PwC Taiwan《AI績效研究：全球暨臺灣報告》
PDF metadata title: AI績效研究全球暨臺灣報告 Author: PwC全球智識領導團隊（Global Thought Leadership）、資誠 PwC Taiwan PDF creation date: 2026-07-17 Local attachment:
raw/assets/pwc-ai-performance-global-taiwan-2026-07-17.pdfExtraction: PyMuPDF text layer extraction; all 57 pages contained selectable text.
=== PAGE 1 ===
PwC Taiwan AI績效研究 全球暨臺灣報告
=== PAGE 2 ===
PwC Taiwan 目錄 關鍵訊息 02 引⾔ 03 7.2倍的績效優勢 04 聚焦AI在成⻑與重塑 14 精準打造AI基礎能⼒ 19 將AI佈署整個企業 31 結語 38 研究⽅法 39 全球服務團隊 40 臺灣觀點與洞察 從AI硬體紅利到AI應⽤競爭⼒ 41 臺灣企業案例 51 臺灣服務團隊 55 1
=== PAGE 3 ===
2 AI 績效研究 AI成熟度：基礎能⼒與應⽤能⼒相互加乘 • 基礎能⼒越紮實，AI 應⽤帶來的財務回報就越⾼ • 基礎能⼒包括：策略、投資、資料與技術、⼈才與文化、治理與風險、創新 • 應⽤能⼒包括：廣度與深度、應⽤程度、跨產業融合 前20%領先企業囊括七成的財務效益 • 排名前20%的領先企業，囊括74%由AI帶來的財務效益 • 領先企業由AI驅動的績效，是其他企業的7.2倍 領先企業三⼤特徵 • 利⽤AI追求成⻑與重塑，跨產業合作掌握成⻑新機會，⽽非只追求效率 • 瞄準⾼價值⽬標，精準打造基礎能⼒ • 將驗證可⾏的⽅案，⼤規模複製到整個企業，並提升⾃主AI的使⽤ 關鍵訊息
=== PAGE 4 ===
PwC Taiwan 從紐約到新加坡的會議室裡，頻繁出現相同場景－會議簡報羅列各項AI試驗專案－包 括聊天機器⼈、決策引擎，與會者紛紛點頭附和。然⽽，真正的問題已開始浮現：這 些試驗專案中，哪些能帶來營收成⻑？哪些能協助降低成本？有多少決策因此變得更 好、更快、更安全？ 隨之⽽來的沉默，反映令⼈不安的現實：對許多企業⽽⾔，AI未能產⽣可衡量的報酬。 PwC研究發現，⽬前AI創造的價值集中在少數企業：在受訪的1,217家企業中，排名前 20%的領先企業，囊括74%由AI帶來的財務效益。 領先企業與其他企業的差異為何？關鍵就在PwC研究團隊所定義的「AI成熟度」（AI fitness）：亦即能把AI運⽤在關鍵事務、建立符合⽤途的基礎能⼒，並將AI嵌入企業 各環節之中。 本研究之⽬的，在於協助企業領導者運⽤AI，推動可衡量的營收成⻑與成本撙節，⽽ 不再只是盤點AI試驗數量。本研究分析結果顯⽰：取得卓越成果的企業，透過哪些具 體作為落實提升「AI成熟度」，對所有企業來說，都是觸⼿可及。 引言 3
=== PAGE 5 ===
PwC Taiwan 7.2倍的績效優勢 4 AI 績效研究
=== PAGE 6 ===
PwC Taiwan 5 為瞭解為何有些企業能透過AI獲得實質報酬，⽽多數企業卻未能如願，PwC研究團隊 針對全球25個產業1,217家企業，其中包含30家臺灣企業，以「AI驅動之財務績效」進 ⾏標竿分析，將企業來⾃AI的營收與效率增益，依據各公司所屬產業中位數進⾏調整， 以確保比較基礎的公平性。 PwC同時詢問企業⾼階主管，瞭解其在60項AI管理與投資實務指標的投入程度，藉此 檢視這些作法對AI驅動財務績效的影響。這些指標歸納為九個要素，涵蓋企業如何運 ⽤AI，以及讓AI具備可靠性與可擴展性的基礎能⼒，例如策略與治理。這九個要素構 成「AI成熟度指數」（AI fitness index）。 研究結果⼗分明確：AI領先者，也就是AI成熟度前20%的企業，其AI驅動財務績效是 其他企業的7.2倍。
