聚焦「解決顧客問題」，避免AI投資變成竹籃打水

生成式AI未帶來可衡量報酬，問題不在於實驗失靈，而在於領導人重蹈數位轉型時期的錯誤：資金分散、試點零碎，卻未連結到真正的商業價值。AI實驗必須更有紀律——聚焦顧客核心問題，用強度、頻率、密度等架構挑選題目，以低成本反覆迭代，並由獲得賦權的「忍者團隊」推動規模化。

麻省理工學院媒體實驗室（MIT Media Lab）NANDA發布的新報告中，發現95％的生成式AI投資都沒有產生任何報酬，而這則新聞只是一連串質疑AI能否大規模產生成果的最新例證。OpenAI發布的GPT-5令人失望，進一步強化了AI進展正在減緩的觀點。顧能（Gartner）表示，生成式AI正進入「幻滅低谷」（trough of disillusionment）階段——這是該公司描述企業採用技術「五階段炒作循環架構」中的第三步。

當然，這份麻省理工學院報告其實要比標題更細緻一點：報告指出，雖然個人正成功採用AI工具來提高他們的生產力，但這類成果在損益表層級難以衡量，而且企業在推動全企業部署時遭遇困難。此外，作者發現，多數用於AI實驗的支出都流向銷售與行銷計畫，儘管能帶來最大的投資報酬率的往往是後端轉型。

即便如此，這樣的新聞標題還是令領導人擔憂。如果投資在實驗上的數百億美元，95％都沒有產生價值，那麼實驗AI的努力是否都白白浪費了？另一方面，不進行實驗，企業又該如何學習如何使用這些工具？領導人應該如何解讀這些結果？

身為研究AI和教授AI轉型與技術的研究人員，我們認為許多領導者人正重蹈覆轍，犯下和十年前數位轉型時的相同錯誤。鼓勵實驗固然是好事，但若落入陷阱而讓實驗失控，成效將不增反減。脈絡是這樣的：上一波數位轉型浪潮中，許多領導人對數位轉型與前進路徑感到困惑，選擇擁抱創新與實驗，採取「萬花齊放」的做法，期盼少數實驗能帶來獨角獸等級的報酬。