從試點蔓延到生產：為何 56% 的 CEO 看不到 AI 的投資回報

數字

PwC 2026 全球 CEO 調查訪問了橫跨 82 個地區的 4,454 位 CEO。有 56% 報告過去 12 個月 AI 沒有帶來顯著的財務效益——既沒有增加營收，也沒有降低成本。只有 12% 兩者兼得。2026 年全球 AI 支出達到 2.6 兆美元，其中超過一半沒有產生可衡量的回報。

WRITER 2026 AI 採用調查（2,400 家公司）發現，59% 每年至少投入 100 萬美元於 AI，但只有 29% 從生成式 AI 看到顯著回報，只有 23% 特別從 AI 代理看到顯著的投資回報。有 75% 的高階主管承認，他們的 AI 策略「更多是做給人看」，而非真正的指引。有 97% 在過去一年部署了 AI 代理，然而大多數人無法把這些部署與財務成果掛鉤。

PwC 的 AI 績效研究補充了分布狀況：20% 的公司攫取了全部 AI 驅動財務效益的 75%。差距不在於採用 AI 者與未採用者之間，而在於部署了試點的組織與部署了生產系統的組織之間。

診斷：試點蔓延

橫跨 PwC、WRITER、Anthropic、OpenAI 和 Google 的共識很清楚：問題不在模型。問題在於工具存取權被民主化了，工作流程重新設計卻沒有。

試點蔓延就是這種模式：某個部門取得了一項 AI 工具的存取權，做了一個概念驗證，展示了模型能執行某項任務，然後試點就停了。演示從來沒有變成生產整合。工具是有的，但它本該改善的工作流程卻毫無改變。組織擁有一份 ChatGPT 授權和一份簡報投影片，而不是一個會寫回 NetSuite、鎖定庫存，或把已接受的報價寫回 ERP 的系統。

WRITER 的數據讓這個機制變得可見：78% 的組織報告 IT 與其他業務線之間存在圍繞 AI 的張力。IT 看到的是無人維護、沒有治理的原型。業務團隊則把 IT 視為瓶頸。試點之所以不斷增生，是因為沒有人負責生產化這一步——把模型連接到系統記錄、加上稽核日誌、速率限制、錯誤處理，以及讓代理既能安全運行又能安全退役的維運 runbook。

更新 — 2026-10-01：兩家前沿實驗室都奔向公開市場——帶著一個時鐘

圍繞本文自建或採購算術的資本環境在 2026 年 10 月 1 日收緊：Bloomberg/LinkedIn 的報導把 Anthropic 的 IPO 目標定在 11 月中旬，正式推介可能於 11 月 9 日當週啟動，感恩節前開始交易（也可能推遲到期中選舉之後）。OpenAI 約 $1T 的估值訊號在前，Anthropic 在約 $65B 運行率上約 $2T 的目標在後。對中型市場買方的市場結構解讀不是「該不該買前沿股票」——而是：背負前沿敘事的兩家供應商即將向季報市場負責，而代理不當行為事件清單還在增長。這不改變部署算術：試點蔓延仍佔主導的失敗模式，生產整合路徑仍是複利路徑。它改變的是治理算術：供應商的安全宣稱即將面對一個獎賞敘事程度不亞於證據的市場，因此買方的獨立驗證——本文四步方法的部署級控制作為副產品產出的那套東西——成為不隨供應商新聞週期移動的盡職調查介面。

衡量方式的轉變

2026 年 1 月帶來了一次協調一致的轉變，把衡量 AI 價值的指標從「使用者」轉向「成果」。

Anthropic 的經濟指數引入了「經濟原語」——一個沿五個維度衡量 AI 價值的框架：任務複雜度、人類與 AI 技能、工作與個人情境、自主層級，以及成功率。這個框架把低價值任務（摘要一封郵件）與高價值任務（一個多步驟的編碼工作流程，平均節省相當於 3.3 小時的人力工作）區分開來。重點在於，「我們給了每個人一份 AI 授權」並不是一個價值主張。價值主張是：AI 執行了哪些任務、複雜度多高、成功率多少、自主層級如何。

OpenAI 的「能力懸垂」分析發現，重度使用者依賴進階思考能力的程度是一般使用者的 7 倍，橫跨 70 多個國家的使用強度存在 3 倍差距。其含意是：大多數組織只用到了 AI 能力的一小部分，並非因為能力缺失，而是因為沒有人建構出能發揮它的工作流程。

衡量方式的轉變之所以重要，是因為它重新界定了投資回報的問題。問題不是「AI 產生了營收嗎？」問題是「AI 執行了哪些生產任務、複雜度與成功率如何，以及這取代了多少人力投入或週期時間？」