=== PAGE 7 ===
6 AI 績效研究 由三項應⽤能⼒與六項基礎能⼒組成，反映企業是否具備推展AI的必要條件，並如何運⽤AI創造價值。 AI成熟度九大要素 AI 成熟度 AI基礎能⼒ AI應⽤能⼒ ⼈才 投資 策略 資料與 技術 治理與 風險 創新 跨產業融合 應⽤程度 廣度與深度 廣度與深度 衡量組織在價值鏈運⽤AI的廣泛程度，以及將AI 整合到 各職務⼯作流程的程度。 AI領先者在廣度與深度⽅⾯的分數，約是其他企業的2倍。 應⽤程度 衡量企業AI應⽤的先進程度。可將此變數視為光譜—— 從僅利⽤AI摘要，到建構⾃主運作與優化的代理程式。 AI領先者使⽤⾃主運作AI的比例，是其他企業的2倍。 跨產業融合 評估AI如何促成跨產業競爭或合作，包括尋找新興價值 池、因應客⼾需求轉變，或透過跨產業夥伴關係發掘新 價值。 AI領先者利⽤AI跨產業獲得成⻑的比例更⾼，⽽這也是 最能驅動成⻑的AI成熟度指標。 AI應⽤能⼒
=== PAGE 8 ===
PwC Taiwan 7 AI基礎能⼒ ⼈才 衡量領導者和員⼯是否具備所需技能、 獎勵措施、協作模式與信任，以在⽇ 常決策中有效建構與利⽤AI。 AI領先者讓員⼯持續參與職能相關AI培 訓的比例，是其他企業的1.7倍。⽽其 員⼯信任AI⽣成之⾒解的比例，是其他 企業的2倍。 投資 衡量AI的資⾦與資源配置。投資是否⾜ 夠？優先事項改變時，資源能否靈活的 重新分配，同時仍⽀撐更⻑遠的創新？ AI領先者有更⾼比例，投入⾜夠資⾦、 靈活重新分配資源，並進⾏⻑期投資以 取得成果。 策略 企業策略與AI部署的連結強度。 例如：組織是否設立具優先順序的發 展藍圖？應⽤案例是否都明確與業務 ⽬標相關？是否追蹤對業務的影響？ 每項關鍵AI成果是否都有相應的負責⼈？ 資料與技術 ⽤以評估企業具備現代化、可擴展平 台，以及所有⼈都能存取的可信賴、 多樣化資料來源的程度。同樣重要的 還有：可重複使⽤的AI元件，以及可複 製、重新設計的⼯作流程。 AI領先者⼤幅淘汰過時且成本⾼昂的IT 應⽤程式、系統與基礎設施的比例， 較其他企業⾼出2倍以上。 治理與風險 從AI設計到部署，所需的安全措施、存 取控管、法遵流程、道德框架和監督 機構，以管理相關風險。 AI領先者擁有負責任AI框架，以引導其 AI策略（包括應⽤案例選擇、設計、部 署和持續監控）的比例是其他企業的 1.6倍。 創新 衡量對創新的友善與嚴謹程度，包括： 是否設有創新專屬基礎設施，如沙盒環 境？各事業單位內是否設置創新負責⼈？ 是否定期審查投資組合，⽤以測試、排 定優先順序、擴展與終⽌專案？ AI領先者更有可能提供專屬創新基礎設 施，定期審查創新投資組合，以利擴⼤ AI專案規模。
=== PAGE 9 ===
8 AI 績效研究 6.9 6.7 6.2 6.1 6.1 6.0 5.9 5.6 5.5 5.5 5.5 5.4 5.2 5.2 5.1 5.0 4.8 4.8 4.3 中國 香港 沙烏地阿拉伯 奈及利亞 法國 印度 新加坡 德國 阿拉伯聯合⼤公國 中位數 英國 南韓 美國 澳洲 南非 巴⻄ 加拿⼤ ⽇本 臺灣 AI成熟度由「AI基礎能⼒」與「AI應⽤能⼒」構成，兩者合計為AI成熟度總分。 以10分制衡量，在回覆數達30份以上的18個地區中，臺灣企業AI成熟度分數為4.3分，排名第18，低於全球中位數的5.5分。 （各國依AI成熟度原始分數排序，圖表所⽰分數為四捨五入之結果。） 中國 香港 沙烏地阿拉伯 奈及利亞 法國 印度 新加坡 德國 阿拉伯聯合⼤公國 中位數 英國 韓國 美國 澳洲 南非 巴⻄ 加拿⼤ ⽇本 臺灣 臺灣企業AI成熟度
