隨著企業競相採用生成式 AI、自主代理與新一代資料工具，領導者面臨的問題已不再是要不要擁抱這項技術，而是更為嚴峻的課題：如何在避免產生新的成本、風險與組織混亂的前提下，將 AI 轉化為可衡量的價值。

在紐約證券交易所舉行的 Fortune AIQ 峰會，正以這項挑戰為核心議題。來自科技、金融、工業營運、旅遊與人力資源領域的高管，共同探討了真正有意義的 AI 轉型與零散試點計畫之間的差異。會中浮現出一個一致的規律：表現最強的企業並非只是發放 AI 工具，而是在重新設計工作流程、培育人才、強化治理，並建立負責任地規模化所需的資料與營運紀律。這場聚會也反映出企業科技的更大格局：領導團隊正面臨壓力，必須為已超越小規模試驗階段的 AI 投入展現回報，這種張力貫穿了整場討論。

峰會討論聚焦於五大關鍵趨勢：

• 從實驗走向企業轉型
• 打造具 AI 就緒能力的勞動力
• 管理治理、信任與風險
• 在實體與受監管環境中應用 AI
• 衡量投資報酬率、控制成本並創造成長

從 AI 採用到轉型

AI 最關鍵的問題，不是企業是否已部署工具，而是它是否改變了工作的完成方式。

多位講者反覆提醒，員工廣泛取得 AI 並不會自動轉化為生產力、商業價值或組織成熟度。

ServiceNow 的未來趨勢總監 Diana David 表示，領先企業的過人之處在於對人才的重視與營運紀律，而非僅靠技術本身。ServiceNow 的企業 AI 成熟度指數發現，57% 的「標竿企業」持續投資 AI 技能培訓，而其他組織僅有 4%。差距最懸殊的是 AI 人才的招募、聘用與留任：68% 的標竿企業有此做法，其他企業僅有 10%。

「人才投資。這是最大的差距所在，」David 說。

她警告，不應把員工廣泛使用 AI 視為成功的證明。「95% 的人都有 X、Y、Z，」她說。「但這並未轉化為生產力，而且往往沒有培訓，這不等於成熟。」在她看來，真正的工作始於領導力、清晰的願景、透明的制度、正確的資料基礎，以及對特定工作流程的反覆重新設計。

ServiceNow 全球客戶營運總裁 Paul Fipps 提出相關觀點：最大的收穫不會來自更快地自動化舊有流程，而是圍繞新能力重建這些流程。「如果我只是把現有流程自動化，或用自主代理去驅動現有流程，那個選擇或許能帶來一些生產力提升，」Fipps 說。「但那些真正重新思考、重新想像業務流程的人……才是真正在創造差異。」

Fipps 主張，企業應該橫向部署 AI——涵蓋人力資源、法務與技術等面向員工的職能——而非將其侷限於單一部門。他以 Standard Chartered 為例，AI 已協助分流 77% 的員工請求。「在這類使用案例中，如果能達到 25% 到 30% 的分流率，就已經是改變遊戲規則，」他說。「如果達到 75% 到 80%，那就是改變人生的程度。」

Future Today Strategy Group 創辦人兼執行長 Amy Webb 對雄心與準備度之間的落差更加直言不諱。「說句公道話，Fortune 500 大企業在這方面來得相當晚，」她說。「人工智慧並不是幾年前才突然出現的。」Webb 警告，企業正把大量資本投入缺乏足夠策略、領導與規劃的試點計畫，導致產出孤立、無法創造持久價值的專案。

打造具 AI 就緒能力的勞動力

AI 轉型的核心，其實是勞動力的轉型。

峰會清楚表明，組織需要的不僅是新軟體：還需要願意重新思考既有流程、學習新技能、並為全新工作方式騰出空間的員工與領導者。

HPE 執行副總裁暨首席人事官 Stacy Dillow 表示，企業必須抵制只是把 AI 塞進現有系統的誘惑。「我們必須強迫自己換一種方式思考，因為如果我們不設法改變工作方式，那就只是在硬改裝，把 AI 塞進一個不會帶來不同答案的流程裡，」她說。她補充，對高階主管而言，AI 的採用與轉型已成為核心管理責任。

