設計思考 Design Thinking 2026-07-2267

高層越樂觀，執行層越失控—AI 投資的兩個平行世界

讀完這篇，你會知道：

McKinsey 最新報告揭示：93% 的企業 AI 團隊超支，六成成本竟然花在「讓 AI 修改自己的答案」
Deloitte 同月調查：73% 的財務長對 AI 充滿信心，兩年前這個數字只有 39%—高層的樂觀與執行現實為何如此背離？
這個落差對你意味著什麼？無論你是決策者還是執行者，有三件事你現在就需要知道

思考的起點

2026 年 7 月的第三週，兩份報告幾乎同一時間出現在企業主管的桌上，但它們描述的像是兩個完全不同的世界。

第一份來自麥肯錫（McKinsey）：在企業 AI 投資的現場，93% 的 AI 團隊超出預算；在那些導入 AI 代理人（AI agents）的企業中，60% 的運營成本花在一件事上—讓 AI 不斷修改它自己給出的答案，直到答案可用為止。

第二份來自德勤（Deloitte）：針對英國 58 位大型企業財務長的調查顯示，73% 對 AI 將改善自家業務表達樂觀—這個數字兩年前只有 39%，在過去兩年幾乎翻了一倍。

兩份報告的調查時間幾乎重疊。但一份顯示的是預算失控的執行現場，另一份顯示的是信心高漲的決策高層。

這不只是一個組織溝通問題，它代表了 AI 時代最危險的一種企業風險：當負責決策的人比負責執行的人更樂觀，盲點就在這個落差裡悄悄累積。

一、六成成本花在讓 AI 修自己的答案—麥肯錫的超支警告

麥肯錫在 2026 年 7 月發布的最新報告，聚焦於企業導入「AI 代理人」（Agentic AI）的實際成本結構。所謂 AI 代理人，是指那些可以自主執行多步驟任務的 AI 系統—不是回答單一問題的聊天機器人，而是可以規劃、執行、調整、再執行的自動化代理。

報告揭示的數字令人意外：在這類系統中，60% 的運營成本集中在「回應精煉」（response refinement）這個環節—也就是 AI 代理人在得出初始答案之後，為了讓答案更準確、更貼合需求而不斷進行的自我修正迴圈。

換句話說，企業花了大量的錢讓 AI 產生答案，但實際上更大的成本，是讓 AI 「修改自己剛才說的話」。

為什麼修改答案這麼貴？麥肯錫的報告指出，AI 代理人執行的任務所使用的 token 數量，幾乎是傳統程式碼或對話式 AI 的一千倍。這意味著每一次修改，都是一次耗費龐大運算資源的過程。按 token 計費的定價模式在這個情境下已完全失效，企業往往在預算規劃時嚴重低估了「讓 AI 把事情做好」的實際代價。

報告同時指出，企業 AI 成本超支的六大驅動因素包括：長時間的上下文保留（long-lived context）、回應修改、多個 AI 代理人之間調度效率低落、任務複雜度被低估、缺乏追蹤 AI 決策業務影響的系統，以及過渡期間的重複人工確認。

最後一點特別值得注意：許多企業雖然已導入 AI 代理人，卻沒有建立任何機制來衡量這些 AI 決策到底帶來了什麼可見的業務成果。結果是持續的投入、難以量化的產出，以及不斷增長的帳單。

這份報告的意義，在於它把一個長期以來被低估的問題數字化了。企業長期以來習慣用「AI 導入率」來衡量 AI 轉型的進度，卻很少追問「已經導入的 AI 系統，實際上有多少在做真正有用的事」。McKinsey 的報告提供了一個不舒適但必要的鏡子：在那些已經把 AI 代理人部署到生產環境的企業中，有 62% 的組織仍在試驗階段，真正規模化的不到四分之一。規模化的速度，遠遠落後於外界對 AI 普及化的想像。

報告的結論指向一個本質性的轉變：「擴展 AI 代理人的決定，正在從技術決策，演變成一個複雜而快速變化的財務決策。」這句話的意思是：AI 轉型的成敗，從現在起不再只取決於技術是否好用，而取決於企業是否有足夠的財務思維來管理它。

二、兩年前 39%，現在 73%—CFO 的 AI 樂觀從何而來？

就在麥肯錫報告出爐的同一個月，德勤（Deloitte）也公布了它的 Q2 2026 英國財務長調查。這份報告在 2026 年 7 月 1 日至 13 日之間，訪問了 58 位大型企業財務長，其中包括 10 家富時一百（FTSE 100）公司和 21 家富時兩百五十（FTSE 250）公司的財務長。

最顯眼的數字是這個：73% 的受訪財務長表示，在過去 12 個月間，他們對 AI 將改善自家業務表現的信心有所提升。這是德勤自 2024 年開始追蹤這個問題以來的最高數值。相比之下，2025 年第四季這個數字是 59%，2024 年第三季只有 39%。幾乎在兩年內增加了一倍。

