客戶有了 AI，專業服務開始變便宜了

一、當遊戲規則改變時

傳統知識服務業的核心是什麼？是以人的經驗與人脈為主。一個資深顧問收費一小時五千塊，不是因為他真的工作一小時，而是因為他有十年經驗、看過上百個案子、知道哪些坑不能踩。客戶買的是判斷力，而不是工時。但現在這個邏輯正在瓦解。超過八成企業已經在某種程度上用 AI，雖然真正在全公司規模看到實際效益的大概只有十分之一，但趨勢很清楚：AI 正在從輔助工具變成服務主體。麥肯錫估計，隨著生成式 AI 越來越成熟，大部分工作裡可以被自動化的任務已經從早先估的約五成，上升到六到七成。知識工作受的衝擊比原本想的更大。

2024美國企業調查顯示，逾八成公司已經在營運中用 AI，其中約三分之二看到明確的生產力提升。Verizon Communications Inc. 讓約 28,000 名客服跟業務用上對話式 AI 後，員工的業績提升了快四成，處理電話的時間也大幅縮短。2025黑色星期五，有裝 AI 聊天機器人的零售商，轉換率提升 15%。

當然，人跟 AI 合作的效果在不同產業跟情境下差很多。但在合適的流程跟分工設計下，合作團隊的產出會明顯贏過純粹人力團隊。問題不是 AI 能做多少，而是企業有沒有找到對的方式用它。

更根本的變化在於，服務的主體正在轉移。以前是人做事、AI 輔助，現在越來越多情況是 AI 做事、人監督。人的角色從執行者變成監督者：設定目標、檢查品質、做最後決策。這不是「人被取代」的故事，但也不是什麼「人機協作」的美好願景。真實情況是，價值不再來自「投入多少時間」，而是「交付什麼成果」。

顧問服務雙層定價模式

基礎層

價值層

服務範疇

資料蒐集、競品分析
數據處理、模型建立

方案評估、風險判斷
脈絡分析、決策陪同

AI 自動化程度

高

低

計價基礎

成本計價或免費附加

決策價值計價

客戶需求

時效性與完整性

正確性與可靠性

專業定位

流程執行者

決策夥伴

二、當AI 已經會動手了

如果企業主以為 AI 代理人還只是概念，就該看看 Moltbot 在做什麼。2026年初就為AI投下了震撼彈，這個開源軟體（原名 Clawdbot，因為商標問題改名）跟 ChatGPT 完全不同。ChatGPT 目前只能對話而Moltbot 直接掌控你的電腦。它會幫你整理檔案、回信、同步 Notion 跟 Todoist 的任務清單。它有記憶，會記得你的習慣和偏好。它可以 24 小時待命，主動監控股價、天氣或重要郵件，有狀況就通知你。有人已經把它當私人助理，每天早上自動整理晨報、管理行程、追蹤市場動態。不用開口，它就在背景跑。而且它的影響已經外溢到硬體市場。因為 Moltbot 需要低功耗、長時間運行的環境，蘋果的Mac mini 意外熱賣到缺貨。一個軟體帶動硬體銷售，這在 AI 領域還真是頭一次。

但這裡有個沒人探討的問題：當使用者給 AI 這麼大的權限，誰來扛風險？Moltbot 之所以能做這麼多，是因為它有系統最高權限，基本上等於開了後門。要是被惡意指令攻擊，你的資料、客戶機密，全部可能外洩。這不是技術問題，是治理問題。當 AI 代理人(AI agent)開始幫你做決策、管理資料，出事算誰的？IT 部門？使用者？還是批准的主管？大部分公司根本還沒想過這問題，就已經開始用了。而企業的客戶也在用時，這才是最可怕的地方。傳統知識服務業的核心是「資訊不對稱」。客戶不懂，所以需要專家。但 AI 正在打破這個不對稱。企業的客戶現在會拿你的報告去問 AI：「這份分析有什麼問題？」會把你的建議丟給 AI：「還有什麼其他選項？」會用 AI 比對市場行情：「這價格合理嗎？」然後回來跟你殺價。或者直接換別家。

