一家已有 138 年歷史、承保業務遍及全球的保險公司，已投入超過 5,000 萬美元發展生成式 AI，執行長見到 Google Cloud 亞太區 AI 上市業務董事總經理 Harsha Konduri，第一個問題卻是：「為什麼我們仍看不到合適的 ROI？」
這不是單一企業的困境，Harsha Konduri 在今（7/9）日舉辦的 Google Cloud Day Taipei 主題演講指出，87% 的企業 AI 專案從未達到生產規模，仍有大量專案停留在展示階段；真正把 AI 嵌入營運流程、形成競爭優勢的專案，占比甚至不到 5%。
Harsha Konduri 認為，問題往往從企業如何定義 AI 策略就已經開始。他歸納企業最常見的幾項誤區，包括把 AI 策略押在單一模型或供應商、認為擁有大量資料自然能形成優勢，甚至只把 AI 當成降低人力成本的工具。
台灣 57% 企業已部署生成式 AI，焦慮卻從怕不懂變怕跟不上
這股壓力在台灣更加明顯。IDC 台灣總經理江芳韻在 Google Cloud Day 活動中指出，IDC 去年下半年調查亞洲超過 950 家企業，台灣已有 57% 企業部署代理式 AI，高於亞太平均的 36%。企業對代理式 AI 的期待也相當高，61% 受訪企業預期投資報酬（ROI）可超過 3 倍。
Google Cloud 台灣技術總經理林書平觀察，過去企業高階主管的焦慮，多半來自不了解 AI 是什麼、可以做什麼；如今則逐漸轉為「擔心跟不上」，開始急著盤點企業流程中有哪些工作應盡快導入 AI 或 AI 代理。
然而，導入速度加快，不代表價值自然出現。Google Cloud 大中華區 AI 技術總監蔡力宏點出一個常被企業忽略的差異：Personal Context（個人上下文）與 Enterprise Context（企業上下文）。
個人使用 AI 助理時，可以利用自己的 Gmail、Google Drive 等個人情境提升生產力；但到了企業環境，AI 真正需要理解的還包括 SOP、CRM 系統資料，以及公司獨有的營運流程。
蔡力宏說，許多企業「把 Gemini App 給所有員工」，就期待很快產生成效，「但坦白說，有很多 Enterprise Context 並不是非常 visible（可見的）。」
換句話說，讓所有員工用上 AI，不代表 AI 已經理解企業如何運作；缺少 SOP、CRM 資料與內部流程，提升的仍可能只是個人生產力。
Agent 做出來了，為何還是做不大？企業卡在 3 道關卡
即使企業找到適合的應用場景，下一道難題則是：如何讓成功的 AI 專案從概念驗證走向規模化部署？
江芳韻歸納，目前企業發展代理式 AI 面臨三大痛點：資料尚未就緒、缺乏可擴展的平台，以及難以整合既有系統。
當企業沒有統一的資料骨幹，各部門往往有什麼資料就先做什麼，例如客服用自己的資料建立 Agent，行銷、財務也各自開發，最後企業內部出現大量各自為政的小型 Agent，卻無法串起更大的效益。
她也引述 IDC 調查強調平台的重要性：擁有平台的企業，Agent 部署數量比沒有平台的企業高出 2 倍以上。針對既有系統整合，江芳韻表示若 Agent 無法讀取、寫入或觸發企業內部系統，即使能回答問題，也難以真正執行任務。
林書平則提醒，企業認為 AI 投資 ROI 不足，有時並非應用本身沒有價值，而是資源投入錯誤的技術層級。
AI 從哪裡開始導入？先找「本來就有 KPI」的高頻流程
面對 ROI 壓力，企業應該從哪裡開始？林書平歸納兩類較容易產生價值的場景。第一，是資料大量散落在不同系統，需要頻繁搜尋、彙整與摘要的工作；第二，則是高頻率、可高度自動化的商業流程。
江芳韻則觀察，目前台灣較具體落地的三大領域是客戶支援、風險管理與供應鏈優化。這三類工作有一項共同點：在 AI 出現以前，就已有明確的績效指標。例如客訴解決時間、成功攔截多少詐欺金額，或平均庫存天數。江芳韻指出，這些流程導入 Agent 後，前後差異更容易衡量。
這也提供企業一個更實際的 AI 導入思路：與其先問「AI 能做什麼」，不如先盤點公司內部哪些流程每天重複發生，而且早已有明確 KPI。
模型人人都買得到，企業如何讓 AI 優勢「愈滾愈大」？
找到適合的流程、建立資料與平台，是讓 AI 走出概念驗證的基礎。但 Harsha Konduri 提出另一個問題：當競爭者也能取得相近的模型與技術，企業如何利用 AI 建立長期差異？他的答案是「複利優勢」（compounding advantage）。
「如果沒有數據飛輪，就不存在所謂的 AI 策略。」Harsha Konduri 認為，企業只是持有資料並不足以形成優勢。企業必須先將資料轉化為 AI 可使用的「燃料」，用來改善決策，再把決策自動化進流程；隨著更多員工與客戶使用，又產生新的資料，持續改善 AI 與決策品質。
但要讓這套循環運轉，企業還需要「組織的 AI 代謝力」（organizational AI metabolism）：AI 能力能否快速被組織吸收，並由真正熟悉業務流程的人持續轉化成新的應用。
他以一家擁有 1.1 萬名員工的保險公司為例。若 Agent 永遠只靠 AI 團隊中的 3、4 人開發，能改善的流程終究有限；這家公司因此讓更多員工參與建立 Agent。其中一名保險從業人員便自行打造健康保險 Agent，交叉比對複雜保單資料、提供客戶洞察，相關驗證流程的回答速度提升 37%。
企業 AI 落地已不只是模型選擇問題。找到可衡量成果的流程、準備 Agent 所需的企業情境、解決平台與既有系統整合，或許是把 AI 接進營運流程的起點。
【推薦閱讀】
◆ 高盛預估到 2030 年 Token 用量暴增 24 倍，企業如何避免 AI 帳單失控？
＊圖片來源：《TechOrange》拍攝，由左至右為蔡力宏、林書平、江芳韻。