=== PAGE 10 ===
PwC將報告結果分為三種類型：AI成熟度分數排序前20%為「AI領先者」、排除AI領先者的「其他企業」，以及參與調 查的30家「臺灣企業」。透過觀察AI領先者的特徵，歸納其成功關鍵因素，並比較臺灣企業與領先者之間的差距，可進 ⼀步思考應優先強化哪些能⼒。 臺灣企業的AI基礎能⼒與應⽤能⼒，相較於領先企業，落差達1.53倍與1.61倍，應⽤能⼒的差距⼤於基礎能⼒。同時， 臺灣企業的表現亦落後於其他企業。 5.2 4.3 6.8 5.5 4.5 6.9 5.1 4.4 7.1 1.6x 1.53x 1.61x AI成熟度分數 AI基礎能力 AI應用能力 其他企業 臺灣企業 AI領先者 其他企業 臺灣企業 AI領先者 其他企業 臺灣企業 AI領先者 滿分為10分，倍數（以x表⽰）為AI領先者與臺灣企業的分數差距 9 PwC Taiwan
=== PAGE 11 ===
10 AI 績效研究 2.2 15.7 為何AI成熟度較⾼的企業，能取 得領先？原因在於，AI成熟度越 ⾼，越能廣泛改善企業的階段性 成果，⽽階段性成果終將呈現在 財務表現。 相較於其他企業，AI領先者（AI Leaders）——亦即AI驅動財務 績效表現較佳的企業，有更⾼比 例的受訪者指出，其AI投資組合 加速其推出新產品與服務，協助 商業與營運模式轉型、改善決策 品質，並提升客⼾體驗與信任 度——這些都是多數⾼階主管⾼ 度關注的指標。 AI成熟度越高的企業， AI驅動的績效越高 -2.6 0.3 4.6 6.4 15.7 -4 0 4 8 12 16 後20% 後40%-60% 中間20% 前40%-60% AI領先者 前20% 註：1. AI驅動的績效（以相對於產業中位數的百分點差異呈現）為綜合指標，結合AI帶來的營收成⻑、效率提升與成本下降。 AI帶來的效率，是效率提升與成本降低的平均值。 2. 「其他企業」績效分數（2.2），為左圖四個群組（後20%、後40%-60%、中間20%、前40%-60%）分數之平均值。 AI成熟度由低⾄⾼排序 AI 驅 動 的 績 效 (註1) AI領先者的績效， 是其他企業平均的7.2倍 7.2x AI領先者 （前20%） 其他企業 （後80%） (註2) 10 AI 績效研究
=== PAGE 12 ===
PwC Taiwan AI領先者能有較佳的績效表現，在於基礎能⼒與應⽤能⼒相輔 相成。基礎能⼒越穩固，越能擴⼤應⽤能⼒的成效：更完善的 資料與平台會縮短部署時間，重新設計⼯作流程、培養員⼯對 AI的信任，能推升AI實際使⽤率，更⾼的使⽤率能產⽣更豐富 的資料與回饋，進⽽持續優化系統，提升每次部署AI的影響⼒。 運⽤AI脫穎⽽出的企業，顯然不僅是「⼤量投資AI」，⽽是專 注打造能讓AI規模化且穩定可靠的基礎，並在最能發揮財務槓 桿效益之處，充分發揮能⼒。 這些領先企業應⽤AI，不僅是漸進式的效率提升，更著眼於企 業的重塑與成⻑。在產業跨界融合的趨勢中，這些領先企業專 注於價值流向的新機會。 2x 當企業有更堅實的基礎⽀撐AI應⽤時，AI驅動的績 效將成⻑2倍。 為何重要：若只能產出單⼀、無法複製的應⽤個案， 投資報酬率終將偏低。 如何⾏動：在擴⼤AI應⽤範疇之前，應先找出⼀兩 個最可能阻礙複製成功經驗的基礎能⼒瓶頸，並優 先針對價值最⾼的專案進⾏補強。 ⾏動策略 11
