企業AI投資最常見的三個盲點—你可能三個都中
讀完這篇，你會知道：
- 史丹佛經濟學家 Erik Brynjolfsson 揭露的「隱形預算」是什麼，為什麼 CFO 和 CTO 都沒看到
- BCG 跨國調查 11,749 名工作者後得出的反直覺結論：AI 轉型最重要的能力跟 AI 沒有關係
- Fast Company 點出的第三個盲點：優化昨天的工作流程 vs. 重新想像工作本身，差別究竟在哪裡
- 這三個盲點如何互相強化，讓企業陷入「投資越多、困惑越深」的循環
思考的起點
你的公司今年花了多少錢在 AI 上？
如果你是一位企業主管，這個問題你大概能回答。訂閱了哪些工具、跑了幾個 pilot 專案、IT 採購預算增加了多少—這些數字都在報表上，清清楚楚。
但有一個問題，幾乎沒有人能回答：
「你公司的 AI 投資，正在和哪個預算競爭？」
史丹佛大學數位經濟實驗室主任 Erik Brynjolfsson 在 2026 年指出一個讓很多企業決策者沉默的事實：你在 AI 上每花一塊錢的有形投資，背後需要配套的無形投資往往是它的九到十倍—包括流程重新設計、員工技能升級、組織文化調整、以及管理人員的學習曲線。這些成本不會出現在 AI 工具的訂閱帳單上，但它們是真實發生的。問題是，它們沒有進入任何人的預算表。
與此同時，BCG 在 2026 年六月發布了第四屆全球「AI 職場調查」，訪問了橫跨 14 個市場、共 11,749 名工作者，得出一個讓很多技術主管不舒服的結論：在 AI 轉型中帶出最好成果的主管，不是技術最強的人—而是最懂得帶人的人。
Fast Company 在同一個月刊出的分析更直接：大多數企業正在用 AI 優化昨天的工作流程，而不是重新想像工作本身。這兩件事看起來相似，但結果完全不同。
這三個觀察，各自來自不同的研究者和機構，但它們指向同一個核心問題：企業對 AI 的思考方式，本身就是問題所在。
我們來一個個拆開來看。
盲點一：沒有人算過的那本帳—AI 的隱形預算
Brynjolfsson 有一個著名的研究框架，他稱之為「生產力 J 型曲線」（Productivity J-Curve）。意思是：當一個企業開始導入新技術，短期內生產力往往會先下降，然後才開始回升。不是因為技術不好，而是因為技術只是起點—在技術真正發揮效果之前，組織需要完成大量的配套調整。
以電力的歷史為例。工廠開始使用電力之後，整體生產力並沒有立刻提升。為什麼？因為工廠的廠房、機台配置、管理流程，全部都是為了蒸汽機設計的。把電力插進一個蒸汽機時代的組織，只是換了動力來源，不是改變了工作方式。真正的生產力提升，發生在工廠重新設計了廠房、重新訓練了工人、重新規劃了流程之後—這個過程花了幾十年。
AI 正在重演同樣的劇本。Brynjolfsson 的研究指出，企業在有形 AI 投資（硬體、軟體、API 費用）背後，通常需要配套九到十倍的無形投資，才能真正獲得回報。這些無形投資包括：員工如何學習與 AI 協作的新工作方式、現有業務流程如何重新設計、以及組織文化如何從「以個人產出為單位」轉移到「以人機協作為單位」。
問題是，這些無形投資幾乎不會被列入任何 AI 預算表。CFO 看到的是訂閱費用和顧問費；CTO 看到的是 token 用量和模型效能；HR 看到的是培訓課程出席率。沒有人同時看到這三件事，也沒有人把它們加總起來，放在 AI 投資的旁邊，問：「我們準備好付這筆隱形帳單了嗎？」
這正是 Forbes 撰稿人 Vibhas Ratanjee（長期研究 Gallup 領導力數據）在 2026 年八月指出的核心論點：每一筆 AI 投資，都在和一個沒有人算過的預算競爭—而那個競爭對手，通常會贏。
實際上，市場已經出現明顯的訊號。來自 FP&A Trends 的分析指出，CFO 核准 5 萬美元的 AI 試點預算，到第一百天時，公司往往已經花了兩到三倍的金額，分散在各個沒人能清楚解釋的項目上。而 PwC 2026 全球 CEO 調查（訪問了 95 個國家、4,454 位執行長）發現，只有 12% 的 CEO 表示 AI 讓公司同時實現了營收成長和成本降低；超過半數的 CEO 表示沒有看到明顯效果。
投資越多，困惑越深—這不是個案，而是普遍現象。而它的根源，正是那本沒有人算過的帳。