在 Palo Alto Networks，AI 已經在重塑員工體驗，首席人事官 Danielle Gonzalez 表示。一個客製化的 AI 代理已將 IT 工單減少 83%，並支援人力資源、財務與法務的跨部門工作流程。員工越來越多地直接向 AI 代理詢問與其職務和工作地點相關的答案，而不是求助於人力資源夥伴或業務聯繫人。

Gonzalez 表示，企業應招募並培養能夠快速適應的人才——不僅要學習新技能，還要敢於質疑已不再成立的假設。「我們在尋找好奇心，」她說。「我們在尋找主動性，我們在尋找那些不僅能快速學習……還能忘掉自己原本以為正確的觀念的人，這樣他們才能騰出空間向前邁進。」

住宅建商 Lennar 的首席人力資源長 Drew Holler 強調，這份責任是雙向的。「我們會提供你所有的工具，但提升自身技能也是你的責任，」他說。「我們會提供培訓，但作為個人，你必須自己提升技能。」

勞動力層面的響不僅止於再培訓。Peloton 的科技長 Francis Shanahan 警告，AI 賦能的創作本身也帶來新的挑戰。他說，員工現在「已經應接不暇，因為他們幾乎什麼都做得出來」，而「倦怠」問題也日益嚴重。

Runway 的營運長 Michelle Kwon 則提醒領導者，不要把產出量誤認為生產力。「僅僅因為你在使用，並不代表那就是你的生產力，也不代表你在工作上表現出色，」她說。她主張，AI 應該改善人們的工作方式，而不是為同事製造額外工作，或是用未經妥善評估與整合的產出淹沒他們。

治理、信任與掌控

AI 的價值主張，必須有相應的監督主張來匹配。

在受監管產業與高風險應用中，領導者強調，成功的部署取決於選對技術、理解風險，並在最關鍵之處保留人的判斷力。

Bank of America 的科技與資訊長 Hari Gopalkrishnan 警告企業，不要條件反射式地訴諸 AI。「我們看到自己和其他人犯的最大錯誤之一，就是把 AI 當成解方倉促上陣，而其實確定性模型已經綽綽有餘，」他說。該銀行從客戶需求與相關流程的詳細盤點出發；有時候，傳統的行動裝置功能或即時決策規則反而是更好的工具。

Bank of America 透過 16 項風險支柱來評估 AI 專案，包括隱私、偏見、勞動力影響與智慧財產權。該行在自主系統方面也採取審慎推進的策略。「目前在輔助型代理與人類協同合作這塊，還有非常多價值可以挖掘，」Gopalkrishnan 說。對銀行與其他受監管機構而言，這類框架已成為從建置 AI 代理到投入生產之間的關卡。

S&P Global 客戶長兼 Kensho 資料與平台市場情報聯合主管 Sally Moore 強調，AI 的實用性建立在可信賴的資料之上。「資料是 AI 中的貨幣，」她說，並指出受監管工作流程中的客戶要求準確性、引註來源、可稽核性與回溯至原始資料的可追溯性。她更廣泛的觀點是：企業應從要解決的問題出發，而不是從想部署的技術出發。「我到底想解決什麼？這項技術又能把我帶到哪裡？」她說。

Fipps 主張，治理不應被視為創新的阻礙。「我認為治理與信任是在驅動速度，」他說。他舉例，一家受監管的銀行建置了數十個 AI 代理，卻因為領導層對控管機制缺乏信心而無法部署——這正是監督不足所付出代價的鮮明例證。

Webb 同樣敦促高階主管以務實的態度看待責任與風險。她說，領導者需要「停止將 AI 擬人化」：失敗通常不是因為技術本身產生了獨立的感知能力，而是因為人們在缺乏足夠防護機制的情況下，部署了設計不當的系統。

現實世界中的 AI

實體與受監管環境需要不同的 AI 部署標準。

在樓宇、工廠、供水系統與金融服務領域，可靠性、安全性、成本、延遲與資料主權，共同決定了企業能負責任地投入生產範圍。

Honeywell Technologies 的科技長 Suresh Venkatarayalu 表示，工業客戶「真正要求 99.9999%」的可靠性，而前沿模型「可能只有 85%」。這種落差使得安全與任務關鍵場景中的 AI 部署，與在桌面工作流程中加入一個 AI 助理有著本質上的不同。

