用 AI 打造新事業：McKinsey 說這不是效率問題，是全面重寫
讀完這篇，你會知道：
- 為什麼 88% 用了 AI 但只有 6% 真正受益——差距在哪裡
- McKinsey 提出的 AI 創業新框架三個核心軸，以及企業可以立刻對應的行動
- 為什麼「人機混合團隊」才是下一個競爭優勢的來源，而不是「更好的 AI 模型」
思考的起點
有一個問題，最近在許多企業主管的腦海中反覆出現：「我們公司也在用 AI，但為什麼感覺跟沒用差不多？」
這不是你一個人的困惑。McKinsey 最新數據告訴我們，全球 88% 的企業已在至少一個業務功能中導入 AI，然而真正能說「AI 對我們的利潤有顯著貢獻」的企業，只有 6%。
這個落差，不是技術問題，不是預算問題，而是思維框架的問題。大多數企業把 AI 當成「工具」在用—讓它寫文案、整理資料、回答客服問題。但 McKinsey 在 2026 年 4 月剛發布的報告中，說了一句讓人坐直的話：AI 帶來的，是企業被構想方式的根本性重寫（fundamental rewiring），而不是邊際效率的提升。
這篇文章，我們就從這個「重寫」出發，看看走在最前面的企業是怎麼想、怎麼做的。
88% 都在用，但只有 6% 真的贏了
AI 的普及不等於 AI 的優勢，真正的差距在於是否重新設計了工作方式。
根據 McKinsey《2025 年 AI 現狀》報告，88% 的組織已在至少一個業務功能中使用 AI，但只有約三分之一的企業開始在整個組織範圍內擴展 AI 的使用。更關鍵的是，McKinsey 定義的「AI 高績效者」—也就是 AI 對 EBIT（稅前息前利潤）貢獻超過 5% 的企業—僅佔所有受訪企業的 6%。
為什麼會有這麼巨大的落差？
McKinsey 的診斷非常清晰：問題不在技術，在於組織設計。大多數企業把 AI「疊加」在既有的工作流程上，而不是用 AI 來「重新設計」工作流程。這就像在馬車上裝引擎—速度快了一點，但根本的運作邏輯還是馬車時代的邏輯。
McKinsey 同期發布的另一份 AI 信任調查（State of AI Trust in 2026）也進一步揭示，65% 的受訪組織將安全與風險疑慮列為完整擴展 Agentic AI 的最大障礙，遠超過法規不確定性或技術限制。這意味著，阻礙 AI 真正發揮價值的，更多是信任與治理的問題，而非模型能力本身。
對中小企業主管來說，這是一個需要認真面對的訊號：如果你只是在用 AI 幫員工做更快的事，你得到的是效率；如果你用 AI 重新定義誰在做什麼事、怎麼做，你得到的是競爭優勢。
【國際案例】
麥肯錫本身就是一個案例。根據 McKinsey 2026 年的報告，他們內部的軟體開發團隊透過在整個開發生命週期（從概念發想、需求定義、設計、編碼、測試到部署）全面嵌入 AI，並讓開發者從「寫每一行程式碼」轉型為「監督 AI 產出、驗證架構、管理品質」的角色，實現了開發速度與品質的大幅躍升。麥肯錫將這種轉型稱為「20 倍能力」（20x capability），並指出具備這種能力的企業，能在對手尚未反應時就已經加速拉開差距。
McKinsey 的 AI 創業新框架：三個核心軸
AI 時代的創業成功，不在於採用多少 AI 工具，而在於是否從第一天起就把 AI 骨幹嵌入商業模式的核心。
McKinsey Business Building 在 2026 年 4 月發布的報告 「How to build businesses faster and better with AI」中，提出了一個清晰的三軸框架，讓想用 AI 打造新事業（或重塑既有事業）的領導者有明確的行動方向：
第一軸：重設績效期望，要求跨越式成果
這一軸的核心是：不要用 AI 去達成昨天的目標—要用 AI 去定義全新的目標。McKinsey 指出，真正從 AI 獲益的企業，領導者會主動提高績效期望的門檻，要求的不是「快 20%」，而是「以三分之一的人力達成相同甚至更好的成果」。這需要一種組織心態的轉換：停止問「AI 能幫我們做什麼？」，開始問「如果 AI 能做我們現在人在做的大部分事，我們應該重新投入到哪裡？」
第二軸：從第一天起打造 AI 骨幹，讓人機混合團隊從起點就能運作
報告特別強調「從第一天起」這件事。許多企業的做法是先建立人的團隊，等業務穩定後再引入 AI。McKinsey 認為這是倒退的順序。在 AI 時代，新創事業或新業務線的建置，應該一開始就設計成人機混合的架構—AI Agent 負責資料分析、市場研究、合規確認、方案測試，人負責設定策略方向、評估輸出品質、處理例外狀況。這樣的架構，能讓同樣規模的團隊在更短的時間內達成更大的成果。
