為什麼 95% 企業 AI 導入會失敗？MIT 2025 報告之外，文組視角的 5 個死亡螺旋
MIT 2025 NANDA 報告抓到一個刺耳的數字：95% 企業 AI pilot 看不出 ROI。MIT 把原因歸給「systems don't adapt」，技術正確但只說了一半。真正的根因更簡單：他們把 AI 當工具，不是當同事。這篇拆給你 5 個死亡螺旋，順便回答『那 5% 活下來的怎麼做？』
上個月跟一家上市櫃高科技公司的 CTO 喝咖啡。他開場第一句話：
「Sofia，我們去年砸了預算導 AI，三個月後沒人在用。為什麼？」
我問他：「導了什麼？」
他說：「ChatGPT Enterprise、Copilot、一個內部 RAG，加總三個 tool。」
我又問：「給誰用的？」
他想了五秒：「⋯⋯就，給所有同事用啊。」
我笑了（內心其實有點心疼 XD）。他的問題本身就是答案。
MIT 2025 報告：95% 的企業 AI pilot 沒有 measurable ROI
7 月 MIT NANDA 出了一份報告，叫 《The GenAI Divide: State of AI in Business 2025》。樣本不小，52 個高階主管深訪、153 份問卷、300 個公開 AI 部署案例。
報告開門見山一個結論：
95% 的企業 AI pilot 看不到任何可衡量的 P&L 影響。
MIT 把原因歸給「systems don’t adapt, don’t retain feedback, don’t integrate into workflows」，技術性的、政治正確的、誰看完都不會被冒犯的說法（這是 MIT consultant 體版本，可以理解 XD）。
但我必須說一句不那麼禮貌的話：
MIT 抓到了正確的數字，給了半個錯的答案。
「Systems don’t adapt」是症狀，不是根因。真正的根因更簡單，也更尷尬：
他們從一開始就把 AI 當工具，不是當同事。
如果你不信，往下讀 5 個我每週都在企業內訓現場看到的死亡螺旋。對號入座就知道你卡在哪。
死亡螺旋 #1：把 AI 當「外包顧問」買進來
症狀：你公司買了 ChatGPT Enterprise / Claude for Work / Copilot 訂閱，發給所有員工。三個月後使用率 < 10%，主管問「為什麼大家不用 AI？」（然後決定再加買一個 SaaS 訂閱，期待這次會不一樣，不會的 XD）
為什麼失敗： 你買的不是 AI，是「Excel 那種 SaaS」。員工的潛意識訊號是「老闆又買了一個工具叫我用」，他們會用嗎？跟過去 10 年所有公司強推的工具一樣，用三天就回到舊流程。
修法： 別買 seat。指派。
選一個團隊（≤ 5 人）、一個具體痛點（例如：客服回信佔走 40% 時間），然後只給這個團隊一個 AI 工具 + 三週測試期。三週後讓他們報告：哪裡省了時間、哪裡需要 fix、要不要繼續。
成功了再 expand。失敗了直接砍。因為你只投了 5 人 × 3 週，不是全公司 × 半年。
死亡螺旋 #2：一個「AI Agent」做所有事
症狀：你的 prompt 越寫越長（800 字 system prompt 起跳），輸出品質卻越來越不穩。同一個 prompt 早上跑得很棒，下午就脫線。
為什麼失敗： 你把 AI 當成「萬能助理」，「幫我寫信、整理會議紀錄、做圖、查資料、做 PPT⋯⋯」這違背 AI 同事的單一職責原則。等於你雇一個人類同事，叫他同時當 marketing + BD + RD + HR + 行政。誰扛得住？
修法： 拆。
把那個「萬能 prompt」拆成 3-5 個named agents，Amy 只寫 marketing 草稿、Jordan 只做 BD outreach、老科只校稿。每個 agent 一個 scope，一個 system prompt。
當你的 prompt 變短、職責變窄、輸出反而會變穩。這是 microservices 思維，套用到團隊組成。
死亡螺旋 #3：沒有 audit trail，沒有 onboarding 路徑
症狀：你公司有一個「AI 達人」，他自己摸出了一套很 work 的 prompt + 工作流。但其他人不會用。他離職那天，整套 system 跟著消失。
為什麼失敗： AI 工作流如果沒有書面化（prompt template、scope 定義、輸出 sample、edge case 處理），就跟一個沒寫文件的 codebase 一樣。只有作者懂，遠看像魔法，近看像地雷。
修法： 強制 documentation。每個 AI 同事的 onboarding doc 至少含：
- 它負責什麼（scope）
- 它不負責什麼（not-allowed）
- 標準 prompt template
- 5 個歷史輸出 sample（含好的、邊緣的、壞的）
- 上次更新時間 + 誰更新的
這就是 TAEA framework 裡的 A，Auditable。沒有它，連 EU AI Act Article 50 的合規要求都過不了。
死亡螺旋 #4：SaaS 思維（買訂閱當解法）
症狀：你預算的 70% 花在「AI 工具的年度 SaaS 費用」，剩下 30% 花在「整合費 / 員工培訓」。
為什麼失敗： 這個比例是反的。
工具本身在 2026 年已經是 commodity（誰都能買到 Claude / GPT / Gemini API）。真正的 leverage 在「你怎麼把工具串進你公司的真實工作流」。把預算砸在 SaaS subscription = 你買到的是 generic 能力，不是公司專屬的 leverage。
