熱情，而非證據：EY 的 AI 最高顧問說，企業仍然拿不出 AI 報酬

過去三年，企業級 AI 的論述建立在一個簡單的承諾上：先花錢，之後再算成效。本週，一位肩負著全球最大規模 AI 部署任務的人物，親口說出這筆交易的後半段至今仍未兌現。

安永（Ernst & Young，EY）全球顧問 AI 負責人 Dan Diasio，在 The Information 舉辦的 AI Agenda Live 研討會上表示，企業至今仍然沒有看到 AI 帶來實質的營收成長或成本降低。他的措辭相當直接：企業目前在 AI 上的支出，「是建立在熱情之上，而非證據之上」。

這話若出自一般評論者，聽起來像是唱衰。但 Diasio 是 EY 的首席顧問 AI 高層——他的公司正是收費協助企業讓 AI 真正落地的那一方——這番話更像是第一線的實況回報。EY 深入數百個大規模轉型專案。當 Diasio 說報酬還沒有反映在數字上時，他描述的是自家顧問在客戶端一再看到的現象，而不是遠端憑空推想的論點。

他實際上說了什麼

根據 The Information 記者 Laura Bratton 與 Kevin McLaughlin 的報導，Diasio 的核心論點是：AI 支出與 AI 價值之間的落差，依舊頑固地難以縮小。企業持續擴大預算，但當 EY 尋找兩件真正重要的事——有意義的營收提升與有意義的成本削減——時，多數採用者能提出的證據依然單薄。

他還指出，EY 本身執行大量 CEO 調查，即使財務證明薄弱，高階主管對 AI 的信念仍然高漲。這種「信念強、衡量弱」的組合，正是他所謂熱情超越證據的具體寫照。這並不是在主張 AI 沒有用；而是在主張，一般企業仍在為尚未轉換成實際成果的能力付費。

這番發言的時機點格外重要。它出現在最大的 AI 供應商把行銷話術從「實驗」轉向「全面部署代理程式」之後，也出現在顧問業（包括 EY 自己）默默建立新內部機制、用來管控自身 AI 支出的一年之後。

EY 先從自己開刀

最值得玩味的細節是：EY 的所作所為，顯然承認 Diasio 的警告同樣適用於自己。

今年八月，EY 宣布成立「AI 價值實現辦公室」（AI Value Realization Office）——一個專責單位，任務是集中管理 EY 自身的 AI 投資、監控採用狀況，並決定哪些內部專案值得擴大規模、哪些應該終止。Bloomberg 報導指出，這個單位的設計目的，是讓管理層對公司內部 AI 資金的流向與用途擁有「端到端的能見度」。同一時間，EY 也開始招募「代理經濟學」（agent economics）負責人——這個職位的存在，就是為了檢視一支日益 AI 化的員工隊伍所帶來的成本。

綜合來看，這些動作對一家顧問公司而言是罕見的坦承：如果 AI 的價值很容易收割，根本不需要一個新辦公室和一個近似 C 層級的新職位去追蹤它。EY 是先把「衡量問題」制度化到自己內部，再把解方賣給客戶。

這個模式並不新鮮——但它持續存在

Diasio 的說法，延續了一條累積超過一年的證據線。MIT 廣被引用的《State of AI in Business》分析發現，約 95% 的企業生成式 AI 試點專案沒有產生可衡量的財務報酬，而企業在生成式 AI 上的支出估計達 300 至 400 億美元。後續的產業分析則估計，約 88% 的 AI 試點專案從未進入正式量產。EY 自家的美國 AI Pulse 調查也在樂觀與審慎之間擺盪——某些波段宣稱高比例的受訪者回報正向 ROI，同時又強調多數效益流向再投資，而非裁減人力。

2026 年改變的是賭注的規模。若把基礎設施算進來，全球 AI 支出的估計已達數兆美元，超大規模雲端業者正大舉投入資料中心，前提假設是企業需求將持續複合成長。如果一般企業買家仍然無法證明報酬，這個假設就不是建立在當前的損益表現上，而是對未來能力的信仰——這正是 Diasio 點名的「熱情與證據」落差。

為什麼報酬始終隱形

在檢討失敗原因的分析中，幾個結構性因素反覆出現：

• 試點專案從不觸及核心。 概念驗證在組織邊緣運作，挑選友善的工作流程與乾淨的資料。正式上線代表要與混亂的核心系統整合，而多數專案正是死在這一步。
• 工作流程沒有重新設計。 把模型疊在不變的流程上，只能捕捉一小部分可能的價值。真正看到報酬的組織，多半是圍繞模型重組工作本身，而不是買了授權然後等待。
• 衡量永遠是事後補上的。 許多採用者在部署前根本沒有建立基線，因此即使有真正的改善，也無法向 CFO 證明。EY 內部正在制度化的「價值實現」概念，正是為了修補這一點。
• 成本會計掩蓋了帳單。 Token 支出、席位授權、整合工程、代理程式出錯後的補救成本，分散在不同的預算科目裡，使得總成本——以及因此的報酬率——變得異常難以計算。

為什麼此事依然重要

對 Diasio 言論最不安的解讀是：2026 年的代理式 AI 浪潮，把老問題的賭注推得更高。代理程式不只是生成文字，它們會在生產系統裡採取行動。如果企業連「聊天機器人摘要文件」都很難算出報酬，那麼對於會接觸客戶、程式碼與金流的自主軟體，舉證責任只會更高——而搞砸的代價也更大，今年的連環代理資安事件已經示範過了。

比較寬厚的解讀是：這就是通用技術普及中段的正常樣貌。電氣化花了數十年才反映在工廠生產力統計上；1980 年代著名的電腦「生產力悖論」，也是在企業圍繞資訊科技重組之後才化解。Diasio 本人並不質疑能力曲線——他抱怨的是「轉換」，是把能力變成可衡量價值的紀律。

兩種解讀可以同時成立。能力是真實的、而且在複合成長；但一般企業收割能力的進度遠遠落後。像 Diasio 這樣的發言之所以有用，正是因為它標記出這道落差，而不是粉飾它——也因為最清楚內情的公司，正默默把自己重組成把這道落差當成下一個大市場的姿態。

對買家而言，實際的啟示不迷人但很有價值：在下一個預算週期之前，堅持先建立基線，挑選你願意真正重新設計的工作流程，並把任何說不出反事實基準的 AI 專案，歸類為熱情，而非證據。