=== PAGE 13 ===
12 AI 績效研究 提升員⼯ ⽣產⼒ 降低能源 使⽤ 改善顧客滿 意度與信任 降低風險 商業模式 轉型 營運模式 轉型 無⼈⼯介入 的決策數量 增加 法規遵循 加快上市 速度 提升敏捷度 創造新產品 與服務 提升決策 品質 17% 64% 34% 17% 62% 26% 23% 60% 27% 20% 52% 21% 23% 56% 28% 23% 56% 20% 30% 66% 27% 27% 59% 23% 27% 58% 25% 30% 62% 33% 27% 53% 19% 40% 65% 41% Q. 貴公司AI投資組合在各營運成果的提升幅度為何？（非常+⼤幅度） AI成熟度領先的企業，多數已透過AI大幅提升各項營運表現 AI領先者 臺灣企業 其他企業
=== PAGE 14 ===
PwC Taiwan 企業實踐 大型科技供應商改善顧客體驗 情境 ⾯對數百萬位顧客對無縫、個⼈化服務期待⽇益提升，⼀ 家⼤型科技公司依賴⼈⼯作業的客⼾互動模式，已無法跟 上腳步。企業領導者希望能在控制成本的同時，改善客⼾ 體驗。 ⾏動 PwC設計並部署由AI驅動的全通路聯絡中⼼，結合預測性 意圖模型、⾃適應對話與即時分析，⽀援真⼈與AI客服⼈ 員。集中式的AI客服管理中⼼，達到跨通路協調運作、規 模化部署與治理監督。為協助員⼯有效使⽤這套新軟體， 該公司在整個企業推動「負責任的AI」、提升員⼯技能， 並建立⼈機團隊協作的全新⼯作模式。 成果 立即可⾒且可量化成果：客⼾解決問題的通話時間減少 25%，通話轉接次數⼤幅減少60%，這代表多數問題在第 ⼀次聯繫時就能解決。客⼾體驗也獲得改善，淨推薦值 （NPS）上升7%，客⼾滿意度提升10%。 13 PwC Taiwan
=== PAGE 15 ===
PwC Taiwan AI 績效研究 將AI聚焦於成長 與重塑 14 AI 績效研究
=== PAGE 16 ===
PwC Taiwan 15 註：比例依序為AI領先者／臺灣企業／其他企業
- AI已提升其重塑商業模式：59% / 27% / 23%
- 利⽤AI發掘新興價值池：60% / 30% / 33% 2.2x AI領先者運⽤AI重塑商業模式的比例，是臺 灣企業的2.2倍、其他企業的2.6倍。 為何重要：最⼤的投資報酬來⾃於AI改變商 業模式，以及改變創造價值的⽅式，⽽不僅 是加快執⾏任務的速度。 如何⾏動：找出今年AI可以帶動的兩個成⻑ 機會，並定義「成功」的具體驗證標準。 ⾏動策略 許多企業運⽤AI提升現有⼯作效率。例如，保險公司利⽤AI解決 ⽅案快速處理理賠；軟體開發商引導AI編寫⼤量新程式碼。受訪 的AI領先企業亦運⽤AI提升效率，但不僅⽌於此。領先企業將AI 視為推升營收的重塑引擎，協助企業打造全新的產品與服務，重 塑商業模式以進軍前景看好的新興市場。PwC研究顯⽰，領先企 業認為AI提升其重塑商業模式能⼒的比例1，是臺灣企業的2.2倍、 其他企業的2.6倍。 PwC研究發現，在納入分析範疇的每⼀項重塑⾏動，領先企業應 ⽤AI的比例均相當⾼。所有機會都從探索開始——調查發現，領 先企業⼤幅運⽤AI來發掘新興價值池的比例2，是臺灣企業的2倍、 其他企業的1.8倍。尤其是以客⼾需求為核⼼，需要跨產業創新 組合產品與服務的商業機會。隨著各產業為滿⾜⼈類需求⽽相互 融合，能成功重塑商業模式的企業，將獲得更多報酬。
=== PAGE 17 ===