那 12% 做了哪些不一樣的事

PwC 發現，報告有財務回報的 CEO，把 AI 廣泛嵌入決策的可能性高出 2 到 3 倍——不是嵌入孤立的試點，而是嵌入做出並記錄決策的那些系統裡。

領先組織之間的共通模式是一致的：他們並非從一項工具開始。他們從一個有可衡量瓶頸的工作流程開始，建構了一個能解決它的生產整合，並衡量成果。AI 被嵌入系統記錄之中，而非漂浮在它旁邊。

這與試點蔓延正好相反。這是生產部署：代理接收 RFQ，對照目錄解析產品，按客戶層級定價，帶過期時間鎖定庫存，把已接受的報價寫回 NetSuite，並記錄每一步。成果之所以可衡量，是因為工作在系統裡——報價周轉時間、報價準確度、每份 RFQ 節省的工時、庫存鎖定精確度。試點產生不出這些指標中的任何一項，因為試點從未觸及系統記錄。

為何生產型代理現在負擔得起

對生產部署的經濟性質疑——認為常駐代理的運行成本太高——在 2025 至 2026 年間瓦解了。GPT-4 等級的推論成本從 2022 年底的每百萬 token 20 美元降到 2026 年的 0.40 美元，降幅達 1,000 倍，這由硬體效率、軟體優化、模型架構改進和量化所驅動。推論如今占所有 AI 運算的 67%，高於 2023 年的 33%——業界正在為服務而非只是為訓練做優化。

對一家中型市場的 B2B 公司而言，這意味著一個全天候處理 RFQ、監控庫存或處理支援升級的生產型代理，其推論成本是每天數美元，而非數千美元。生產部署的成本障礙已經消失。剩下的障礙是整合工作——建構 MCP 模組、連接到 ERP 和電商平台、加上治理層——而這正是試點蔓延所跳過的工作。

生產這個替代方案

生產型代理部署不是一個更大的試點。它是一個不同類別的工作，有不同的交付成果。

先固定範圍，再寫程式碼。 為期一週的發掘會產出系統清單、工作流程地圖和建構計畫。範圍在任何程式碼寫下之前就固定好。試點模式跳過了這一步——有人展示了一項能力，範圍就是那個演示恰好涵蓋到的東西。

分階段交付。 建構被拆分為多個階段：環境與模組骨架（第 1 階段）、核心 MCP 模組與代理接線（第 2 至 3 階段）、生產加固與維運 runbook（第 4 階段）。每個階段都有一次演示。試點模式只有一次演示，在最後，然後就停了。

寫回系統記錄的程式碼。 代理寫回 NetSuite、BigCommerce，或持有交易的那個平台。成果之所以可衡量，是因為工作在系統裡。試點模式產出的是一份簡報投影片。

治理層。 每次工具呼叫都記錄時間戳記、代理 ID、工具名、輸出狀態和時長。速率限制按工具、按視窗執行。錯誤是型別化的——代理會區分暫時性逾時與永久性驗證失敗，並據此回應。kill-switch 透過配置變更而非程式碼部署來停用任何模組。試點模式完全沒有這些——而 2026 年披露的那 20 萬個易受攻擊的 MCP 實例，正是治理被跳過時會發生的結果。

可衡量的成果。 部署交付時就附帶定義成功的指標：報價周轉時間、訂單準確度、每週取代的工時、庫存鎖定精確度。這些就是應用於真實工作流程的經濟原語。試點模式有的是「使用者」——一個對於價值毫無說明的數字。

四步方法

生產部署模式並非理論。它是一套能在 5 到 8 週內把第一個代理送上生產的方法：

1. 發掘（1 週）。 系統清單、工作流程地圖、固定範圍。無論你是否與我們一起建構，都能拿到這份計畫。
2. 環境與骨架（1 至 2 週）。 MCP 模組結構、代理處理器、可觀測性管線、認證與租戶隔離。
3. 核心模組與代理接線（2 至 3 週）。 連接到系統記錄的 MCP 模組——NetSuite、BigCommerce、供應商目錄、定價引擎。代理接收請求、呼叫模組，並把結果寫回。
4. 生產加固（1 至 2 週）。 維運 runbook、kill-switch 配置、錯誤路徑測試、速率限制調校、部署到生產環境。

第 8 週結束時的交付成果不是一個演示。它是一個能對真實系統處理真實請求的可運行代理，每一步都有日誌，每個模組都可停用。這就是試點與生產系統之間的差別——也是看不到投資回報的那 56% 與看得到的那 12% 之間的差別。