盲點二：AI 轉型最需要的能力，跟 AI 沒有關係
BCG 的第四屆全球 AI 職場調查，在 2026 年六月發布，規模是迄今最大的一次：11,749 名受訪者，橫跨 14 個市場，涵蓋各行各業。報告揭露的現象，值得每一位正在主導 AI 轉型的主管仔細閱讀。
首先是使用率的爆炸性成長。基層員工（沒有管理職責的白領）的 AI 定期使用率，從兩年前的不足 50% 成長到 74%，增加超過 20 個百分點。幾乎每四個人中就有三個人在定期使用 AI 工具。
但使用率高，不等於價值高。BCG 的調查發現：有 42% 的基層員工表示，AI 每週為他們省下一個完整工作日的時間—但大多數組織還沒有學會如何把這些節省下來的時間，轉換成真正的商業價值。員工省下的時間，在沒有明確方向的情況下，往往只是「消失了」，沒有流向更有意義的工作。
這裡出現了一個 BCG 稱之為「喜悅弔詭」（Joy Paradox）的現象：67% 的 AI 定期使用者表示工作滿意度提升；但同時，41% 的人表示認知負擔增加了。AI 讓工作變得更好，也讓工作變得更難—同時發生在同一個人身上。
這個矛盾的解方，指向了一個很多人沒有預期到的答案：管理者的領導力。
BCG 的報告明確指出：當員工感受到強烈的領導層支持時，對 AI 持正面態度的比例從 15% 跳升到 55%。換句話說，領導者的態度和行動，對員工的 AI 體驗影響巨大—比工具本身還要大。
BCG 合夥人 Vinciane Beauchene 在報告中說：「AI 的第一波浪潮聚焦在個人生產力。接下來這波浪潮，需要轉型的是集體工作方式。大家都在談 AI 取代工作，但真正的核心是重新思考人類在這個過程中的價值定位—這是主管的責任。」
報告還指出，有策略清晰度的組織，AI 帶來的效益比沒有清晰策略的組織高出 25 個百分點。但這裡的「策略清晰度」，不是技術路線圖，不是模型選型，而是：每個員工都清楚地知道，組織往哪個方向走、AI 在這個方向裡扮演什麼角色、自己的工作如何在這個框架裡找到位置。
這需要的，是溝通能力、說故事的能力、讓人願意投入的能力—而不是提示工程（prompt engineering）或模型微調的技術能力。
換句話說，BCG 的研究結論是：在 AI 轉型中，技術能力是門檻，領導力才是決定因素。懂 AI 卻不懂人，正在成為組織轉型失敗的主因。
盲點三：你在優化一個不該存在的流程
Fast Company 在 2026 年八月刊出的分析，作者是 Cengage 集團執行副總裁暨首席數位長 Darren Person，他的論點乾淨直接：
「太多組織正在用 AI 優化昨天的工作流程，而不是問一個更難的問題：這個流程應該繼續存在嗎？」
這個區分，看起來微妙，但後果截然不同。
舉一個具體的例子：在客服部門，「用 AI 優化現有流程」，可能是用 AI 幫客服人員整理通話紀錄、自動生成摘要。這確實節省了時間。但「重新想像工作本身」，則是問：我們的客戶為什麼打電話進來？他們在到達客服人員之前，有沒有可能在第一個接觸點就得到解答？如果我們從一開始就用 AI 理解來電意圖、收集客戶背景、路由到最合適的處理方式，整個流程的結果會不會完全不同？
Person 指出，BCG 的數據也支持這個觀點：60% 的企業表示，儘管投入了大量 AI 資源，仍然感受不到明顯的價值回報。他的診斷是：這些企業把 AI 疊加在原有流程上，而不是用 AI 重新設計流程。結果是：AI 讓他們更快地把事情做完—但做的還是同樣的事情。
這個問題的根源，在於一種思維習慣：人們習慣在既有框架內尋找改善空間，而不是質疑框架本身。當你問「AI 可以幫我們把這件事做得更快嗎？」，你已經預設了這件事值得做。但更好的問題是：「如果我們今天從零開始設計這個流程，而且 AI 從一開始就存在，我們會設計出一樣的東西嗎？」
Person 提供了四個判斷標準，幫助團隊區分「優化」和「重新想像」：
一、我們試圖改善的結果是什麼？
二、這個流程裡，有哪些環節是因為過去的限制才存在的，而這些限制現在已經消失？
三、如果從零開始，我們會做什麼不一樣的決定？
四、哪些地方真的需要 AI，哪些地方其實只需要更簡單的自動化或流程簡化就夠了？
一個有用的自我檢驗方式是：如果導入 AI 之後，唯一的改變是「同樣的事情花更少時間」—那麼你很可能只是讓 AI 服務了一個不該存在的流程。
