達沃斯論壇：四大產業巨頭坦言，AI 規模化的瓶頸不是技術，是組織

本文整理自 2026 年 1 月世界經濟論壇（達沃斯）座談「Scaling AI: Now Comes the Hard Part」。

一個尷尬的現場調查

MIT Technology Review 總編輯 Mat Honan 在開場時做了一個簡單的現場調查。他先問：「在座有多少人啟動過 AI 試點專案？」幾乎全場舉手。接著他問：「有多少人成功把它規模化了？」舉手的人大幅減少。最後他問：「規模化過程中遇到意外挑戰的？」結果跟上一題舉手的人數一樣多。

這個畫面精準捕捉了 2026 年企業 AI 應用的現狀：試點容易，規模化難。而這正是這場座談要探討的核心問題。

台上四位與談者的組合很有意思。飛利浦 CEO Roy Jakobs 代表醫療科技產業，Visa CEO Ryan McInerney 代表全球支付網路，沙烏地阿美 CEO Amin Nasser 代表能源產業，Accenture 董事長兼 CEO Julie Sweet 則因為服務過數百家企業，擁有跨產業的全景視角。

對台灣讀者來說，這四家企業或許感覺遙遠，但其實都與我們的日常生活密切相關。台灣醫院裡的超音波設備和病患監護系統，很多來自飛利浦。你錢包裡的信用卡，很可能跑在 Visa 的支付網路上。沙烏地阿美是全球市值最高的石油公司，年資本支出 500 到 600 億美元，它對能源價格的影響力不言而喻。至於 Accenture，《財星》500 大企業中絕大多數都是它的客戶。

當這四位 CEO 談 AI 規模化的挑戰，談的不是理論，而是實戰經驗。

從「省了多少人」到「能做什麼新事」

Julie Sweet 分享了一個她在過去一年觀察到的重要轉變。

過去兩年，企業談 AI 時幾乎都聚焦在「生產力」——省了多少人力、縮短了多少流程。但 Accenture 最新一季的調查顯示，78% 的高階主管現在認為 AI 帶來的「成長」價值大於「生產力」價值。

她用製藥業的例子來說明。藥廠要把一款新藥的說明內容送審，需要經過漫長的法規審核流程。過去一旦通過，沒人想再去更新內容，因為又要重新跑一次審核。現在透過 AI，原本需要數月的流程可以大幅縮短。但更重要的改變是：那些原本花時間在「怎麼讓法務批准」的人，現在可以把時間花在「誰需要這個資訊？這個內容有沒有幫助到醫師？」

這不只是效率提升。這是讓人力重新配置到更有價值的工作上。

飛利浦的 Roy Jakobs 從醫療照護的角度呼應了這個觀點。他說，護理師平均每小時要花 15 到 20 分鐘在行政工作上，跟病患相處的時間只剩下 3 到 7 分鐘。透過 AI 輔助的環境聆聽技術，病房裡的對話可以自動記錄成逐字稿，護理師只需要確認內容，不用邊照護邊打字。這樣省下來的 10 到 15 分鐘，可以還給病患。

Jakobs 用了一個很好的說法：「我們的目標是把時間還給臨床實踐。」這不是在談裁員，而是在談讓醫護人員回歸他們真正想做的事——照顧病人。

60 億美元的實證價值

如果說 Julie Sweet 和 Roy Jakobs 談的是理念轉變，沙烏地阿美的 Amin Nasser 帶來的則是硬邦邦的數字。

去年在同一個論壇上，Nasser 談到阿美有 400 個 AI use cases。今年這個數字增加到 500 個，其中 100 個已經從試點轉為正式部署。更關鍵的是，他談到一個叫做「技術實現價值」的指標。過去阿美每年的技術實現價值大約是 2 到 3 億美元，但 2023 到 2024 年，這個數字跳升到 60 億美元，其中超過一半來自 AI 相關應用。2025 年的數字還在等第三方驗證，預估會落在 30 到 50 億美元，同樣有超過一半來自 AI。

Nasser 特別強調，這些數字不是內部自己算的，而是請第三方來驗證。他說：「大家都在談 AI 的影響，但價值在哪裡？用美元來說，價值到底是多少？這是我們能夠具體說明的。」

他舉了幾個具體案例。在地下探勘方面，阿美開發了一套智慧地層模型，可以在鑽探的同時即時分析地下數據，將生產區域的精準度從 80% 提升到 90%，某些油井的產量因此提升了 30% 到 40%。這不只影響成本，也影響碳排放，因為你需要更少的油井就能達到同樣的產量。

