事件概述
Grant Thornton 2026 年調查發現一個詭異矛盾：製造業中 64% 的主管表示 AI 提升了營運效率，62% 計畫擴大應用（業界最高），但沒有任何主管報告營收或成本有顯著改善。對比其他產業都有 12% 主管回報營收或成本節省，製造業的「零回報」形成強烈對比。
這不是 AI 無用，而是一個更深層的組織問題：效率提升停留在流程層，沒有被組織轉化為商業結果。
三大 ROI 盲點
### 盲點一：效率提升被內部吞噬
生產線上的機器人比人快 30%、檢驗流程自動化減少 40% 的人工。但這些收益去哪了？
最常見的陷阱：企業並未因此裁員或轉崗，而是讓空出的產能被內部「自動填滿」。員工開始做更多報告、更多跨部門協調、更多流程優化本身。這在經濟學上叫做「邊際成本遞增」——每多救一個百分點的產能，就要用同樣的成本去找下一個機會。最後，效率提升變成了一個無限的 rabbit hole，組織規模不變，收益卻蒸發。
### 盲點二：定價權喪失
製造業是競爭激烈的行業。假設妳的工廠透過 AI 把單位成本從 $100 降到 $75。但市場上競爭對手也都在用 AI、也都在降成本。結果是什麼？整個行業的定價向下壓，妳的利潤空間不增反減。
這就是 「成本紅利悖論」：個別公司的效率提升，在競爭市場上會迅速轉化為整個行業的定價下探。贏家是消費者，廠商的利潤反而被擠壓。除非妳的效率提升能夠做出差異化（更快交付、更好品質、新產品類型），否則純粹的成本下降在完全競爭市場裡會被套利掉。
### 盲點三：成本結構剛性
製造業的成本結構裡，最大的開支往往是固定成本：廠房租賃、機器折舊、管理層薪資。AI 提升的是可變成本（原材料消耗、人工、能耗）。
如果可變成本只佔總成本的 30%，妳把可變成本砍掉 20%，最後總成本也只掉 6%。在財報上看起來毫不起眼。而且，廠商往往不敢大幅削減人力成本（會傷士氣、面臨工會、失去制造靈活性），所以效率提升的收益，根本進不了「可以直接轉為利潤」的經營線。
為什麼製造業特別容易掉進效率悖論
1. 行業成熟度高：製造業的競爭邏輯已經迭代百年，定價權極弱。一個新技術的效率提升，幾乎無法創造新的商業模式、只能是成本最小化。
2. 組織慣性強：製造業企業多為傳統老牌，組織結構僵化。新的 AI 流程導入後，舊的流程、舊的考績、舊的權力結構仍在。沒有人有動力把「省出來的效率」真的轉化為商業行動。
3. 供應鏈牽制：單個廠的效率提升，如果上下游供應鏈沒跟著優化，整個系統的瓶頸只是轉移、不是消除。妳的產能快了，但原材料供應或物流可能成為新瓶頸。
如何破局
真正的 ROI 不在效率本身，而在效率如何被重新配置：
- **戰略一**：用節省的成本去開發新產品線，而非直接砍人。這樣效率提升變成「成長引擎」而非「成本洗牌遊戲」。
- **戰略二**：用提升的產能去搶佔市場份額，用價格戰但品質更穩定。需要銷售端同時動作，不是生產端單獨行動。
- **戰略三**：用 AI 的數據能力（不只是速度）去改造商業模式——例如從「按件計費」改成「按價值計費」，創造新的收入線。
否則，AI 只是一台更快的舊機器。