PwC AI 績效研究簡報大綱（2026）
Slide 1｜AI 績效的真正差距
頁面訊息： AI 的差距不在「有沒有試用」，而在能不能變成可量測、可複製的企業能力。
主視覺： 74%、7.2x、AI fitness 三個數字／概念。
講者重點： 本報告要回答的是 AI 是否帶來營收、效率、成本、決策與客戶體驗改善，而不是企業累積多少 pilot。
Slide 2｜研究設計與樣本
- 25 個產業
- 1,217 位副總以上高階主管
- 30 家臺灣企業
- 2025 年 10–11 月調查
- 60 項 AI 管理與投資實務
- AI 驅動績效：經產業中位數調整的營收成長、效率提升與成本下降綜合指標
講者重點： 這是顧問研究與高階主管問卷，不是隨機控制實驗；後續數字要保留這個解讀邊界。
Slide 3｜AI fitness：九大成熟度要素
六項基礎能力： 策略、投資、資料與技術、人才與文化、治理與風險、創新。
三項應用能力： 廣度與深度、應用程度、跨產業融合。
講者重點： 基礎能力讓 AI 可信賴、可擴展；應用能力決定 AI 是否進入價值鏈、工作流程與新價值池。
Slide 4｜價值集中在 AI 領先者
- AI 成熟度前 20% 的企業囊括 74% AI 財務效益
- AI 驅動績效是其他企業平均的 7.2 倍
- 領先者在 AI 使用廣度／深度約為其他企業 2 倍
- 使用自主運作 AI 的比例約為其他企業 2 倍
- 基礎能力更紮實時，AI 應用績效約成長 2 倍
講者重點： 這些數字描述樣本內相關與分組差異，不應直接當作單一措施的因果效果。
Slide 5｜從效率到成長與重塑
頁面訊息： 領先者不只把既有任務做快，而是用 AI 改變價值創造方式。
- 新產品與服務
- 商業模式重塑
- 新興價值池
- 跨產業合作與競爭
- 決策品質與客戶信任
案例提示： John Deere See & Spray 將 AI 影像辨識包裝成成果連動的服務模式，而不只販售硬體。
Slide 6｜六項基礎能力的投資順序
建議流程：
- 先選高價值、與策略直接相關的場景。
- 找出阻礙複製的 1–2 個基礎能力瓶頸。
- 建立跨職能團隊與具名 owner。
- 用 sandbox、可信資料、可重用元件與流程重設支援試驗。
- 以投資組合 review 決定擴大、暫停或終止。
講者重點： 不要把基礎建設做成無止境的現代化工程；只建構當前 AI 策略真正需要的底座。
Slide 7｜從 pilot 到全企業部署
三個尺度：
- 廣泛推動： 從單一部門複製到團隊、地區、職能、價值鏈與產品。
- 深入整合： 將 AI 接入核心系統與端到端 workflow，不是外挂 chatbot。
- 逐步自動化： 從輔助／草稿、分析／建議，到人工核准、受防護的多任務執行，再到自主運作與自我優化。
安全邊界： 先從高頻、可衡量、低至中風險的分類、排序、派送等決策開始；品質、可靠性與信任達標後才擴張。
Slide 8｜臺灣：硬體紅利與應用落差
- 臺灣 AI 成熟度：4.3 / 10
- 全球中位數：5.5 / 10
- 18 個回覆數達 30 份以上地區中排名第 18
- 相較 AI 領先者：基礎能力差距 1.53x，應用能力差距 1.61x
- 最大治理落差：跨功能 AI 治理委員會
- 最大應用落差：跨產業融合
頁面訊息： 臺灣不能只做 AI 基礎建設供應鏈，也要把硬體、工程、資料與場域知識轉成企業應用競爭力。
Slide 9｜報告案例的共同模式
| 案例 | 報告宣稱的結果 | 可抽象的能力 |
|---|---|---|
| 大型科技供應商全通路客服 | 通話處理時間 -25%、轉接 -60%、NPS +7% | 中央化 AI 管理、責任 AI、人才培訓 |
| Wyndham 品牌標準 | 審查時間 -94%、速度最高 20 倍 | 人工監督、即時監控、可信任 agent |
| 西南航空 legacy modernization | 待辦清單 10 週縮至 5 週、600+ requirements | 隱性知識轉規格、專家驗證、可重複方法 |
| Lucid 財務轉型 | 預測週期縮至不到 1 分鐘、10 週完成 14 案例 | 端到端流程、跨職能小組、可複製藍圖 |
| 零售業巨擘 | 軟體週期 -60%、錯誤 -50%、客服回覆 -40% | 中央平台、生命週期治理、跨職能部署 |
註： 表中數字均為報告中的企業案例 claims，不是本 wiki 的獨立 benchmark。
Slide 10｜給企業的五個行動
- 選 1–3 個和核心策略直接相關的高價值場景。
- 指定業務、資料與風險 owner，定義 workflow KPI。
- 先補資料、流程、權限、信任與治理瓶頸。
- 在 sandbox 內用 task-level eval、trace 與人工升級驗證。
- 通過品質、可靠性與安全門檻後，才複製到其他部門與價值鏈。
結尾句： AI 競爭不是誰擁有更強的模型，而是誰能把模型變成可信、可量測、可複製的企業能力。
相關頁面
- ai-performance-report-summary-2026 — 摘要與行動清單
- ai-performance-report-speaking-script-2026 — 對應口語講稿
- ai-fitness-and-enterprise-ai-maturity — 九大成熟度要素與研究解讀
- ai-hardware-dividend-vs-ai-application-competitiveness — 臺灣硬體紅利與應用競爭力比較
- ai-native-enterprise-governance — owner、權限、sandbox、observability 與 KPI