企業AI導入失敗非技術問題 專家指應先重塑流程

儘管人工智慧（AI）技術持續進步，企業在導入 AI 解決方案時卻面臨極高的失敗率。專家指出，問題核心並非出在技術本身，而是企業將 AI 應用於本身已有缺陷的業務流程，並在關鍵決策中未能納入業務部門的參與。

根據《Mexico Business》報導，AI 若僅是加速不效率的工作流程，只會更快暴露出其弊病。例如，如果原有流程已然僵化，AI 自動化只會讓問題加速發生。因此，企業在規模化導入 AI 之前，必須重新設計流程，並彌合資訊科技（IT）部門與業務部門之間的鴻溝。

目前全球僅有約 6% 的企業在 AI 應用上取得顯著成效。許多 AI 專案投入數百萬美元，卻未能真正進入實際生產，部分成果甚至重複了像 ChatGPT 等工具已標準提供的功能。近 95% 的企業 AI 專案未能產生實質價值，主要原因在於缺乏商業情境的考量。例如，光是一個頂尖的 AI 會議，一年內論文提交數量就從約 600 篇暴增至約 6,000 篇，這反映了對「產出」的衡量，而非「研究成長」的真實影響。

GBM 創新部門總監 León Palafox 指出，IT 部門與業務部門之間的脫節是普遍問題。IT 部門常自認為擁有 AI 專案主導權，卻在未充分諮詢業務用戶的情況下，開發出業務部門不需要的解決方案，導致花費高達 1,000 萬至 1,500 萬美元的無效投資。他強調：「業務部門決定了什麼是該建立的。」

由於 IT 部門無法滿足業務需求，企業內部出現「影子 AI」現象，即業務部門轉向非官方管道尋求 AI 解決方案。數據顯示，高達 83% 的員工透過個人裝置在企業環境外部存取 AI 工具，57% 的員工在公司裝置上使用未經授權的 AI 工具，更有 52% 的員工使用信用卡購買 AI 工具，卻沒有經過 IT 部門的監督。例如，外部顧問可能會收取 100 萬墨西哥披索（MX$1 million）來提供一個 AI 解決方案。

為避免重蹈過往的失敗經驗，IT、資料與 AI 部門必須將自身視為內部服務提供者。León Palafox 提到，GBM 的數據組織即是作為內部服務提供者運作，與外部顧問競爭，以相同的成本和業務單位需求範圍提供 AI 解決方案。同時，企業領導者也必須理解 AI 模型的能力限制與需求，才能讓 AI 真正發揮商業影響力。