事件
美商鄧白氏(Dun & Bradstreet)6 月發布《企業 AI 動能指數》,台灣本季得分 72 分,較上季 53 分大幅躍升,拿下亞洲最高。但調查同時揭露一個刺痛的對比:
- **AI 投資:87 分**(全球最高,超越所有其他維度)
- **技術架構:明顯偏低**(未公布具體分數,但描述為「瓶頸」)
- **投資報酬率(ROI):63 分**(從 42 分上升,但距離「落地」仍遠)
這意味著台灣企業砸了大錢買 AI 工具、建置系統,但這些資本還沒有流暢地轉化為商業回報。
核心觀察:投資與產出的時間錯位
傳統經濟學中,投資的目的是提升生產力(productivity)。Solow growth model 告訴我們:經濟成長 = 資本投入 × 資本回報率 × 轉化效率。當資本大幅進場但轉化效率低落時,投資反而變成「浪費信號」而非「成長信號」。
台灣的情況是典型的資本投入超前於系統成熟度的案例:
1. 需求拉動的投資(Demand-pull):企業聽到「AI 不投就落後」,匆忙採購。 2. 技術供給的滯後(Supply lag):但整合數據、改造流程、訓練人員這些「無形工作」跟不上。 3. ROI 延遲確認(ROI lag):今年的投資,得花 2-3 年才能看到真正的財務回報。
隱藏的風險:「投資多 ≠ 領先」
鄧白氏的數據指出,台灣的變化軸線從「有沒有用 AI」(2025 年提問)轉向「AI 有沒有賺回來」(2026 年提問)。這個轉變很關鍵:
- 去年還在「追趕」心態——看別人用 AI,我們也要用。
- 今年開始問「投資回報」——發現投了錢,帳面上沒有對應的利潤增長。
這時會出現三種企業:
A. 早期者優勢:去年就投入、今年系統已穩定,ROI 開始進帳。
B. 盲目投資者:今年砸錢、系統混亂、回報遙遙無期。損失的不只是錢,還有管理層信心。
C. 觀望者:看 B 類企業踩坑,反而謹慎佈局,精準投資。
台灣作為整體「投資最多但系統最弱」,暗示很多企業可能屬於 B 類。
歷史的教訓:資本輪換的陷阱
2000 年網路泡沫、2008 年房地產泡沫、2021 年加密貨幣狂熱——每一次都是「資本洪水」提前湧入、基礎設施趕不上的故事。
網路泡沫時期,美國企業也大舉投資 IT 設備,但生產力提升延遲了 10 年(Solow paradox)。原因是:買來機器只是開始,真正費時的是流程改造、人員培訓、組織學習。
AI 時代完全一樣。一家製造廠花 1000 萬買 AI 檢測系統,但如果數據品質差、流程沒改、員工不會用,這 1000 萬就成了「資產帳上的數字」、不是「利潤表上的現實」。
為什麼台灣特別容易陷入這個陷阱
1. 製造業心態:台灣企業習慣「買設備、提產能」。AI 卻需要「改數據、改流程、改組織」——軟實力,不是硬投資。
2. 聚集效應:一旦看到大廠投資 AI,中小企業跟風,但沒有配套的整合能力。
3. 數據孤島(Data silo):鄧白氏點出的「最大挑戰」。台灣很多企業的數據分散在不同系統、部門、甚至紙本紀錄。整合成本遠高於技術成本。
正確的路徑:投資不是終點,轉化才是終點
真正的 AI 領先者(如美國科技公司、中國互聯網巨頭)投資額不一定最高,但。他們投資的同時,也在做: