數位沛方／人機協作 發揮 AI 投資效益

近幾個月，關於「AI相關花費過高」的新聞接連出現。在國外，Uber的技術長透露，公司規劃用在2026年的AI程式工具預算，僅僅四個月就花完了；微軟自己的內部報告顯示，在大規模跑AI Agent時，成本已超過讓員工做同樣工作的費用。

有位科技投資人Jason Calacanis表示，他一年花約11萬美元來跑一個AI Agent，這數字比美國大多數人的薪水還高，而且還沒跑到全力運作。

回到臺灣，相似的狀況也發生在一些企業中，這當中到底是什麼出了什麼問題？

在此歸納幾個可能的原因：

一、大家誤會了AI會愈來愈便宜

很多公司看到「AI愈來愈便宜」就以爲成本會持續下降。

但實際上：研究機構Gartner預測，Token（AI計算單位）的單價到2030年確實可能降低九成，但實際的AI帳單不會跟着降。

原因是AI Agent（自動代理）跑一個任務花掉的Token，會比一般AI對答時的Token用量多出許多，同時用量增加的速度會超過價格下降的速度，因此現階段可能並不會比較省。

二、公司用「比賽用量」鼓勵員工是種錯誤的KPI

像Uber在內部積極推動使用AI，還做內部排行榜排名AI使用量；Meta也有員工做了儀表板來追蹤誰用最多AI，他們背後邏輯是「用愈多=愈有生產力」，但實際上並沒有達到正相關。

這也是一個典型的「設定錯誤的KPI」的情境。在設定KPI的SMART原則中，有一點是「要跟成功有關連性」，但很明顯的，從這些案例中，我們看到用量不等於產出。

其實之前另一家名叫多鄰國的公司，公司負責人也才承認，他去年要求員工大量用AI的作法是失敗的，因爲後來員工問他，你是希望我們完成任務，或只是希望看到我們用AI？最後老闆決定廢除本來要求大家一定得用AI的規定。

三、當前真正有效場景，只有少數

麥肯錫（McKinsey）的調查顯示，88%的公司採用了AI，但只有39%說它對整體營收有實質影響。而Fortune訪問6,000位高層主管，其中九成說在過去三年裡，找不到AI確實提升生產力或改變就業結構的明確證據。

從上面的常見問題我們可以看到，AI不是無法幫助到工作，只是在某些特定條件下，比較能夠有效發揮，我們可以用一個粗略的框架來幫助判斷，一件事情到底該由人還是由AI處理：

適合AI的情境包括：任務高度重複、規則明確（例如分類資料、翻譯標準化文件）；需要「量大但容錯率高」的工作，以及已知的軟體工程輔助任務（例如寫測試、改格式）等。

而適合以人爲主的情境則是任務模糊，需要多輪確認和判斷的項目。

當前多數企業最合適的模式，其實仍是「人+AI分工」的模式：讓AI負責明確範圍內的子任務，而不是試圖讓Agent直接取代整個職位，這也是爲什麼，現在很多人都說要思考什麼「任務」可以給AI做，而不是什麼職位會被取代。