樂觀的範疇不僅限於信心。96% 的受訪財務長預期英國企業在未來五年將增加數位科技投資；93% 預期未來 12 個月就會看到投資增加；78% 預期未來五年生產力和業務表現將有所提升；50% 甚至預期未來 12 個月就能看到生產力改善。

這些數字反映出一個真實的趨勢：財務長群體對 AI 的態度，正在從「謹慎觀望」快速移向「策略押注」。Deloitte 英國執行長 Darren Graves 在報告中評論道：「看到企業界對 AI 提升生產力和業務表現的正面影響日益樂觀，確實令人鼓舞。」

值得注意的是，這份樂觀情緒的上升，同時伴隨著整體外部風險感知的下降。財務長對地緣政治風險的評分從年初的 79 分降至 68 分；對能源價格風險的擔憂從 70 降至 60。換句話說，外部不確定性的緩和，讓高層決策者有更多心理空間去擁抱 AI 的潛力。

然而，這裡有一個細節值得放大來看：儘管 73% 的財務長對 AI 感到樂觀，他們仍然把「控制成本」和「現金管理」列為未來 12 個月的前兩大優先事項。這意味著財務長的樂觀，是一種有條件的樂觀—他們相信 AI 有潛力，但同時並不打算在預算上給 AI 無限的空間。

三、當高層的樂觀和執行層的超支同時存在，會發生什麼？

把麥肯錫和德勤的數據放在一起看，你會看到一個讓人有些不安的圖景：財務長們對 AI 的信心在歷史高位，而同一時間 AI 執行團隊的預算超支也在歷史高位。

這不是一個組織特有的問題，而是一個在 AI 轉型浪潮中普遍出現的結構性落差。它有幾個具體的成因：

1. 高層看到的是「潛力」，執行層承擔的是「複雜度」

AI 的潛力被廣泛報導，而它的技術實現成本被系統性低估。一位財務長在看到 AI 產品展示或閱讀分析師報告時，看到的是效率提升和成本節省的可能；但負責實際部署的工程師或業務團隊，面對的是 API 費用、資料清理、模型調校、使用者接受度和安全合規等一系列在 demo 中從不出現的真實挑戰。

2. 預算規劃沿用了舊有的軟體思維

傳統軟體的採購是買斷或訂閱制，費用相對固定且可預測。Agentic AI 的費用是動態的、按使用量計費的，而且如麥肯錫報告所指出的，實際使用量往往遠超出預估—單是讓 AI 修改自己的答案，就可能消耗掉六成預算。如果預算規劃者仍用訂閱軟體的邏輯去估算 AI 代理人的費用，超支幾乎是必然的結果。

3. 缺乏讓高層「看見執行現場」的語言

麥肯錫的報告特別提到，許多企業缺乏追蹤 AI 決策業務影響的系統—這不只是技術問題，更是管理問題。當執行團隊沒有工具可以把「我們花了多少、AI 做到了什麼、帶來了什麼可量化的成果」清楚呈現給高層，財務長的樂觀就只能停留在信心層面，而無法轉化為有根據的投資決策。高層的樂觀和執行的超支，在這個資訊不對稱的狀態下，只會越來越遠。

更深層的風險是，當財務長開始要求「展示 ROI」，而執行團隊卻還沒有建立起衡量機制時，組織往往會陷入兩種有害的應對模式：一是給出無法追溯的樂觀數字來維持高層信心；二是縮減 AI 投資來控制可見的預算，但同時放棄了那些需要時間才能顯現的長期價值。無論哪一種，都是代價高昂的選擇。

四、縮小落差：從「AI 樂觀」到「AI 問責」的三個轉變

麥肯錫的報告在結尾提出了一個核心論點：企業現在需要從「降低 AI 成本」轉移到「證明 AI 帶來的可量化業務價值」—這個轉變需要整個組織層面的配合，而不只是技術團隊的努力。

以下是三個有助於縮小高層樂觀與執行現實之間落差的具體方向：

1. 把 AI 代理人的成本結構說清楚，在預算會議之前

「我們要導入 AI 代理人」這句話，在決策層聽起來像是一個技術採購決定；但在財務上，它更像是一個持續性、動態成本的承諾。執行團隊需要在預算申請階段就主動呈現完整的成本地圖，包括初始建置、持續運營、回應精煉、人工審核和潛在的模型更新成本，而不是等到超支發生後才解釋原因。高層需要看到的不只是「AI 能帶來什麼」，而是「AI 帶來這些需要付出什麼」。