九成以上企業計畫未來三年加碼 AI 投資。生成式 AI 的投資報酬率在大部分產業已經到 3 到 4 倍，做得好的企業甚至超過 10 倍。這代表企業的對手可以用三分之一成本、三分之一時間，提供跟你一樣的服務。如果你的收費基礎還是「工時」，那已經撐不住了。客戶不會再為「時間」付錢，他們只為「AI 做不到的價值」付錢。問題是：你說得出那個價值是什麼嗎？AI 現在能做的包括：收集資料、基礎分析、文件草稿、標準流程。客戶真正需要的是判斷、脈絡、信任那些 AI 給不了的東西。但如果你的服務內容有七成可以被 AI 取代，客戶會期待你降價七成。或者，他們會找那些已經用上 AI、價格更低的對手。

三、風險比想像中大

但這裡有個陷阱。調查顯示，雖然超過八成企業已經在某一個部門導入 AI，真正覺得自己「用得很成熟」的高階主管卻只有少數。 更誇張的是，多份研究都指出，多數公司到現在還是很難從早期的生成式 AI 投資看見明確成效。 有一份 S&P Global 的分析就提到：放棄大部分 AI 專案的企業比例，在一年之內從 17% 暴增到 42%，平均大約有一半的 AI 專案死在試點階段，真正走到全面上線的反而是少數。 這個數字很嚇人，代表有一大堆公司砸了錢、拼命上車，最後回頭發現自己根本不知道在做什麼

第一個問題是資料根本還沒準備好。超過半數公司說他們的資料還沒「AI 就緒」。什麼意思？就是資料品質不夠、格式不對、權限不清楚。沒有好的資料管理，AI 專案會卡住。更糟的是，約三分之二在用生成式 AI 的企業，連使用規範都沒建立。這會帶來很大的合規風險。

訓練數據的破碎化的問題已經在很多案例暴露出來。從美國的司法量刑系統到 Meta 的廣告投放，都顯示 AI 決策可能隱含歧視。技術跟法律的「黑盒子」特性讓企業很難驗證 AI 決策的品質跟合規性，這在高度監管的產業特別危險。隨著全球 AI 監管框架快速建立，法規遵循的成本正在急速上升。

第二個問題是部署成熟度。以全球企業調查來看，雖然大約有六成公司已經在試驗或試點各種 AI 代理人應用，但真正做到「在至少一兩個功能上放大規模使用」的，其實還不到一成。 更保守的研究甚至估計，目前全世界只有約 2% 的組織，真的把 AI 代理人部署到全公司規模，大多數還停留在探索或小範圍上線的階段。 也就是說，大家看起來都在用 AI，但大部分還在摸索怎麼用才算「用得深」。接下來幾年的關鍵，不再是誰喊得比較大聲，而是誰真的把資料基礎、治理機制和工作流程打好底，讓 AI 能穩定接手真正的業務。

第三個問題是人才。多數企業真正缺的，不是多幾個懂程式語言的人，而是既懂數位、又能跨領域講得通人話的人。 過去一年，很多公司開始大舉招募 AI 相關職位，軟體工程師、資料工程師的缺口最大，但決策層的理解卻明顯跟不上。 以歐洲針對中小企業的調查為例，只有大約一成多的決策者自評對 AI 技術「非常了解」，約五成多說自己只有基本概念，還有接近一成坦言幾乎完全不懂。 這個知識落差，會直接卡住 AI 的探索和落地，技術部門看得到機會，老闆卻看不懂風險與投入回報，自然很難做出長期承諾。

企業如果不預先布局、不建立適當的治理機制，AI 可能從機會變成新的成本陷阱。顧問公司研究發現，成功的 AI 轉型要把七成力氣放在提升員工能力、更新流程跟改變文化。不是買工具就能解決的。而且用了 AI，基層不見得比較輕鬆。產能提高了但 KPI 沒調，AI 做的東西要人檢查，出錯要人扛，流程沒重新設計，只是累積新工具上去。結果是工作更複雜、壓力更大。這就像在高速公路上開一台性能很強但煞車不夠的跑車速度帶來的不是優勢，是風險。

四、台灣站在哪裡

對台灣來說，這既是壓力也是機會。2025 年 10 月，台灣出口年增 49.7%，來到 618 億美元，創下歷史新高，也是近 16 年來最大增幅，主因就是全球對 AI 與半導體的強勁需求。 到了 11 月，出口再衝到 640.5 億美元、年增 56%，把紀錄往上推了一次，資訊通信與視聽產品、電子零組件都是成長主力。 整體來看，2025 全年出口已達約 640 億美元，年增接近 35%，財政部並預估 2025 年出口有機會朝 6,000 億美元等級邁進，AI 與高效能運算產品是背後最關鍵的推力。台灣不只是硬體製造強國。我們有完整的 ICT 供應鏈、國際級工程師團隊、全球頂尖製造能力。去年光電產業營收 65 億美元，比前年大增 44.4%。這些是很多國家沒有的底層實力。我們對美國的出口 10 月暴增 144.3%，這種緊密關係讓台灣有機會打進全球最大的 AI 市場。