16 AI 績效研究 與不同產業 的企業競爭 因應客⼾需求 的變化 跨產業協作，從客 ⼾或⽣態系發掘 新價值 透過數據創造 新價值 發掘新興價值池 與不同產業的 企業合作 重新配置價值鏈或 營運能⼒ 17% 58% 26% 20% 50% 17% 30% 60% 33% 33% 63% 41% 33% 61% 27% 40% 67% 41% 27% 42% 21% Q.您的企業在各⾯向運⽤AI的程度為何？（非常+⼤幅度） AI領先者大幅應用AI於跨產業價值創造，是最能促進營收成長的面向 AI領先者 臺灣企業 其他企業
=== PAGE 18 ===
PwC Taiwan 17 3x AI領先者系統性追蹤AI專案影響的比例6， 是臺灣企業的3倍、其他企業的1.8倍。 為何重要：如果沒有績效衡量機制，企業 將無從得知AI投資是否帶來報酬。 如何⾏動：建立每⽉檢討機制，決定專案 擴展或停⽌。只有當專案在業務⽬標展現 可衡量的成效時，才投入更多資⾦。 事實上，PwC研究顯⽰，能否掌握產業融合帶來的成⻑機會，是影響AI驅動財 務績效最關鍵的指標因素。相較於臺灣企業，領先企業更積極運⽤AI⼤幅進⾏ 跨產業合作3，透過跨產業合作從客⼾或⽣態系發掘新價值4，並與不同產業的企 業競爭5的比例，是臺灣與其他企業的1.6到3倍。試想，汽⾞製造商與醫療服務 業者攜⼿合作，為⾞輛配備⾼科技感測器，以監測駕駛的健康狀況，並將這些 數據傳送給AI系統，再由AI系統設計出個⼈化的預防⽅案。 領先企業也透過嚴謹的管理流程，強化AI導向的成⻑策略。他們會及早做出策 略性選擇，透過明確權責分⼯與成效衡量，將這些選擇付諸實⾏。相較於其他 企業，領先企業更具有涵蓋短中⻑期的「AI發展藍圖」，使AI願景與業務⽬標 保持⼀致，系統性追蹤AI帶來的影響，並要求⾼階主管直接對AI成果負責。 ⾏動策略 註：比例依序為AI領先者／臺灣企業／其他企業 3. 與不同產業的企業合作：50% / 20% / 17% 4. 從客⼾或⽣態系發掘新價值：61% / 33% / 27% 5. 與不同產業企業競爭：42% / 27% / 21% 6. 系統性追蹤AI專案影響：70% / 23% / 40% 下⼀步⾏動：從成本思維轉為獲利思維 將「產業融合帶來的成⻑」視為獨立的AI投資組合，並由⾼層領導。運⽤ AI探索價值移動的⽅向，並轉為具體決策，包括設定具優先順序的發展藍 圖、明確的權責負責⼈，以及促使團隊做出權衡取捨的衡量指標。
=== PAGE 19 ===
PwC Taiwan AI 績效研究 情境 對農⺠⽽⾔，成本與永續壓⼒上升，減少使⽤化學藥劑、提 ⾼產量、強化⼟地管理⽇益重要。對John Deere⽽⾔，這代 表價值創造的機會，透過新產品與服務，將AI導入更⾼階農 業機械。John Deere將建立解決⽅案與服務的商業模式，列 為優先事項，降低客⼾導入初期⾨檻，建立與客⼾成果連動 的持續性收入來源。 ⾏動 John Deere導入由AI驅動的「See & Spray」精準噴灑系統， 運⽤安裝於機具上的攝影機與機載運算能⼒，辨識雜草，只 在需要的位置啟動噴灑除草劑。John Deere將這項能⼒包裝 成提供服務的商業模式，讓客⼾能依據經過驗證的成果付費。 成果 在2024年產季間，See & Spray應⽤在超過100萬英畝⼟地， 預估協助農⺠節省800萬加侖的除草劑混合液。在⽟米、⼤豆、 棉花⽥，平均節省59%除草劑。除了為農⺠帶來成本節省與 永續效益，也讓John Deere從可規模化的服務收入來源獲得 更⾼價值，不再仰賴⼀次性硬體差異化優勢。 企業實踐 John Deere導入AI推動轉型 18 AI 績效研究
=== PAGE 20 ===
PwC Taiwan AI 績效研究 精準打造AI 基礎能力 19 PwC Taiwan