三個盲點如何互相強化—以及為什麼不解決它們會更危險
這三個盲點不是各自獨立的問題，它們會互相強化，形成一個讓企業越陷越深的循環。
當企業沒有算進隱形預算（盲點一），組織就會低估真正所需的投入，導致變革執行不到位。執行不到位的時候，員工得不到足夠的支持和方向，管理者也不知道如何解讀員工的反應—是真正的接受，還是表面的配合（盲點二）。而在整個過程中，因為缺乏系統性的流程重新設計，AI 只是被叠加在原有工作流程上，創造出表面可見的效率，卻沒有改變真正重要的結果（盲點三）。
這個循環的可怕之處在於：它會讓企業誤以為自己在轉型，但實際上只是在更快速地原地踏步。而且，投資越多，越難承認問題所在—因為承認問題，意味著要解釋為什麼之前花的錢沒有帶來應有的回報。
Bain & Company 在 2026 年的研究提供了一個驚人的數字：近 40% 的企業表示，AI 帶來的成本節省低於預期目標（預期 11% 到 20%，實際低於 10%）—但這些企業裡有 90% 仍然計劃增加 AI 預算。這不是理性的投資決策，這是一種組織慣性：因為周圍的人都在這樣做，所以繼續做；因為已經投資了，所以不能停。
S&P Global 的調查則揭示了另一個面向：2025 年，有 42% 的組織放棄了大多數的 AI 試點專案，這個比例比前一年的 17% 幾乎翻倍了。放棄不一定是壞事—如果它是有意識的學習之後的決定。但如果它是因為組織從一開始就沒有算清楚那本隱形帳單，那麼放棄的過程，只是把浪費確認下來，而不是從中學習到什麼。
更根本的問題是：當這三個盲點同時存在時，企業會失去校準自己的能力。你不知道投資是否有效，因為你沒有追蹤正確的指標；你不知道員工是否真的投入，因為你把出席率當成了認同感；你不知道流程重設計是否成功，因為你用「速度提升」當成了「結果改善」的替代指標。
這不是技術問題，這是思維框架的問題。
換一個問法：如何開始看見自己的盲點
盲點之所以是盲點，是因為你看不見它。但有一些具體的問題，可以幫助你開始找到自己的位置。
針對盲點一（隱形預算），你可以問：
「如果把員工學習使用 AI 工具的時間、主管帶領團隊轉換工作方式的時間、以及因為流程不順暢而產生的摩擦成本，都折算成金額，我們的 AI 真實成本是多少？這個數字，是我們寫在報告上的訂閱費用的幾倍？」
針對盲點二（領導力比技術更重要），你可以問：
「當我的團隊在使用 AI 工具時，他們清楚地知道這和我們整體工作目標之間的關係嗎？如果我問一個基層員工：『我們導入這個工具，是為了達成什麼？』他們的答案和我心裡的答案會是一樣的嗎？」
針對盲點三（優化 vs. 重新想像），你可以問：
「如果我們今天從零開始設計這個工作流程，而且知道 AI 從一開始就可以使用，我們還會設計出現在這樣的流程嗎？如果不會，那麼我們現在用 AI 優化的，究竟是一個值得優化的流程，還是一個不該存在的流程？」
Brynjolfsson 的研究同樣提醒我們：「在現有流程上自動化，在智識上比重新創造更容易。」這不是譴責，而是描述一個人類組織的自然傾向。改變需要能量、需要承受短期的混亂、需要面對「舊方式可能從一開始就不是最好的方式」這個令人不舒服的真相。
但這正是 Brynjolfsson 所說的「互補投資」的核心：在技術投資之外，願意投資在流程重新設計、人才重新定位、以及組織文化的調整上。這些投資看不見、量不到、也不會出現在任何 AI 供應商的銷售提案裡—但它們，才是決定 AI 投資能否真正回收的關鍵。
最後，有一個數字值得記住：根據 Writer 的 2026 企業 AI 調查，59% 的企業每年的 AI 投資超過百萬美元，但只有 29% 報告了顯著的回報。也就是說，大多數花了最多錢的企業，得到的結果是低於預期的。
這不是因為他們的 AI 工具不夠好，也不是因為他們的員工不夠努力。這是因為他們沒有看見那本沒人算過的帳、沒有重視領導力在轉型中的核心角色、以及沒有問那個更難、但更重要的問題：我們在對的事情上使用 AI 嗎？
我們的觀點
如果你也在思考這件事—不管是準備向上提案、或是在想自己的部門下一步—有一件事可能值得先確認：你的 AI 決策，是從「這個工具能做什麼」出發，還是從「我們想達成什麼結果」出發？
