麥肯錫 2026 年數據究竟說明了什麼？
麥肯錫《2026 年人工智能現狀》調查於 2026 年 5 月 4 日至 6 月 8 日進行，覆蓋 1,719 名受訪者。數據顯示，年收入超過 10 億美元的機構中，40% 正在規模化部署 AI 代理，較一年前的 27% 明顯上升。然而，只有 37% 表示 AI 對息稅前盈利產生任何影響，與 2025 年基本持平。
兩個數字朝相反方向移動。大型企業的代理部署在十二個月內上升十三個百分點，而能夠追溯到盈利影響的機構比例卻原地踏步。
麥肯錫界定為「高績效者」的比例，即真正在全企業層面取得價值的機構，按年維持在約 6%。部署加速了，可衡量的財務回報卻沒有。
對於任何正在編製 2027 年 AI 預算的管理層而言，這是最值得留意的一組數據。它說明瓶頸已不再是取得有能力的模型，而是介乎「一個能運作的代理」與「損益表上的一行數字」之間的所有環節。
為何擴展 AI 代理不會自動改善盈利？
代理在任務層面創造時間節省，而盈利只有在節省的時間被轉化為成本下降或收入上升時才會改變。大多數機構完成了第一步，卻從未為第二步建立機制，於是生產力出現在員工體驗調查中，成本結構與人手計劃卻紋風不動。
以一支四十人的理賠團隊為例。代理在每宗個案節省二十分鐘，而該流程每月處理六千宗個案，一季即節省約 2,000 小時。
這些時數是真實的。但除非營運計劃將這批產能重新分配到吸收業務量增長、延後招聘，或收回原本外判的服務，否則沒有任何一分錢會到達損益表。團隊只是變得比較寬鬆。
價值在到達盈利之前流失的三個位置
--- 產能釋放了卻未重新分配，單位成本在紙面上下降，總成本維持不變。
--- 試點始終停留在單一部門，平台的固定成本被攤分在遠不足以支撐它的業務量之上。
--- 節省是真實的，卻無法歸因，因為部署前沒有記錄基線，財務部無法將 AI 效果與季節性或人手變動分離。
第三種流失最常見，也最具破壞性，因為它把一項真實的成果，在預算會議上變成一個無法證明的說法。
四層診斷框架如何找出流失點？
這個框架按順序檢驗四個層次：能力、採用、再分配、歸因。價值必須通過全部四層才會出現在盈利之中。順序之所以重要，是因為第一層失效所呈現的症狀，與第四層失效幾乎一模一樣，而兩者的補救方法完全不同。
第一層，能力。代理能否以業務願意接受的準確度完成任務，而毋須人手逐項覆核？若審核者仍要看完所有輸出，代理只是增加了一個步驟，而非移除一個。檢驗方法是對照人手基線做抽樣準確度審計，而不是看供應商示範。
第二層，採用。符合條件的交易中，實際有多少比例經過代理處理？一件只用於 15% 個案的工具，無論多優秀都無法撼動成本。採用率應以交易佔比衡量，而非授權數量，偏偏大多數儀表板呈報的正是授權數量。
第三層，再分配。釋放出來的產能，在營運計劃中有沒有指定去向？這是管理決策而非技術決策，也是最多項目從未正式觸及的一層。缺少了它，節省的時數只會自然蒸發。
第四層，歸因。財務部能否分離出這項效果？這需要部署前針對特定指標的基線、一組對照樣本或對照期間，以及一條各方同意的計算規則。事後才設計的歸因方法，幾乎必然引起爭議。
按順序檢驗。第一個失效的層次就是要修補的位置，而在前一層仍然破損時去修補後一層，不會產生任何結果。
這個框架在香港企業如何應用？
假設一家 300 人的香港保險集團，九個月前部署了核保輔助代理。準確度測試理想，120 名用戶取得授權，主管級贊助人將試點列為成功。十二個月後，綜合成本率毫無變化。每一層都解釋了原因的一部分。
在第二層，交易佔比說出了真相。在代理原本設計處理的個案中，只有 22% 經過它。資深核保員維持原有做法，代理吸收的是較簡單的檔案，而那些從來不是成本問題所在。
在第三層，營運總監並無調整人手計劃的授權。釋放的時數流向更長時間的檔案覆核，這是一項公司從未要求、也無法入賬的質素提升。
在第四層，沒有人在啟動前一季記錄過周期時間或每張保單成本。當財務總監詢問代理帶來什麼回報時，得到的答案只是一段軼事。
香港的處境令問題更尖銳。本地中型企業人手精簡，很少設有專責的轉型辦公室去承接第三層與第四層，於是這兩層預設無人負責，技術上成功的部署最終產生財務上隱形的結果。個人資料私隱專員公署於 2026 年 5 月公布，在其審查的 60 間機構中，95% 已在日常營運使用 AI，超過一半同時運行三個或以上 AI 系統。使用相當普遍，有結構的衡量卻不然。