2. 建立 AI 決策的可視化追蹤機制

如果企業無法追蹤 AI 決策產生了什麼業務影響，那麼無論投入多少，財務長的樂觀都只是一種無根據的信仰。建立一套能把 AI 活動與業務指標連結的追蹤系統，是讓 AI 投資走向問責制的基本前提。這不需要一步到位，但需要從第一天就列入部署計畫的一部分。

3. 把「50% 財務長預期 12 個月內看到生產力提升」變成可管理的期望

德勤調查顯示，50% 的財務長預期未來 12 個月就能見到生產力改善。這個數字如果沒有被轉化成具體、可追蹤的里程碑，12 個月後就會變成一場沒有結論的失望。組織需要的是把「預期生產力提升」拆解成「哪個部門、哪個流程、提升多少、用什麼指標衡量」的具體計畫—這是財務長和執行團隊之間最需要對話的那一張紙。

值得一提的是，這個落差並非只在大型跨國企業中存在。在台灣，許多中型企業正處於「老闆聽了很多 AI 演講，團隊卻不知道從哪裡開始」的困境。高層的期望不斷上調，執行資源卻沒有同步跟進。這種情況在缺乏專職 AI 負責人的組織中特別常見—AI 導入的任務往往被分配給現有的 IT 部門或某位「對 AI 有興趣」的員工，而這些人既沒有足夠的預算授權，也缺乏跨部門的協調能量。結果是一個試驗接一個試驗，卻始終無法真正走進組織的日常工作流程。麥肯錫的 93% 超支問題，在這個情境下往往以另一種形式出現：不是財務超支，而是人力成本被耗費在反覆的「嘗試—放棄—重新嘗試」循環。

這三個轉變，說起來像是常識，但在組織的日常壓力下卻難以執行。原因是它們都需要「慢下來、想清楚」的空間，而多數組織的 AI 轉型是在一種急迫感中向前推動的—競爭對手在用 AI、媒體在報導 AI、董事會在問 AI。這種氛圍讓組織傾向於「先導入再說」，而不是「先設計再導入」。但麥肯錫的數字告訴我們：急著導入而不設計，換來的是 93% 的超支和難以量化的成果。放慢腳步，不是落後，而是在別人重來之前，把路走對。

Gartner 的預測在這個脈絡下格外值得警示：預計到 2027 年底，超過 40% 的 Agentic AI 專案將被叫停，原因是成本持續上升、業務價值不明確、以及缺乏足夠的風險管控機制。這個預測意味著，現在正在進行 AI 投資的企業中，有相當一部分將在兩年內面臨一個痛苦的抉擇：繼續燒錢，還是叫停並重來。能提早在高層樂觀和執行問責之間建立橋樑的組織，將是那些不在這 40% 裡的企業。

我們的觀點

在查查創意服務的企業客戶中，我們最近幾個月開始在工作坊前置訪談時，刻意問同一個組織裡不同層級的人同一個問題：「你們的 AI 轉型進展得怎麼樣？」

高層的回答通常是：「我們已經在幾個部門導入了，整體看起來很有潛力。」執行層的回答通常是：「我們試了一些工具，但不太確定哪個有用，而且有些東西比想像中麻煩很多。」

這個對話落差，幾乎完美呼應了麥肯錫和德勤這兩份報告之間的距離。不是有人說謊，而是兩個層級接觸到的是 AI 的不同面向：高層接觸的是 AI 的潛力敘事，執行層接觸的是 AI 的實作摩擦。

設計思考有一個核心原則，叫做「深入理解真實使用者的真實處境」。在 AI 轉型的脈絡下，這個原則可以翻譯成：在做任何 AI 投資決策之前，決策者需要真正理解執行者每天面對的是什麼—不是透過報告，而是透過直接接觸。

我們在多場 AI 轉型工作坊中觀察到，最快能在 AI 導入上取得成果的組織，有一個共同的做法：他們在決定「用什麼 AI 工具」之前，先花時間回答「我們想解決什麼具體問題」。這個順序的顛倒，正是大多數 AI 投資失敗的根本原因。許多企業的 AI 導入路徑是：高層決定投資 AI → 採購工具 → 叫員工用 → 等待成效。但真正有效的路徑應該是：找到有痛點的流程 → 確認 AI 能不能解決這個痛點 → 小規模試驗並設定可量化的成功標準 → 確認有效後再逐步擴展。前者是用 AI 工具尋找問題，後者是用問題尋找工具。這個差距，直接決定了 93% 超支的企業和另外 7% 之間的分野。

那些能在 AI 時代持續創造價值的組織，不一定是用了最多 AI 工具的組織，而是最清楚「AI 在我們這裡，在什麼條件下，能做到什麼事」的組織。這種清醒，需要高層和執行層之間真實的對話，而不只是報告與簡報的單向傳遞。AI 的投資問題，本質上是一個組織溝通的設計問題。