修法： 反轉預算比例。70% 花在「整合 + 教育 + audit trail 建立」，30% 花在 SaaS。
我們公司去年 4 月全面 AI 導入後，年度 SaaS / Infra 支出 -60%，因為我們把 Slack / Airtable / Asana 通通停掉，遷到 Google Chat + GitHub + 自家 vibe coding 工具。原本的 SaaS 費用變成「整合 + 教育」費用，產出反而往上跳。
死亡螺旋 #5：期待真人態度對工具（或反過來）
症狀：員工抱怨「AI 太笨還不如自己做」或「我問了 AI 但它答非所問」。每個對話他們都期待 AI 像 Google 一樣，一次給對答案。
為什麼失敗： 新進真人同事第一個月，誰會對他「一次給對答案」？你會教、會 review、會說「這次哪裡不對下次怎麼做」。
AI 同事一樣。只是它的 onboarding cycle 是「一週」不是「一個月」，每次互動都是一次 micro-onboarding。期待錯誤就會挫敗。期待對了，三週後就會變 leverage。
修法： 明文寫進公司 AI 政策：「對 AI 同事的合理期待，它不會一次給對答案，但會在你教它 3-5 次後接近你想要的標準。每次它做錯，就是它的 onboarding 進度。」
把這條印出來貼茶水間，認真（不貼茶水間貼會議室也行 XD，重點是讓所有人看到）。
那 5% 活下來的怎麼做？
MIT 報告同時觀察了那 5% 真的拿到 ROI 的企業。他們的共同點不是「用了更新的 model」，而是：
- 整合進工作流，不是替代工作流：AI 在現有 process 旁邊運作，不是要員工放棄熟悉的流程
- 單一痛點切入：一個團隊、一個具體問題、一個 KPI，不是「全公司 AI 化」
- 持續迭代而非一次部署：把 AI 當「會學的同事」而非「會用的工具」
換句話說，他們把 AI 當同事在帶。
這就是我們在 Numbers Protocol 自己做的事。2025 年 4 月全面 AI 導入後：
- 全職人類同事剩 4 位 + 線上 AI 同事 15 位 + 實習階段 8 位
- 每位人類同事平均同時跟 3 位 AI 同事協作
- 內部 MVP 從需求到完成 ≤ 24 小時
- 年度 SaaS / Infra 支出 -60%
我們不在那 95%。不是因為我們的工具比較好，是因為我們的 mindset 從一開始就是「招新進同事」，不是「買新工具」。
如果你的公司現在卡在某個死亡螺旋⋯⋯
對號入座完了嗎？最常見的不是單一個，多數企業同時卡在 #1（買訂閱）+ #5（期待錯誤）兩條。少數會卡到 #2（萬能 agent）。剩下兩條（#3 audit trail / #4 SaaS 思維）是進階版，通常是已經跑了 6+ 個月才浮現。
如果你看到這裡心裡有「對啊我們就是這樣」的瞬間，歡迎來信。過去一年多在 Numbers Protocol 把全公司 AI 同事化的方法、踩雷地圖、以及給文組主管的 AI 導入 playbook，可以毫不藏私地分享給你的團隊。
→ 邀請 Sofia 演講：90 分鐘 keynote / 半日 workshop / 全日深度導入工作坊。過去合作 SXSW、UNICRI、AAJA、APJF 2025、Google News Initiative。
→ 讀 AI Coworker Methodology：6 個 AI 同事的真實設定 + 5 步導入 playbook + 3 個常見失敗模式。
→ 讀 Pillar 長文：〈文組人才是 AI 導入最該被重視的角色〉，如果你還沒看 Pillar，建議從那篇開始。
→ Numbers Protocol & Omni：把 TAEA 治理框架落實成 enterprise AI DevOps 平台。
FAQ
Q: MIT 那個 95% 是真的還是 hype？
A: 樣本是 52 深訪 + 153 問卷 + 300 公開部署，方法論在 Fortune 和 AI Magazine 都有 review。值得補充的是，MIT 定義「成功」為「pilot 結束後 6 個月有可衡量 P&L impact」，這個定義偏嚴格，所以實際「有用但沒大幅 P&L」的案例可能也被算進 95%。但 trend 沒錯，多數企業的 AI 投資沒能轉成 measurable 商業價值。
Q: 我們公司還沒開始導入，從哪一步開始？
A: 跳過所有「AI 策略 deck」階段。直接：(1) 選一個團隊 ≤ 5 人，(2) 找一個具體痛點（例：客服回信、合約初稿、會議紀錄整理），(3) 給三週測試一個工具，(4) 三週後 review。不要 boil the ocean。
Q: 我們的工程部跟業務部對 AI 認知差很多怎麼辦？
A: 這正是「文組人是 AI 導入關鍵」的場景。工程部會想「能不能做」，業務部會想「值不值得做」。需要的是中間翻譯者，通常那個人是 HR / Ops / 行銷裡某個跨域 operator。把他/她變成 AI champion，比再買一套工具有效 10 倍。
Q: 我們已經卡了半年都沒進展⋯⋯重啟還來得及嗎？
A: 來得及，但要先做「死亡螺旋診斷」。對照本文 5 個 pattern，找出你卡在哪 1-2 條。停掉那條，從一個新團隊重新跑「3 週 pilot」。不要試圖救活原本卡死的 pilot，sunk cost 是真的，但繼續餵它預算只會更慘。
Q: 那 5% 成功的真有那麼神奇？
A: 沒有。MIT 自己訪談的描述也很樸實，成功者不是「用了最潮 model」，是「找到一個小 win、堅持迭代、accept 不完美」。換成文組人聽得懂的話：他們把 AI 當新同事在帶，不是當新工具在換。
#企業AI導入 #文組AI專家 #MIT2025報告 #AI同事方法論 #TAEA