶之間建立信任，這也是採用 AI 致勝的關鍵因素。而未能有效管理這些風險的公司可能會面臨法律問題、聲譽損害或 AI 系統無法提供預期價值的情況。
「覆盤績效＋組特攻隊」不迷路
儘管 AI 應用激增，很少有企業能找到產生廣泛、可衡量影響的祕訣。一項獨立調查發現，只有 1% 的高階主管認為他們的 AI 部署已成熟。換句話說，大多數公司仍處於試錯階段。
想要釋放 AI 的潛力，追蹤 AI 專案的明確績效指標，是成功的關鍵因素之一。 在大公司中，還能透過制定完善的 AI 應用路線圖、建立強大的跨職能 AI 團隊，都有助加速 AI 發展，確保 AI 計畫與業務目標一致。
然而，結果顯示，少於 20% 的公司實際追蹤 AI 專用的關鍵績效指標（KPI），僅約 3 分之 1 的公司遵循實踐 AI 應用的最佳方式，在這方面，大公司領先小公司，因其能夠結構化地推行計畫、設立專門 AI 轉型團隊和制定強大的內部溝通策略來促進 AI 應用的可能性。
那些有效擴展 AI 的公司不只在試驗，他們還 將 AI 嵌入到核心業務流程中，培訓員工並追蹤投資回報率 。這些都證實了 AI 不是魔杖，而是需要扎實的戰略計畫才能產生結果。
除了企業應用與管理，AI 也正在改變現今的徵才方向。 許多公司開始增加錄用數據科學家、機器學習工程師和 AI 專家等相關人才，對資料視覺化和設計職位的需求反而下降 。
在 AI 風險管理方面，13% 的公司聘請 AI 合規專家，而 6% 則聘請 AI 倫理專家，大公司更特別在 AI 相關職位上增添人手，藉此強化對負責任 AI 部署的承諾。
雖然招聘 AI 人才仍具挑戰性，但困難程度已不如前幾年嚴峻。最熱門的人才需求是 AI 數據科學家，半數使用 AI 的公司預計在未來 1 年內會僱用更多這類人才。
除了人才招募，企業也將目光放在重新培訓現有員工，讓他們與 AI 工具協同工作，並期望擴大人數。
AI 對勞動力的影響，取決於公司如何適當使用，大公司可將生產力自動化，讓員工騰出時間從事更高價值的工作，或在某些情況下進行裁員，將人才重新分配到更具戰略意義的角色，確保員工擁有在 AI 驅動的工作環境中茁壯成長的技能，也是接下來企業必經的挑戰。
AI 應用效益如何？多數公司表示還沒看到 AI 對整體營運帶來明顯的財務表現。有些公司靠 AI 省下成本或增加收入，但真正賺到盆滿缽滿的還是少數。事實上，目前跑在最前面的，是那些規模較大的公司，因為他們有資源砸重金投資 AI 人才、治理和風險管理。
隨著 AI 技術發展，特別是 AI 代理崛起，企業需要迅速調整腳步，真正的挑戰不在於「用不用 AI 」，而是如何有效地大規模應用 AI。未來幾年，哪些公司能走出實驗階段，真正翻轉 AI 產業，將會是改變遊戲規則的人。