在設備維護方面，AI 可以預測設備何時可能發生故障，讓團隊在災難性事故發生前就先更換零件。在腐蝕管理方面——這是一個全球 3 兆美元的市場——AI 幫助減少防腐劑用量、降低管線故障率。

但 Nasser 認為，讓這一切成為可能的關鍵不是技術本身，而是三件事：數據品質、領域專家、以及營運模式。

阿美花了 90 年建立數據基礎設施，保存了所有營運數據。Nasser 說：「Garbage in, garbage out。如果你沒有數據品質，什麼都做不了。」他們訓練了 6000 名領域專家理解 AI，這些人不是數據分析師，而是真正懂石油探勘、懂設備維護、懂煉油流程的人。Nasser 說：「提出 use cases 的是領域專家，不是數據分析師。他們才是發現機會的人。」

最後，他們建立了一套從前線想法到試點、再到全面部署的明確流程。每個 use case 都被當成專案來管理，有明確的時程、可交付成果、以及預期價值。如果試點結果不如預期，就果斷終止；如果成功，就快速規模化。

代理人商務：電商的第三波革命

Visa 的 Ryan McInerney 把話題帶到了一個不同的方向：agentic commerce，我姑且翻譯成「代理人商務」。

他描繪了一個正在發生的演變。2025 年，消費者開始用 ChatGPT、Gemini、Claude、Copilot 這些 AI 平台來搜尋商品，但實際購買時還是會跳回原本的電商網站或品牌官網。2026 年，消費者將可以直接在 AI 平台上完成購買，不需要離開。再往後，真正的代理人商務會出現：你授權一個 AI 代理人，讓它代替你搜尋全球的商品庫存、找到最適合的選項、並代你完成購買。

McInerney 說，這是繼電子商務和行動商務之後，數位商務的第三波革命。

但這需要解決信任問題。消費者要信任代理人不會亂花錢、不會買錯東西。商家要信任來敲門的代理人確實代表真實消費者，而不是詐騙機器人。銀行要信任交易請求確實經過消費者授權。

為此，Visa 正在全球部署「AI-ready cards」，讓使用者可以設定代理人的消費上限、允許購買的品類、授權期限等參數。他們也推出了「可信代理人協議」，讓商家可以驗證代理人的身份與授權狀態。另外，如果消費者同意，還可以讓代理人存取自己在 Visa 上的消費歷史，讓推薦更加個人化。

McInerney 提出一個有趣的觀點：代理人商務可能會成為中小企業的「平權器」。他說，現在消費者的搜尋範圍其實非常狹窄。儘管全球有那麼多品牌和小商家，我們習慣性地只去幾個大型電商平台購物。但當 AI 代理人可以搜尋全球庫存時，那些原本不在你搜尋範圍內的小品牌、在地商家，都有機會被發現。

他舉了一個生活化的例子：我住在北加州的小鎮，附近可能有一家很棒的跑鞋專賣店，但我從來不會想到去那裡買鞋，因為我的直覺反應就是上大型電商平台。代理人商務可能會改變這件事。

我們對 AI 不夠公平

話題轉回醫療照護時，飛利浦的 Roy Jakobs 提出了一個發人深省的觀點。

他說，醫師的診斷準確率平均是 82%。但我們要求 AI 在被採用到臨床實踐前，準確率必須達到 95%。這中間 13% 的差距，代表的是大量可以被改善的病患結果。

「我們對 AI 不夠公平，」他說。

這不是在鼓吹降低標準。Jakobs 強調的是，我們需要找到一個合理的平衡點：在什麼情況下可以讓 AI 開始輔助決策？需要什麼樣的人類監督？如何在不犧牲病患安全的前提下，讓更多人受益於 AI 的能力？

他談到飛利浦與美國國家醫學院合作，跨產業——包括 Mayo Clinic、Google、病患權益團體——共同建立 AI 在醫療照護中的自律準則。Jakobs 說：「法規跟不上技術的速度，所以我們需要自我規範。我們需要有自己的測試、驗證標準，有自己處理偏誤的方法。」

他還提到另一個面向。當你是一個健康的人，數據隱私對你來說很重要。但當你是一個第三期或第四期癌症患者，你對數據隱私的看法會完全不同。Jakobs 說：「我可以保證，當你處在那個處境，你會希望全世界的數據都被用來為你找到治療方法。」

這並不是說要犧牲隱私，而是說我們需要在保護隱私的同時，找到讓數據發揮價值的方法。匿名化、去識別化，這些技術都存在。關鍵是整個生態系——醫院、監管機構、科技公司、病患團體——需要一起找出可行的路徑。