第三軸：設計能讓 AI「編碼並放大」專業知識的團隊架構
這一軸最為深遠。報告指出，真正的競爭優勢來自「組織知識的 AI 化」—把企業累積的專業判斷、決策邏輯、品質標準嵌入 AI 系統，使之成為可複製、可擴展的資產。這意味著，企業最有價值的工作，不再是「做決定」，而是「把我們如何做決定的智慧，教給 AI」。
這三個軸合在一起，描述的是一種全新的企業建構邏輯：不是「人做事，AI 輔助」，而是「AI 做事，人設計、驗證、優化」。
【國際案例】
Klarna，這家瑞典金融科技公司，是全球最被廣泛引用的 AI 規模化案例之一。根據 Klarna 在 2024 年 2 月的公開聲明，他們的 AI 助理（由 OpenAI 技術驅動）在上線的第一個月就處理了 230 萬次對話，相當於 700 名全職員工的工作量，客戶滿意度與人工客服相當，問題解決時間從平均 11 分鐘縮短至 2 分鐘以內。
然而，同樣值得記住的是：Klarna 在 2025 年宣布重新招募人工客服。CEO Sebastian Siemiatkowski 坦承，過度以成本削減為驅動的 AI 策略最終導致服務品質下降。「我認為我們在削減人工客服上走得太遠了，」他在接受 Bloomberg 訪問時說。Klarna 的這個轉折，不是否定 AI 的價值，而是印證了 McKinsey 的論點：真正的競爭優勢來自「人機最佳搭配」，而不是「AI 最大化取代人」。
人機混合團隊：下一個真正的競爭護城河
比 AI 模型更難被複製的，是你們組織獨特的「人機協作方式」。
有一個誤解需要先打破：企業的 AI 競爭優勢，不來自於使用「更好的 AI 模型」。
因為 AI 模型是公開的、可購買的、對每個人都大致相同的。今天你用 Claude，明天競爭對手也可以用 Claude。
真正難以複製的，是你的組織如何把 AI 整合進日常決策流程、如何設計人與 AI 的工作介面、如何建立起一套「什麼交給 AI、什麼留給人」的判斷機制。
McKinsey 在其 2026 年 4 月發布的 AI 體驗設計報告中進一步指出，大多數 AI 工具之所以無法在組織內擴展，根本原因不是技術，而是體驗設計的失敗：輸出太通用（不符合組織特定標準）、缺乏協作迭代機制（AI 只給答案而不是陪著思考）、以及決策過程不透明（使用者不理解 AI 為何做出這個判斷）。
換句話說，能夠建立真正 AI 競爭力的企業，投資的是「讓人願意信任並使用 AI」的系統設計，而不只是買進最貴的模型。
對中小企業的具體啟示是：不需要等 AI 技術更成熟。現在就可以開始做的，是記錄你們組織最核心的判斷邏輯、標準與流程，思考哪些部分可以被 AI 學習與執行，並開始小規模地實驗「人設計邊界、AI 在邊界內運作」的工作模式。
【國際案例】
日本 7-Eleven 的母公司 Seven & i Holdings，從 2023 年開始在其零售運營中系統性地引入 AI 決策支援。根據該公司公開報告，他們的 AI 系統負責分析各門店的銷售數據、天氣預報、地區活動等變數，自動生成備貨建議—但最終的備貨決策仍由門店經理確認。Seven & i Holdings 計劃讓這套系統覆蓋日本全部約 21,000 家門店。這個案例的核心不是「AI 取代店長」，而是「AI 讓店長能在更短時間內做出更有數據支撐的決定」—這正是 McKinsey 所說的人機混合團隊的真實樣貌。
給中小企業主管的三個立即行動
AI 轉型不需要等到完整規劃才開始，從一個流程、一個決策節點切入，就能開始積累優勢。
理論架構很清晰，但對於日常要應對百事的中小企業主管，怎麼把這些洞察轉化為可執行的行動？以下是三個具體的起點：
第一：找出你們組織中「最重複、最耗時、最有規則可循」的��個任務
這些任務是 AI 最容易切入的地方。不需要一次全部改，選其中一個，設計一個「AI 負責執行、人負責審核」的工作流，跑三個月，評估成效再擴大。
第二：開始記錄「我們如何做決定」
組織知識的最大危機，是它只存在於資深員工的腦袋裡。開始把決策邏輯、品質判斷標準、例外處理方式文檔化——這既是未來訓練 AI 的素材，也是讓組織不依賴單一人才的關鍵。
第三：重新定義「績效指標」
如果你用「AI 節省了多少時間」來衡量 AI 的價值，你得到的通常是很小的數字。試著換一個問法：「有了 AI，我們現在能做以前做不到的什麼事？」從「效率增量」轉向「能力擴張」，才能看到 AI 真正的槓桿效果。
本文關鍵概念速查
Agentic AI（自主代理 AI）：