在這個出口基礎上，台經院已把 2025 年 GDP 成長率預測，從原本約 3% 一口氣上修到 5.94%，理由同樣是 AI 帶動的半導體與相關設備出口與投資熱潮。 政府自己的試算也指出，2025、2026 年的貨品出口金額都會維持在 6,000 億美元上下，AI 伺服器、晶片與關聯零組件已經成為拉動整體經濟的主軸之一。 這當然有景氣循環的成分，但更重要的是結構：台灣已經被鎖進全球 AI 基礎建設與供應鏈的長線版圖裡，從出口結構到資本支出、從產能配置到投資方向，都在同步往 AI 傾斜，這比較像是一場正在進行中的結構性重排，而不是一波炒過就散的短期行情。但硬體做得再好，還是在價值鏈下游。真正的價值在服務、在商業模式、在能規模化輸出的知識型產品。問題是：台灣能不能把硬體優勢，轉成可以輸出的智慧服務？

北美2025年以四成營收主導 AI 代理人市場，亞太地區預計成長最快。台灣要抓住這機會，把 AI 服務代理人當下一波出口重點。硬體加上 AI 服務，可以變成新的「護國群山」。但這需要策略性的行動，而且時間窗口正在快速關閉。政府必須把「智慧服務出口」放進國家戰略層級。台灣對美國的出口暴增，這種強勁關係提供了戰略優勢。要將 AI 服務代理人、數位交付服務作為下一波出口產業的重點。硬體製造加上 AI 服務，才能形成完整的競爭力。同時需要建立能平衡創新跟風險的 AI 治理框架。全球趨勢很清楚：歐盟已經有《AI 法》，新加坡2025年 3 月推出國家 AI 代理人認證計畫。可以借鏡歐盟的做法：高風險領域採強監管，一般應用用倫理跟標準引導，設立跨部會的 AI 治理中心。研究顯示，AI 用得好的企業，做偏見檢查、審計跟資料保護的機率是其他公司兩倍。只有當治理跟上創新的腳步，產業才能放心擴張。

人才培育是另一個關鍵戰場。資料科學家職缺預計從今年到 2034 年成長 34%，每年約有 23,400 個職缺。AI/機器學習工程師職缺年增 143.2%，超過幾乎所有其他技術職位。更有趣的是，新職位正在出現：提示工程師（+135.8%）、AI 內容創作者（+134.5%）、AI 合規官，成為今年成長最快的工作之一。

台灣需要的不只是會寫程式的工程師，而是能用 AI、管 AI、懂風險跟價值的跨領域人才。這需要教育體系根本性改革，培養商管、工程跟資料科學交叉背景的專業人士。調查顯示，到明年，一半員工需要新技能才能跟 AI 工作，三成五的公司正在重新訓練團隊。但現實是，只有 12% 的中小企業老闆對 AI 技術很了解，52% 只有基本認識。這個知識落差是最大障礙。

台灣還需要建立完整的生態系統。這包括推動監理沙盒、引導資金投向 AI 服務領域、建立國家級的資料共享平台、促成公私協作。全球數字顯示，AI 代理人新創去年募了 38 億美元，幾乎是前年投資的三倍，凸顯投資者對這領域的信心。AI 服務代理人不是單點技術的突破，而是生態系統的創新，需要政府、學界、產業跟資本市場協同推進。台灣2024年推出了首台五量子位超導量子電腦，成立了包括產業、政府、學術界跟研究機構的國家量子團隊，正在對量子技術發展進行長期投資。這種前瞻性的基礎設施投資，結合強大的 ICT 基礎，為台灣在 AI 時代提供了獨特優勢。

全球 AI 產業的價值分布正在改變。越往上游的模型與服務層，毛利越高、鎖定效果越強；越往下游的製造與組裝，競爭越激烈、價格壓力越大。台灣現在的位置，仍然偏向「被需求拉動」，而不是「定義需求」。只要全球客戶減速、技術路線更換，訂單就會波動。