90% 的數據工作還沒開始

Julie Sweet 在座談中拋出了一個讓人清醒的數字：全球企業需要做的數據整備工作，90% 還沒完成。

她說，很多人問為什麼 AI 應用無法跨企業規模化，答案很簡單：因為你還沒有數據。阿美能做到今天的成果，是因為他們投資數據基礎設施超過 90 年。麥當勞之所以能在 AI 應用上快速前進，也是因為他們很早就建立了數據基礎。

但 Sweet 也強調，這不代表要等數據完美才能開始。現在有新的方式可以用 AI 來加速數據基礎建設。關鍵是要認清現實、認清自己在哪裡，然後有紀律地往前走。

她觀察到，很多企業在追求「進階 AI」之前，其實有大量的「基本功」還沒做好。流程不標準化、管理層級過多、系統七零八落——這些過去十年就可以處理的問題，現在成為 AI 規模化的障礙。

Sweet 說：「我們工作的很多公司現在都在做兩件事：一邊把基礎打好，確保既有技術中的 AI 功能有被充分使用；一邊專注在『必勝戰役』上——那些競爭基礎正在改變、必須靠 AI 來贏的領域。」

她用 Visa 的例子來說明什麼是必勝戰役。對消費品和零售業來說，代理人商務就是必勝戰役。這是一個全新的通路，正在快速演變。雖然現在還很早期，但它會動得很快。如果你是這個領域的企業，你必須在這裡布局。

領導者必須親自動手

座談最後，主持人請每位與談者分享「希望早點知道的事」。

Julie Sweet 說：「是 human in the lead，不是 human in the loop。我們會用人來激勵員工、經營公司，他們會有更強大的科技工具。但我們必須徹底改變敘事方式，來激勵人們想像未來。」

Amin Nasser 說：「這應該是業務主導的推動，不是 AI 或 IT 部門的推動。如果業務單位沒有從第一天就參與，你可以買技術、可以規模化，但無法讓它擴散到整個組織。」

Ryan McInerney 的回答最坦白。他說：「十分鐘前我才意識到，我早該請 Accenture 幫忙。」全場笑了。

他接著說，Julie 提到的「領導者主導學習」讓他很有感觸。Visa 花了 18 個月宣傳 AI、開放所有員工使用各種 LLM，但一直看不到真正的突破。直到他們把 300 位高階主管關在房間裡兩天，強迫他們親手建 Agent、接受評估，事情才開始改變。一旦這 300 位領導者有了信心，他們才能帶領自己的團隊。

Roy Jakobs 說：「花在採用上的時間，至少要跟技術開發一樣多。我們這些科技公司太容易被技術本身興奮了。但如果你要創造真正的影響，從開發技術的第一天起，就要想著它怎麼落地到實際工作中。」

我的觀察

這場座談最讓我印象深刻的，是 AI 價值衡量方式的轉變。

過去兩年，企業談 AI 投資報酬率時，幾乎都在算「省了多少人」、「縮短了多少流程」。這種思維把 AI 定位成成本節省工具，但也讓組織內部產生抗拒——誰想擁抱一個可能讓自己失業的技術？

當 AI 的故事從「你可以用更少的人做一樣的事」變成「你可以做到過去做不到的事」，組織內部的動力就完全不同了。飛利浦談的是把時間還給護理師陪伴病患，製藥公司談的是讓行銷人員思考內容有沒有幫助到醫師。這不是在談裁員，而是在談讓人做更有意義的工作。

另一個值得台灣企業參考的是阿美的「技術實現價值」做法。他們不只是內部自己算 AI 創造了多少價值，而是請第三方來驗證。這種做法有兩個好處：對外有公信力，對內形成紀律——你必須能具體說明每個 use case 的價值貢獻。台灣企業在談 AI 轉型時，常常停留在「我們有在做」的階段，卻說不出具體創造了多少價值。阿美的做法提供了一個可參考的框架。

最後，McInerney 的坦白讓我很有感觸。Visa 是全球數位支付的龍頭，技術能力毋庸置疑，但他們花了 18 個月才發現：光是給員工工具、光是高層宣傳，都不夠。真正的轉折點是讓 300 位高階主管親自動手建 Agent。

這呼應了 Sweet 說的「leader-led learning」。AI 不是可以交辦給 IT 部門的專案，它需要領導者自己理解、自己動手、才能帶領團隊。

對台灣企業主來說，這或許是最值得深思的訊息：你自己花了多少時間親自使用 AI 工具？你能不能用自己的話解釋 AI 代理人是什麼？如果答案是否定的，那你的組織大概也很難真正規模化 AI 應用。