是指能夠自主規劃、執行多步驟任務的 AI 系統，不需要人在每個步驟都下指令。與生成式 AI（如 ChatGPT）的主要差異在於：Agentic AI 能自行決定「下一步做什麼」，更接近一個能獨立完成工作項目的數位協作者。
人機混合團隊（Human-Agent Teams）：
麥肯錫使用的術語，指由人類員工與 AI Agent 共同組成的工作單位。在這種架構下，人負責設定方向、評估輸出與處理例外，AI 負責執行、資料處理與重複性判斷。
AI 高績效者（AI High Performers）：
麥肯錫定義為：AI 對公司 EBIT（稅前息前利潤）的貢獻超過 5%，且受訪者回報從 AI 獲得「顯著」商業價值的企業。目前全球僅約 6% 的企業達到這個標準。
組織知識的 AI 化：
把企業累積的決策邏輯、品質標準與專業判斷，系統性地嵌入 AI 模型或工作流程，使組織知識成為可複製、可擴展的數位資產。
開放討論
你的組織現在使用 AI 的方式，比較像「疊加工具」還是「重新設計流程」？你覺得最大的阻力在哪裡——是技術、是人的接受度，還是不知道從哪個流程開始？
我們的觀點
麥肯錫說「根本性重寫」，聽起來很宏觀，但我們認為對中小企業更實用的理解是：這不是要你現在就把公司翻天覆地，而是要你停止用「工具心態」面對 AI，開始用「架構心態」。
工具心態問：「AI 能幫我做什麼？」
架構心態問：「如果 AI 能做我現在大部分的執行工作，我的組織應該長什麼樣子？」
這個問題，沒有標準答案，但願意認真思考這個問題的企業，已經在悄悄拉開距離了。
延伸思考
- 在你的產業中，哪一個工作環節如果被 AI 大幅提效，會最直接影響競爭格局？
- 你的組織中，有哪些「只有特定人才知道怎麼做」的判斷？這些判斷有可能被文檔化、進而被 AI 學習嗎？
- 如果三年後你的主要競爭對手都已經建立了完整的人機混合工作模式，你希望自己從今天起做哪一件事，讓那時的自己不後悔？
延伸資源
如果你想深入這個主題，推薦以下資源：
How to build businesses faster and better with AI — McKinsey Business Building 2026 年 4 月原文報告
State of AI Trust in 2026: Shifting to the Agentic Era — McKinsey 2026 AI 信任成熟度調查，深入分析 Agentic AI 的治理挑戰
AI Index 2025: State of AI in 10 Charts — Stanford HAI 2025 年 AI 指數報告摘要，包含 78% 採用率數據的原始來源
資料來源
McKinsey & Company（2026年4月1日）：How to build businesses faster and better with AI https://www.mckinsey.com/capabilities/business-building/our-insights/how-to-build-businesses-faster-and-better-with-ai
McKinsey & Company（2026年3月25日）：State of AI Trust in 2026: Shifting to the Agentic Era https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/tech-forward/state-of-ai-trust-in-2026-shifting-to-the-agentic-era
Stanford HAI（2025年）：AI Index 2025: State of AI in 10 Charts https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts
McKinsey & Company（2025年）：The State of AI in 2025 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
訂閱電子報
資訊爆炸不代表認知增長，真正的價值在於「篩選」。 如果你也覺得科技與趨勢變動太快、難以追趕，請讓我們的專業團隊為你導航。我們聽見了讀者對系統化吸收的需求，決定將散落的設計思考與未來新知，收斂成每週一次的精華報告。
每週三，為您的思維進行一次週度更新。 【 訂閱週報：升級我的認知 】
操作方法：點選上方的訂閱連結，進入後，選取最新的一篇文章，進入後，文章內會有填寫 EMAIL 的地方，請將您的 EMAIL 輸入即可。