今年的自建與採購決策有何改變？
麥肯錫 2026 年調查發現，32% 的受訪者表示，其機構因為可以用代理式編程工具自行建構功能，而決定不購買至少一項軟件產品或功能。這是企業軟件預算制訂方式的結構性轉變，而它的來臨速度快過大多數採購政策的更新速度。
整體而言約 20% 的機構正在規模化使用代理式編程工具，在大型企業中則升至 31%。大小機構之間的能力差距，正沿着與代理差距相同的方向擴大。
對部門主管而言，實際後果是「我們自己建就好」如今在供應商談判中成為可信的說法，議價籌碼因此改變。這同時是一個陷阱，因為自建決策把一項持續的維護責任，轉移到一支從未為此配置資源的團隊身上。
正確的做法，是把同樣四層套用在內部自建之上。由自己工程師交付的工具，同樣要通過採用、再分配與歸因三關。自建並不豁免它證明回報的責任。事實上，內部自建更難衡量，因為成本埋藏在薪酬之中，而非顯示在發票之上。
延伸閱讀：企業 AI 代理平台的真實成本，以及按成果計價如何改變 AI 合約。
應該如何衡量，財務總監才看得見？
選一個已經出現在財務總監會看的管理報表上的指標，在部署前記錄九十天基線，以書面定義何謂可歸因於 AI 的變化，然後按月匯報。為 AI 項目而發明的新指標必然被打折扣，財務總監本來就在追蹤的指標則不會。
一套站得住腳的衡量設計包含什麼
--- 一個取自現有管理報表的主要指標，例如每宗交易成本、周期時間或首次接觸解決率。
--- 代理上線前至少一季的基線期紀錄，並附上去年同期的季節性對照。
--- 一組對照樣本或對照期間，使效果能與同期發生的其他變化分離。
--- 一條在啟動前與財務部達成共識的書面歸因規則，明確列出項目會與不會宣稱的範圍。
--- 一位在業務端而非在 IT 端的指定負責人，為第三層的再分配決策承擔責任。
順序很重要。在啟動之前與財務部議定歸因規則，正是把日後的結果由爭論變成數字的關鍵一步。略過這一步的團隊並非疏忽，他們通常在贊助人壓力下急於推進，而衡量工作感覺像是拖慢進度。它大約需要兩星期，卻是預算獲續與項目被砍之間的分野。
略過診斷會出現什麼問題？
最常見的失誤，是把盈利不變視為技術無效的證據，然後更換供應商。新平台繼承了同樣破損的層次，產生同樣平淡的結果，機構最終得出「AI 被過度吹捧」的結論，卻從未檢驗過價值究竟在哪裏流失。
四個值得點名的陷阱
--- 把授權數量當成採用率。發出的席位與處理的交易是兩個數字，只有其中一個與成本有關。
--- 讓試點在容易的個案上取得成功。若代理只處理最簡單的兩成業務量，它無法觸及真正推高成本的工作。
--- 讓再分配無人負責。技術團隊無權更改人手計劃，而業務負責人也很少被告知他們必須這樣做。
--- 事後補建基線。追溯重構的數字在預算檢討中總會被挑戰，而且通常會輸。
此外還有一項會不斷累積的信譽成本。一位曾經呈報無法證明的 AI 成果的部門主管，下一次將面對更嚴苛的質詢。把第四層做好，一半是財務問題，一半是政治問題。
結語：這是管理落差，不是技術落差
2026 年的證據指向同一個結論。對大多數企業而言，模型能力已不再是關鍵制約。真正的制約，是從「一個能運作的代理」到「一小時被重新分配的產能」再到「一個可歸因的數字」這條鏈條，而這條鏈條由管理層擁有，不由工程部門擁有。
按順序診斷。先能力，再採用，然後再分配，最後歸因。修補第一個失效的層次，在弄清楚是哪一層斷裂之前，不要為下一個平台付款。
懂AI的冷，更懂你的難。UD 同行28年，讓科技成為有溫度的陪伴。二十八年與香港企業並肩的經驗告訴我們，這件事最難的部分很少是模型本身，而是介乎一個漂亮試點與一個董事會願意接受的數字之間，那些安靜而繁瑣的組織管道。
本文由 UD 企業 AI 團隊（香港）審閱。
找出正在讓你付出代價的那一層
掌握了框架，下一步是釐清你的組織在四個層次上各自處於什麼位置。先建立一份有結構的準備度圖像，再決定衡量什麼。UD 團隊手把手帶你完成每一步，從 AI 準備度評估、方案選型，到部署上線與成效追蹤，28 年企業服務經驗，全程陪你走。