---

一家使用 NetSuite、BigCommerce 和三個供應商目錄的經銷商會得到一個代理：它透過郵件或門戶接收 RFQ，對照目錄圖譜解析產品和替代品，按客戶層級定價，帶過期時間鎖定庫存，並把已接受的報價寫回 NetSuite——每一步都有日誌，每個工具都被限流，每個模組都可透過配置停用。報價周轉時間從數天降到數分鐘。這個建構屬於四步方法的第 2 至 3 階段，通常 5 至 8 週內上線。

申請一個範圍明確的建構。 為期一週的發掘。您會拿到系統清單、工作流程地圖和固定範圍——無論您最終是否與我們合作開發。

更新 — 2026-10-06： Mistral Large 4 的資安主權論點為自建一欄新增治理資料點：開放權重 MoE（1T 參數 / 49B 激活，2026 年 10 月 6 日公開預覽，在 Mistral 位於歐洲的自有資料中心以 3,800 塊 NVIDIA Grace Blackwell GPU 訓練，€3B D 輪融資）在 reproduce-and-patch 上獲得 82% — 已測模型中的最高資安得分，而 Claude Opus 5.5 與 GPT-6 Astra 因拒絕執行該任務接近零分。Mistral 的論點——供應商層級的拒答會阻斷正當的漏洞研究與事件回應；在事件進行中失去一項能力，本身就可能成為關鍵資安風險——正是本文核心論題的模型層類比：你擁有的控制勝過你買到的保證。一個在治理型 MCP 模組之後搭建部署層的買家，如今可以從不受任何廠商拒絕層鉗制的部署路線（開放權重、自託管）取得最高得分的資安能力——主權部署已從合規偏好轉變為治理控制。Reflection AI Beam 資料點（501B / 23B 激活，推理算力少 3–4 倍，Apache 2.0 本月）與 Aleph Alpha 的 Kolibri-1（78.1B / 3.46B 激活，在德國和芬蘭建構訓練）補齊三區域圖景：美國、歐洲、中國如今都有開放權重冠軍，自建選項的定價獨立於任何單一廠商的政策。代理試點蔓延的算術未變：56% 的 CEO 仍看到零 ROI——分水嶺仍是買家是否擁有整合與治理層，無論執行哪個區域的權重。

更新 — 2026-10-07：預算正在枯竭——ROI 缺口產生可見的耗竭

本文記錄的 ROI 缺口如今有了其在企業規模的可見後果。MarketScale 報告美國大型企業的 AI 預算在 token 成本飆升之際於 1–2 個月內枯竭——CFO 重新考量已經到達同一季度的地平線（MarketScale）。AI Business Weekly 的 2026 彙總為這場建設標價：2026 年 AI 基礎設施支出成長 62.5% 至 8,220 億美元，而僅 6% 的採用者捕獲可量化的全企業利潤（AI Business Weekly）。InformationWeek 將其概括為「AI 基礎設施繁榮正在向企業預算伸手」，witness.ai 的 2026 CFO 分解則逐項列出隱性成本。三個數據點串成本文診斷的失敗序列：採用支出超過回報（56% 的 CEO 看不到財務收益）、支出前置到基礎設施（62.5% 成長）、價值捕獲罕見（6%）、預算窗口以月計（1–2 個月）。試點蔓延不再只是戰略錯誤——它是資金在工作流程再造發生之前就耗盡的原因。建設性的對策不變：範圍明確的建置模式（下文的四步法）——實測結果、接入記錄系統的整合以及在採購中存活的治理。

更新 — 2026-10-07：2026 年第四季融資——預算緊縮之際代理市場在加速

市場結構數據點指向相反方向。2026 年 Q4 以總計 2.6 億美元的已揭露 AI 代理融資開盤——領銜的是 Armadin 的 2.555 億美元 B 輪（10 月 1 日，a16z + Accel，估值 25 億美元以上）——一家由 Kevin Mandia 創立、建構「代理蜂群」安全的 AI 原生資安公司，以及 Instinct 的 10 億美元 C 輪（9 月 28 日，Sequoia/Benchmark/Coatue）——一家成立一年的個人 AI 助理新創，估值 100 億美元。兩個訊號，一個給買方，一個給建造方。對買方：代理能力正在整合為獲得融資的供應商類別——包括本文治理清單所繪的安全代理類別——這意味著購買選項獲得能力的速度快於建置選項打磨的速度。對建造方：融資熱潮加速了本文診斷的同億試點蔓延動態（更多工具、更多試點、更多未測量支出），同時驗證了生產級代理整合正是市場認為持久價值所在之處。試點蔓延的算術不變：差異化因素仍是買方是否擁有整合與治理層——無論它從哪些供應商處集成。