真正的關鍵不是「台灣有沒有 AI」，而是台灣能不能把 AI 變成可以出口的服務能力。如果我們只停留在賣晶片、賣設備，那麼即使站在 AI 浪潮上，角色仍然是供應商；如果能把硬體優勢轉成可複製的 AI 代理服務、產業解決方案、數位交付模式，角色才會變成夥伴，甚至規則的一部分。

這也是為什麼北美以四成營收主導 AI 代理人市場，而亞太被看好成長最快，但競爭也最激烈。台灣的窗口期其實很短：不是「要不要做 AI 服務」，而是「現在不做，三年後還有沒有位置」。

政府與產業界如果還把 AI 當成單點投資或部門專案，而不是出口結構與產業定位的調整，台灣很可能錯過從「硬體強國」升級為「智慧服務輸出國」的唯一機會。

六、結語:什麼樣的企業會成功

研究現在已經看得很清楚，AI 用得好的企業，跟還在掙扎的企業，差別不在模型版本，而在「有沒有把公司重新設計過一次」。McKinsey 2025 年的全球 AI 調查，針對從 AI 獲得顯著財務成效的「領先企業」進行分析，發現這些公司有一個共同特徵：他們把 AI 當成重構流程的理由，而不是貼在舊流程上的外掛。在這群企業裡，超過半數表示「已從根本上重新設計關鍵工作流程」，而其他企業只有約兩成做過這件事，差距接近三倍。也就是說，成功者不是先問「要導入哪個模型」，而是先全面改造流程，再決定哪裡需要 AI、哪裡保留人力。

更關鍵的是資源怎麼分配。BCG 以「10–20–70 法則」指出，成功的 AI 轉型中，僅約 10% 的投入來自演算法本身，約 20% 在資料與技術基礎，約 70% 則必須用於組織與流程調整、文化與獎酬設計、教育訓練與變革管理，說明 AI 導入的關鍵瓶頸主要是社會技術系統（socio-technical system）中的人與流程，而非工具本身。目標設定也不一樣。一般企業談 AI，八成都在講「效率」：節省多少人力、減少多少加班、能不能把流程壓縮幾天。McKinsey 的調查裡，領先企業的回答很不一樣他們在列 AI 目標時，同時把成長和創新放在第一線，明確希望 AI 能帶來新產品、新服務、新營收來源，而不只是當作自動化工具。這種差異看起來只是簡報上的一行重點，但實務上會決定一間公司願不願意為 AI 全面改造流程、重新分配預算，也會影響高層是否把 AI 視為經營議題，而不只是 IT 專案。

如果把這些研究放在同一張圖上，可以看到一條很清楚的分水嶺：

·           「徹底重設流程」的比例，是其他企業的兩到三倍；

·           「資源投入」的重心，七成放在人與流程，而非演算法；

·           「主要目標」的設定，聚焦成長與創新，而非短期效率。

結果就是，McKinsey 估計，這些領先企業從 AI 獲得的獲利成長，往往是同業的兩到三倍，而且是逐年累加的那一種，而非一次性的成本節省。這也解釋了那句略顯殘酷的結論：全球約 88% 的企業已導入 AI，但真正從中獲得顯著價值的領先企業，僅約 6%。這些改變，很快會被放大到軟體和服務的生態裡。Gartner 預測，到 2028 年，大約三分之一的企業軟體應用會內建 AI 代理功能，2024 年這個比例還不到 1%。換句話說，今天我們還把「AI 代理人」當作新興話題，幾年後它會變成企業軟體的標配，就像當年的雲端和行動端一樣。對知識密集服務業來說，這代表主戰場會從「賣人力、賣報告」轉向「賣人類專家＋AI 代理的組合服務」。真正的問題不再是「你會不會用某個模型」，而是「你能不能設計出一套讓人和 AI 協作的新流程，讓 AI 處理七成不需要人做的事，讓人專注在那三成非人不可的地方」。這波變化最後會怎麼收尾，現在還看不清楚。但從這些數據來看，有一件事大概已經確定了：接下來幾年，知識服務業會出現一次重新洗牌。洗牌的標準不是誰的工具比較新，而是誰比較早想通「AI 能做的事就讓 AI 做」這件事，然後把人力重新部署到那些還沒辦法被取代的地方。能想通這件事的公司，會變成那 6%。想不通的，就繼續留在 88% 裡面，看著毛利一年一年被壓縮。