想像有一座工廠，每名工程師都獲得一台更快的計算機。工作速度確實變快了，但生產線依舊，產量與利潤也相同。這就是目前多數企業使用AI的狀況，人變得更有效率，但企業的運作方式沒有改變。
如果問台灣企業的經理人：「你們公司有在用AI嗎？」他們通常回答得很快：「有。」但如果接著問：「那AI有反映在損益表上嗎？」現場往往就安靜了。
全球9成的企業已經在至少一項業務中，定期使用AI工具。有8成員工表示，AI讓自己的工作更有效率，但只有37%的企業看到獲利上升，只有6%認為AI帶來顯著的改善。
未來3～5年的勝負，將取決於誰能縮小這段差距。
延伸閱讀：麥肯錫：只有 6% 企業真正靠 AI 賺到錢！他們做對哪些事？
精進現有流程不夠，要重新設計工作方式
AI已經可以規畫任務、拆解步驟、使用企業內部系統，並一路把工作做完，從助理變成了同事。最早看到成效的，是已經數位化、重複性高、容易衡量的工作。程式開發就是最明顯的例子。目前約有1/5的企業已大規模使用AI代理撰寫程式碼，大型企業更高達31%；另有32%的企業已經決定至少有一項軟體不再外購，改為自行開發。
但更大的機會，在重新設計工作流程。台灣有一家中型製造商，在桃園與越南設有工廠，每周都要處理訂單、追蹤供應商、處理品質客訴、核對發票；每項工作又由一連串瑣碎的步驟組成，一層一層經手不同人員。這正是可以由AI來接手的工作流。
因此，現在的問題不在於「在哪一項任務」導入AI工具？而是如果公司多了一位能執行大部分步驟的同事，我們會如何「重新設計工作流程」？企業轉型的基本單位不是單一任務，而是整個工作流程。
麥肯錫在最新一份針對「真正靠AI賺到錢」企業的研究中，觀察到：近3/4高績效企業會因為AI而重新設計工作流程；其餘企業則只有約1/4會這麼做。4個關鍵做法反覆出現：重新設計工作流程、把資料基礎打好、明確規範AI行為、改變員工的工作方式。
最常見的錯誤，是把AI硬套在既有流程上，畢竟數十年來，許多台灣企業正是靠著不斷精進同一套流程而致勝。台灣企業需要買進技術、建立能力：找出最關鍵的工作流程，依自身資料重新設計流程、明確規範AI行為、以完成一項工作的總體成本與創造的價值來衡量AI的成果。因此，CEO最該提出的問題是「什麼事情以前做不到，但現在卻變得有經濟效益了？」
企業的競爭優勢也會有所變化。當每家公司都能取得大致相同的智慧時，那些無法下載的資產才是拉開差距的關鍵：晶圓廠累積30年的良率數據、台中的工具機製造商內部累積的專業製程知識、台北的銀行掌握的客戶歷史資料，以及企業持續利用資料調校模型的能力。
延伸閱讀：麥肯錫：企業導入 AI，最常用在這些業務！4 張圖解讀 AI 部署趨勢
台灣的AI下半場：從晶片走向完整系統
另一方面，台灣已經在先進製程與封裝領域有舉足輕重的地位，但下一個戰場更為廣闊：晶粒（chiplet）、記憶體、網路、散熱管理，以及軟硬體協同設計。因為系統傳輸資料與供應電力的效率，對AI的效能愈來愈重要。AI專業化是最容易被忽略的趨勢。聊天機器人、程式開發代理人，以及工廠的機器人，對運算能力、記憶體、網路、散熱與電力的需求截然不同。AI的應用越廣泛，背後的技術反而越是專業化。
實體AI（能夠控制現實世界機器的AI）更是如此。當AI開始控制機械手臂或車輛時，速度、可靠性與安全性，便成為不可妥協的基本要求，也因此需要更小型、更專門的模型，以及在邊緣而非遠端資料中心的運算能力、低功耗的記憶體，以及高度整合的軟硬體。上述每一項，正是台灣花了數十年累積的優勢。
台灣的AI下半場，應從晶片走向完整系統。我認為台灣的機會在於：守住製造優勢、往系統設計延伸，並搶進邊緣運算、機器人與工業AI市場。若能做好，台灣就能親手掌握AI創造的價值。