Venkatarayalu 將近期方向描述為「一個半自主的世界」，而非完全自主。「自主化也不是要取代人，」他說。在商用樓宇與工業設施中，操作人員必須持續參與，因為停機與系統錯誤會帶來即時的營運後果。「你無法承受一棟大樓停擺一個半小時，」他說。

Ecolab 的 AI 首長 AJ Wijesinghe 為更審慎選擇的做法提出了經濟面的論據。他表示，當公司將「市面上最好的模型」用於高用量任務時，「token 成本就失控飆升了」。「有時候甚至比用人還貴。」Ecolab 的因應之道是優化模型使用方式，將 token 成本降低約 70% 至 80%。

Wijesinghe 說，企業不一定需要最先進的模型：「有時候你不一定要開最快的車。」他倡導針對代理式 AI 採取「人類領導」的方法，並主張成效取決於資料基礎、流程就緒度與成本紀律三者的平衡。「如果任何一項偏重過多，你就拿不到價值，」他說。

價值、成本與成長

AI 的下一項考驗，是能否交出可衡量的回報。

峰會的財務與營運領袖一致認為，企業必須在追求生產力與成長的同時，對模型成本、資料基礎設施與產出品質保持紀律。

Booking Holdings 執行副總裁暨財務長 Ewout Steenbergen 表示，對 AI 回報的不確定性相當普遍——即使是在最大的科技投資者之間。「我甚至認為，那些斥資數千億開發大型語言模型的超大規模雲端業者，其實也不清楚投資報酬率會是多少，」他說。「他們或許有一些假設與推測，但重點是，你不想落後。」

對 Booking 而言，通往價值的路徑不是漫無節制的支出，而是「從一張白紙開始」重新設計流程。Steenbergen 表示，在訂單量以高個位數成長的同時，公司的客戶服務成本略有下降，客戶滿意度則有所上升。他補充，Booking 約 9,000 名工程師投入生產的程式碼量增加了約 30%，這是計入通過公司測試與品質管控標準的合併請求後的結果。

「那些被端到端重新設計的流程，回報一定會出現，」Steenbergen 說，「但你也必須確保另一方面的成本不會失控。」Booking 透過「有效的模型成本調度」來管理這種張力，將較簡單的任務分配給成本較低的模型，把較昂貴的模型保留給需要更強推理能力的工作。這種做法具體展示了一家大型上市公司，如何管理隨使用量成長而增加的模型成本——這項支出不像固定軟體授權，而是隨採用程度而擴大。

Steenbergen 認為，AI 更大的潛力可能在於客戶成長。這項技術不會改變旅行的根本本質——「飯店還是飯店，航空公司還是航空公司，租車還是租車」——但它能讓旅行者的規劃、訂位與應對突發狀況變得更輕鬆。他說，透過串連旅程的各個環節並預判客戶需求，AI 能協助創造「更多的忠誠度、更多的信任，以及更多的品牌價值」。

結論

Fortune AIQ 峰會表明，AI 領導力並非取決於一家公司購買了多少工具、試點計畫的規模，或它能產出的內容量。正在領先的組織，是把技術雄心與人才發展、流程重新設計、財務紀律、可信賴的資料與負責任的治理相結合。峰會本身的數據點也為追蹤這場轉變提供了指標：ServiceNow 成熟度指數所揭露的人才與培訓落差是否會縮小、工業部署能否縮短前沿模型可靠性與實體營運近乎完美的正常運作時間要求之間的距離，以及斥資數千億打造底層模型的超大規模雲端業者的投資報酬率是否能更加清晰。隨著 AI 更深入地進入企業，成功的領導者將是那些不僅用 AI 自動化現有工作，更用它打造出更具韌性、更高生產力、更敏捷應變的企業的人。

本文使用生成式 AI 進行研究輔助與／或轉錄。記者對文中的事實陳述進行了獨立報導與查證，並於刊出前經人工編輯審閱。

本文最初刊載於 Fortune.com。