從一份一年半前的調查，看台灣中小企業的 AI 真實處境
一份一年半前的報告，讀起來竟然毫無違和感
這兩天在社群上看到朋友在傳一份報告——KPMG 安侯建業的《台灣產業AI應用趨勢與展望報告》。
起因是有位做資訊服務的朋友，看了國發會 2026 年《台灣經濟論衡》春季號後有感而發，順藤摸瓜找到了這份 KPMG 報告，用 AI 做了摘要分享出來。接著另一位資深工程師朋友看到後也跟著回應，加上了自己的觀察。然後我也讀了一遍。
讀完之後，我最大的感觸不是報告裡的數據，而是一件更基本的事——
這份報告是 2025 年 7 月 發布的，問卷在 2024 年 11 月 完成。現在是 2026 年 5 月中旬，中間隔了一年半。而社群裡傳閱的人，沒有任何一個人說「這數據過時了」。
一年半欸。
這段時間外面的 AI 工具不知道翻了幾輪——Claude 從 3.5 走到 Opus 4.6、GPT 也迭代了好幾代、Cursor 和 Claude Code 讓程式開發的生產力翻倍、各種 AI Agent 框架遍地開花、MCP 從概念變成實作。工具端的進化是指數級的。
但一份描述企業端 AI 應用現況的調查，一年半後拿出來，大家讀了還是覺得「對，就是這樣」。
這件事本身，就是這篇文章最值得思考的起點。
先說公道話——這份報告確實值得讀
在繼續往下聊之前，先給報告本身一個公道的評價。
這是台灣少數有系統地盤點產業 AI 應用現況的調查。KPMG 安侯建業針對金融、科技、工業、消費零售、健康照護與生技等五大產業進行問卷，邀請了六位產官學專家撰寫觀點，數據扎實，分析也有一定的深度。
報告的五大關鍵發現，快速整理一下：
- 超過半數企業已開始或規劃導入 AI，但真正導入公司營運流程的只有 12%，46% 完全沒有相關規劃
- 企業最想用 AI 解決的首要問題是降低人力成本（43%），其次是提升產品服務效率（41%）和改善內部行政流程（40%）
- 人才不足（45%）是最大挑戰，導入成本過高（42%）和風險難以評估（32%）緊追在後
- 近三成企業未來一年將提高 AI 預算，而且沒有任何企業打算減少——代表 AI 已經進入預算決策的雷達裡了
- 47% 企業表示難以有效評估 AI 績效，或無法估算直接營收貢獻
如果你是中大型企業的決策者，這份報告給了你一張很清楚的座標圖。
但是——（對，來了）
這份報告在跟誰說話？
這個問題，決定了你該怎麼讀它。
先看受訪結構。報告自己寫了：約七成受訪者是中階以上主管及專責部門主管。問卷裡有「籌組跨部門任務小組」「設置獨立部門」「董事長/總經理/執行長辦公室」這些選項。
能在問卷裡勾選這些選項的公司，規模不會太小。（五個人的公司看到「跨部門小組」大概會想：我們跨什麼部門，從左邊的桌子走到右邊的桌子嗎…）
再看專家陣容：數發部部長、金管會處長、前 Google 台灣董事總經理簡立峰、台灣微軟總經理、國泰金控數據長、AI 科技基金會執行長。每一位都是各自領域的重量級人物——但他們的日常工作對象，都是大型組織。
最後看 KPMG 本身。四大會計師事務所的客戶結構，就是以中大型上市櫃企業為主。而且說白了，這類產業報告本身就是四大標準的 go-to-market 策略——發報告、辦論壇、邀專家站台，讓企業覺得「我需要 AI 轉型的顧問服務」。這不是陰謀論，這是顧問業的正常商業運作。
所以這份報告的完整定位是什麼？
給中大型企業的現況檢證，給解決方案供應商的商機地圖，給 KPMG 自己的業務開發素材。三個角色，一份報告，各取所需。
這不是報告的缺陷，而是報告的定位。但如果你的公司規模跟報告裡預設的對象差了一個量級，那你讀到的那些百分比，參考就好。
（標題寫「台灣產業」四個字的涵蓋範圍，跟實際受訪對象的涵蓋範圍，中間大概隔了一個太平洋吧…）
社群裡的傳播鏈，也說明了一些事
回頭看這份報告在社群裡的傳播過程，有一個很有意思的現象。
第一位分享的朋友是資訊服務經營者，他用 AI 幫報告做了摘要，加上「2025 是生成式 AI 百花齊放的一年，2026 輪到 AI Agent 粉墨登場」的觀察。態度算克制，比較像是在做資訊整理。
第二位接力的朋友更有意思——資深工程師、擁有微軟 MVP 多年資格、同時有多年資訊課程教學經驗。他提出了一個很到位的觀察：