這兩個出發點，會帶你走向完全不同的地方。前者讓你從工具找用途；後者讓你從目標找工具。而 Brynjolfsson、BCG、以及 Fast Company 的分析都在說同一件事：現在大多數企業，是從工具出發的。
還有一件事可以試試：下次在你的組織裡討論 AI 導入方案時，把那個「隱形帳單」列出來—不是作為阻止投資的理由，而是作為讓投資真正值得的前提條件。當一個組織能夠誠實地問「我們準備好付這筆帳了嗎」，它通常已經比大多數人更接近成功。
概念速查
生產力 J 型曲線（Productivity J-Curve）：
Erik Brynjolfsson 提出的現象，指企業導入新技術初期，因需要大量配套的組織調整，生產力往往先下降後才回升。
隱形預算（Hidden Budget）：
AI 有形投資（訂閱費、硬體）之外，未被計入預算表的組織調整成本，包括員工學習時間、流程重設計、文化轉型等，通常是有形投資的數倍。
喜悅弔詭（Joy Paradox）：
BCG 研究發現的現象，AI 同時讓工作者感到更滿意（67%）和認知負擔增加（41%），兩者並存。
互補投資（Complementary Investments）：
Brynjolfsson 的核心主張—AI 技術投資必須搭配流程重新設計、人才培育、組織文化調整等「無形資本」，才能真正產生回報。
FAQ
Q：我們公司的 AI 投資規模不大，這些問題適用嗎？
A：適用，而且對規模較小的投資更重要。當預算有限時，每一筆投資的機會成本更高。「隱形預算」問題不因投資金額而消失；反而，小規模投資更需要確保配套到位，否則資源消耗在前期，回報卻遙遙無期。
Q：如何說服高層認真看待「隱形預算」？
A：最有效的方式，是把無形成本轉換成具體的時間單位，再折算為金額。例如：「我們的 150 位主管，每週需要額外花多少小時處理 AI 相關的協調和判斷工作？乘以人力成本，這個數字是多少？」把抽象的「組織調整成本」變成具體數字，對話才能真正開始。
Q：BCG 說領導力比技術重要，那我們應該停止培訓員工的 AI 技術能力嗎？
A：不是非此即彼。BCG 的研究是在說，技術能力是必要條件，但不是充分條件。領導者需要同時具備基本的 AI 素養，以及帶領團隊在不確定中找到方向的能力。技術培訓應該持續，但不能取代對「為什麼做」和「怎麼做」的清晰溝通。
開放討論
你的組織目前的 AI 投資，更接近「優化昨天的流程」還是「重新想像工作本身」？這兩者之間的差距，在你的日常工作中是如何體現的？
延伸思考
- 如果要你今天列出你部門的「AI 隱形成本」，你會怎麼計算？哪些項目最容易被忽視？
- 你的組織裡，誰是「懂技術但不懂帶人」的 AI 推動者？誰是「不懂技術但擅長帶人走向改變」的領導者？這兩種人，各自在你們的 AI 轉型中扮演什麼角色？
- 你現在負責的某個工作流程，如果從零開始設計、且 AI 從一開始就存在，你會做什麼不同的決定？
資料來源
Darren Person, "Reimagined Work Will Create AI Transformation," Fast Company, 2026年8月10日
Erik Brynjolfsson, "The Enterprise AI Blueprint," Economist Enterprise Insights（訪談綜合）
BCG AI at Work 2026 Slideshow Report, "Strategy Matters More Than Tools"
PwC 2026 Global CEO Survey（4,454 位執行長，95 國）
FP&A Trends, "The Day 100 AI Bill: A Growing CFO Problem in 2026"
Richmond Fed, "Will AI Investments Pay Off?" Econ Focus Q1-Q2 2026
關於文字策展人
Cha Cha 是查查創意文字策展人暨創辦人，Stanford d.school 設計思考專業研修，累積超過三百場企業工作坊實戰經驗。長期深耕設計思考、創意��考與未來趨勢，致力於讓更多人在 AI 時代找到自己的思考方式。
訂閱電子報
訂閱「未來思考週報」，每週三收到精選文章與趨勢洞察。