The $1.5 Trillion Reality Check: Why Enterprise AI is Stalling at the Scaling Phase
在2026年達沃斯的會場中，圍繞人工智慧（artificial intelligence，AI）的氛圍已從無拘無束的狂熱，轉向一種更為嚴謹且務實的現實。儘管去年全球對 AI 的投資估計已飆升至 1.5 兆美元，但一個令人震驚的斷裂正在浮現：近三分之二的企業未能將其 AI 專案從試點階段擴展開來。
來自 World Economic Forum（WEF）與主要金融顧問公司的報告，描繪出 2026 年企業環境的複雜畫面。雖然支出持續加速——Gartner 預測年成長 44% 至 2.52 兆美元——實際部署指標卻說明了摩擦、再校準與「試點煉獄」的現象。對產業觀察者而言，這不是技術的失敗，而是市場的成熟，在此整合、治理與投資報酬率（ROI）的複雜性終於被正視。
The Great Scaling Paradox
儘管資本大量湧入該領域，對高階主管（C-suite）而言，營運現實仍然頑固難變。麥肯錫（McKinsey）最近的一項全球調查顯示，多數公司尚未成功將 AI 在整個組織中實作化。挑戰不再在於是否能取得技術，而是在於是否具備結構性準備來運用它。
普華永道（PwC）的資料也強化了這一敘事，指出只有 12% 的執行長報告其 AI 計畫同時帶來成本下降與收入成長。此外，56% 的受訪者承認迄今未見到「顯著的財務效益」。這種對 ROI 的不確定性已觸發企業策略的轉變，從實驗性支出走向嚴格的問責制。
Match Group 的財務長（CFO）Steve Bailey 在近期評論中體現了這種新紀律，指出公司正為 AI 資本分配設置「更高的門檻」。對 AI 實驗的「空白支票」時代似乎已結束，取而代之的是在部署前需提出能證明明確效率提升或成本節省的嚴謹商業案例。
The "Agentic Dip": A Sign of Market Maturity?
在 2026 年初觀察到的一個最出人意表的趨勢，是自主代理式人工智慧（Agentic AI）部署率的急劇下降。根據 KPMG，企業中自主代理式 AI 的部署率從第三季的 42% 降至第四季的 26%。
表面上看，這一跌幅或許暗示興趣減弱，但專家認為這反而標誌著一個「覺醒時刻」。KPMG 的 AI 與資料實驗室全球負責人 Swami Chandrasekaran 認為，這段暫停是策略性的。企業發現，部署自治代理需要穩健的基礎資料層與治理框架，而許多組織尚未具備這些要素。公司實際上按下暫停鍵，以修補技術債務並打破資料孤島，然後才把核心業務流程交付給自治代理。
Structural Barriers to Adoption
阻礙 AI 無縫擴展的障礙是多方面的，從技術遺留問題到人力資本缺口均有涉獵。以下分析概述了 2026 年金融領袖與技術專家所識別的主要摩擦點。
Table: Core Challenges Hindering Enterprise AI Scaling
| Metric/Challenge | Description | Business Impact |
|---|---|---|
| ROI Ambiguity | Difficulty in measuring value beyond simple productivity tasks. | CFOs are freezing budgets for projects lacking clear financial KPIs or revenue linkage. |
| Technical Debt | Legacy ERP systems and fragmented data architectures. | 86% of CFOs cite existing tech debt as a significant barrier to implementation. |
| Governance Gaps | Lack of guardrails for agentic AI and "hallucination" risks. | Cybersecurity ranks as the top barrier; fear of internal risk halts production rollouts. |
| Talent Deficit | Shortage of skills in AI oversight, governance, and data literacy. | Organizations are forced to increase training budgets as hiring fails to close the gap. |
| Regulatory Uncertainty | Fragmented state laws and conflicting federal directives. | Legal teams advise caution amidst evolving compliance landscapes and executive orders. |
（註：表格內的標題與結構保持原樣，僅翻譯描述性文字以保留一致格式。）
Reimagining Work, Not Just Technology
在 2026 年達沃斯的反覆主題是：擴展 AI 本質上是組織層面的挑戰，而非僅僅是技術問題。Royal Philips 的執行長 Roy Jakobs 強調，僅僅把 AI 插入現有工作流程很少能帶來轉型性的結果。相反地，公司必須徹底「重新想像」工作流程，以容納新數位勞動力的能力。
Accenture 執行長 Julie Sweet 也表達了相同觀點，她主張「以人為主導，而非僅作為流程中的一環」。最成功的實作——被稱為「燈塔」（Lighthouse）案例——是那些用 AI 來強化人類判斷而非取代人的情境。
例如，JLL Technologies 回報稱透過自動化需求蒐集與測試，開發週期減少了 85%，使資深工程師得以專注於高價值的架構工作。同樣地，Google 在內部使用 AI 進行程式碼生成，據報導提高了工程速度約 10%。這些成功案例有一共同特徵：它們是將 AI 整合進重新設計的工作流程，而非僅將其加裝到舊有流程之上。
The Regulatory Headwind
使擴展努力更為複雜的是日益分裂的法規環境。在美國，近期的行政措施引入了關於州與聯邦在 AI 治理上權限的未定性。不同司法區提出對資料隱私與演算法偏見的相互衝突標準，使跨國企業採取防禦性姿態。
阿拉伯聯合大公國（UAE）國務部長 Maryam bint Ahmed Al Hammadi 在達沃斯強調，有效的監管必須聚焦於可追溯性與偏見防範。然而，在全球或至少在國家層面出現統一框架之前，許多企業選擇將 AI 部署範圍限於低風險的內部應用，避免面向客戶或決策關鍵的系統。
The Path Forward: From Hype to Value
隨著 2026 年展開，企業 AI 的敘事正經歷必要的修正。自主代理式 AI 部署的下降與對 ROI 的嚴格審視並非失敗的徵兆，而是產業進入一個認真營運階段的表現。在下一輪競賽中，勝出者不一定是花費最多的公司，而是那些能成功橋接試點專案與企業範圍整合落差的公司。
對產業領袖而言，指示明確：優先強化資料基礎、解決技術債務，並重新設計組織工作流程。只有解決這些「乏味但關鍵」的結構性問題，企業才有望釋放由 1.5 兆美元人工智慧投資所承諾的變革性價值。