「導入 AI」在不同人的腦中，可能完全是不同層次的東西。
從「把資料貼到 ChatGPT 然後得到回覆再貼回來」，到「AI native workflow」，光譜很寬。然後他點出了一個核心問題：企業評估 AI 的方式，還是用過去傳統資訊系統的思維——需求訪談、可行性分析、預算編列、採購、上線。這套流程放在 ERP 很合理，但放在 AI 的世界裡，「PoC 還沒結束，市場最佳解已經變了」。
他的結論是：傳統 IT 導入「先求正確，再求速度」，AI 導入則應該是「先求速度，再快速修正」。
這觀察很準。但我想指出另一件事——
看看整條傳播鏈上的角色：KPMG 是顧問、專家群是產官學高層、第一位朋友是資訊服務經營者、第二位朋友是資深工程師兼講師。全部都在供給側——做工具的、賣服務的、教技術的。
真正在需求側的那些人呢？開了二十年的鐵工廠老闆、三人設計工作室的主理人、夫妻經營的貿易公司——他們不在這條傳播鏈上。他們大概不會在社群裡看到這份報告。即使看到了，裡面的語言也不是寫給他們的。
歷史既視感——這齣戲我們看過
其實把報告裡的數據換個關鍵字，可以直接套回二十幾年前的 ERP / 資訊化浪潮。
35% 委託外包廠商提供整體解決方案——當年導入 SAP、Oracle 也是這個路徑。38% 由資訊部門主責——當年資訊化也是從 MIS 部門起步。最想解決的是「降低人力成本」——當年用電腦取代手工作業，也是這種防禦性思維。46% 完全沒有 AI 規劃——當年也有一大批中小企業覺得「我們用 Excel 就夠了」。
連劇本的結構都一樣：大型顧問公司發報告，告訴你這是不可逆的趨勢，你不跟上就會被淘汰。然後大企業開始動了，中小企業在旁邊焦慮但不知道怎麼開始。
但回頭看，當年巷口的五金行有因為沒導入 ERP 而倒閉嗎？
沒有。它倒閉的原因如果有，多半是商圈沒落、接班斷層、大賣場的通路壓縮——這些是產業結構問題，不是工具問題。
工具導入的必要性，取決於那個產業的價值鏈裡，工具能介入的環節有多關鍵。 不取決於趨勢報告說了什麼。
報告裡 46% 完全沒有 AI 規劃、61% 零 AI 預算，KPMG 把這詮釋為「落後」和「有待提升的空間」。但另一種讀法是：這些企業可能很清楚，以自己目前的業務型態和規模，AI 並不是優先事項。而這個判斷，未必是錯的。
瓶頸從來不在工具
好，現在把時間軸攤開來看。
2024 年 11 月做的調查。2025 年 7 月報告發布。2026 年 5 月有人找到它、分享出去，社群裡的人讀了覺得有感、接力回應。
過程中沒有人說「這數據已經不適用了」。
這段時間裡，工具端發生了翻天覆地的變化。但企業端——組織慣性、決策框架、知識管理方式、人才結構——移動速度跟一年半前幾乎沒有差別。第二位朋友觀察到的「用傳統資訊系統思維評估 AI」，一年半前是這樣，現在還是這樣。
這告訴我們什麼？
瓶頸從來就不在工具。 工具早就跑到前面去了。真正卡住的，是企業本身——更準確地說，是「你知不知道自己有什麼東西，是可以被 AI 放大的」。
如果你不知道，再厲害的工具放在你面前也只是一個你不會用的東西。如果你知道，即使是最基本的 AI 工具，也能立刻為你創造價值。
大企業的痛點，翻成中小企業是另一種語言
報告裡的那些數據，對中大型企業來說是有意義的座標。但如果你是一間十幾人甚至五人以下的公司，同樣的痛點用你的語言講出來，長相完全不同：
| 報告裡大企業說的 | 中小企業的真實版本 |
|---|---|
| 降低人力成本（43%） | 老闆一個人兼五個角色，每天被雜事淹沒，根本沒時間想策略 |
| 數據分析輔助決策（32%） | 連上個月哪個品項賣最好都要翻 Excel 翻半天 |
| 人才是最大挑戰（45%） | 不需要 AI 工程師，需要有人告訴他 ChatGPT 能幫他省下哪兩小時 |
| 建立數據治理機制 | 公司最重要的資料散在 LINE 群組、口頭交接、老闆的記憶裡 |
| 籌組跨部門小組 | 公司總共五個人，要跨什麼部門？ |
| 委請外包廠商整體解決方案（35%） | 一個月花不到一千塊訂閱 ChatGPT，可能就是最適解 |
看出來了嗎？
大企業的 AI 需求是「系統級的導入」——要平台、要架構、要治理框架、要專責單位。中小企業的 AI 需求是「個人級的增能」——老闆自己先會用，就能立刻感受到差別。
這兩種需求的路徑完全不同。報告看到的是前者，而後者——台灣企業數量佔比超過九成的那一群——完全不在報告的畫面裡。
所有人跳過的那一格
在整個 AI 導入的價值鏈上，各方角色的卡位是這樣的：大型顧問公司從策略規劃切入，AI 工具廠商從技術平台切入，培訓機構從技能教學切入。
但有一個環節，所有人都跳過了——
把企業裡的隱性知識挖出來、外化、結構化。
前陣子有個朋友來找我聊。他經營一家超過二十年的傳統 SI 公司，自行研發的軟體系統在台灣某個特定產業裡有穩固的客戶群。簡單講，公司運作穩定，現在就是維持服務、持續維護客戶系統。
他想討論的是：怎麼運用 AI 來降低公司的維護成本。目前客戶端的系統有問題，就得出動工程師——遠端排除，嚴重的時候要跑現場。這些工程師（包括他自己）腦袋裡裝的東西——什麼症狀對應什麼原因、該用什麼步驟排除、哪些客戶在什麼時候容易出什麼問題——這些累積了二十年的判斷邏輯，就是這家公司最值錢的資產。
但這些知識現在在哪裡？散落在 LINE 的對話紀錄裡、口頭交接的經驗裡、某個資深工程師的記憶裡。
你注意到了嗎？這是一家資訊軟體公司。即使是做軟體的人，面對 AI 的第一步也不是去買什麼 AI 工具，而是回過頭來整理自己的知識。
這件事其實有一個很清楚的路徑，而且不需要一次到位——每一層都獨立有價值：
第一層：知識捕捉與外化。 把工程師每次排除問題的過程記錄下來——客戶描述了什麼、判斷是什麼原因、用了什麼步驟。讓這些知識從人的腦袋裡走出來，變成結構化的紀錄。光是做到這一步，就已經解決了「某個人離開後知識跟著消失」的風險。
第二層：知識查詢與輔助。 有了結構化的紀錄之後，一個基於這些資料的 AI 助手就能在工程師接到客戶電話時，快速比對過往類似案例、建議排除步驟。不是取代工程師，而是讓資淺的人也有資深的判斷當後盾。
第三層：Agent 自動化。 等知識庫夠完整之後，某些標準化的常見問題，可以由 AI Agent 先做第一輪回應和初步排除，真的處理不了再轉人工。這一步能顯著降低工程師被打斷的頻率。
這三層的起點，不需要預算審批、不需要專責單位、不需要外包廠商。需要的是有人願意蹲下來，跟企業裡真正在做事的人聊，把他們腦子裡的東西挖出來。
小，在這個時刻反而是優勢
寫到這裡，我想對那些讀了 KPMG 報告後覺得有點焦慮的中小企業主說一件事。
大企業現在還在寫 RFP、評估供應商、籌組跨部門小組、跑預算流程。一年半前在做這些事，現在還在做這些事。他們的組織慣性，就是他們的包袱。
但你是五個人、十個人、二十個人的公司。你沒有這些包袱。
如果你今天就開始把你最常重複回答客戶的問題整理成一份文件，明天你就可以丟給 ChatGPT 幫你生成標準回覆的草稿。不需要三個月的 PoC，不需要跨部門會議，不需要任何人的核准。
AI 對中小企業的意義，不是「數位轉型」這種沉重的詞。更像是你口袋裡多了一把瑞士刀——能不能派上用場，取決於你知不知道自己需要切什麼。
而知道自己需要切什麼的起點，是一個很簡單的問題：
「你公司裡最值錢的知識藏在哪裡？如果那個人明天離開了，會怎樣？」
這份 KPMG 報告很好，數據扎實，觀點有份量。但如果你讀完後的第一個念頭是「完了我落後了」——那可能搞錯重點了。
重點不是有沒有在做 AI。重點是你有沒有在解決對的問題。
而對大多數中小企業來說，對的問題往往不是「我該買什麼 AI 工具」，而是「我到底有什麼東西，值得被放大」。
想清楚這個，工具自然會找到它的位置。
（反正想不清楚也沒關係，邊走邊想也是一種走法嘛…XD）
參考資訊：
- KPMG 安侯建業《台灣產業AI應用趨勢與展望報告》（2025年7月發布，2024年11月調查）
https://kpmg.com/tw/zh/insights/2025/07/sectors-ai-application-survey-in-taiwan-.html - 完整報告 PDF：
https://assets.kpmg.com/content/dam/kpmg/tw/pdf/2025/07/tw-sectors-ai-application-survey-in-taiwan.pdf