=== PAGE 21 ===
20 AI 績效研究 聚焦AI在重塑與產業融合的機會，其實是相對容易的部分； 真正的挑戰在於能否持續、穩定的產出這些成果。因此， 下⼀個分⽔嶺不在企圖⼼，⽽是六項具體、聚焦的AI基礎 能⼒。AI領先者並非將基礎能⼒視為抽象或無⽌盡的現代 化⼯程，⽽是專注打造「真正需要的能⼒」，⽀持以成⻑ 與⾼價值商業⽬標為導向的AI應⽤，並將其轉化為可衡量、 可擴展的成果。 AI基礎能⼒徹底改變AI投資的經濟結構。這些基礎能⼒能 降低阻⼒、減少重複作業與⼀次性建置成本，使每項新的 AI部署都變得更快、更便宜，也更加可靠。如同前述，這 是「轉換率效應」：當原本績效不佳的企業導入正確的作 法後，每新增⼀個AI應⽤案例，平均帶來的效益約是過去 的2倍。 PwC研究顯⽰，下列五個作法，最能帶來顯著的績效提升。 2.7x AI領先者提供AI創新專屬的基礎環境7，並在各事業單位設 置專責創新負責⼈8，比例是臺灣企業的2.7倍、其他企業的 1.5倍。 為何重要：當AI只是每個⼈的「額外⼯作」時，專案往往 停滯不前。唯有結合專屬基礎設施與明確負責⼈，企業才 能將AI試驗轉化為可複製的成果。 如何⾏動：為每項優先的AI計畫指派業務負責⼈，賦予其 決策權限，並設定績效衡量指標，同時搭配專屬的平台， ⽀撐從試驗到交付的完整流程。 ⾏動策略 註：比例依序為AI領先者／臺灣企業／其他企業 7.提供AI創新專屬的基礎環境：54% / 20% / 35% 8.各事業單位設置專責創新負責⼈：61% / 23% / 42%
=== PAGE 22 ===
PwC Taiwan 願意投資以⻑期報酬為⽬標的 創新AI專案，即使短期投資報 酬率尚不明確 能因應優先順序調整，將財務 及⼈⼒資源重新配置⾄更⾼價 值的AI機會 投資⽔準⾜以達成 我們的AI⽬標 20% 55% 34% 30% 68% 51% 30% 65% 42% 以投資⼈的思維，挹注資⾦並調度AI投資組合。 PwC研究顯⽰，領先企業的AI投資⾦額明顯較⾼， 投資額占營收的比例9，是臺灣企業的2倍、其他 企業的2.5倍。軟體、銀⾏與媒體娛樂產業的領先 者AI投資比例最⾼，約達年營收的5%。 然⽽，不僅投入鉅資，AI領先者同時具備動態調 整資源配置的能⼒10，比例是臺灣企業的2.3倍、 其他企業的1.3倍，能隨著業務優先順序的轉變， 快速將資⾦與⼈⼒重新配置⾄⾼價值的AI專案。 AI領先者更具基礎能力優勢：投資 Q.各項對於貴公司的敘述，您的同意程度為何？（非常+⼤幅度） AI領先者 臺灣企業 其他企業 註：比例依序為AI領先者／臺灣企業／其他企業 9. AI投資額占年營收的比例（中位數）：5% / 2.5% / 2% 10. 調整財務及⼈⼒資源⾄更⾼價值的機會：68% / 30% / 51% 21
=== PAGE 23 ===
22 AI 績效研究 排定AI計畫優 先順序 擴⼤AI計畫 規模 終⽌AI計畫 各事業單位設置專責 負責⼈推動AI創新 提供專屬基礎環境 （如：沙盒）進⾏ 試驗 20% 54% 35% 23% 61% 42% 培養AI賦能的創新。 若將資⾦比喻成燃料，創新就是引擎。AI領 先者營造⾼速試驗所需環境的比例11，是臺 灣企業的2.7倍、其他企業的1.5倍，例如獨 立於企業主要系統以外的「沙盒」，使團隊 能在不影響系統的情況下，安全的測試新的 AI解決⽅案。並在事業單位指派創新負責⼈， 主導各單位AI專案。此作法更有利於啟動試 驗專案，並快速且安全的執⾏。 此外，相較於其他企業，AI領先者更常針對 AI投資組合進⾏結構化的檢視，以決定哪些 專案應提⾼優先順序、擴展或終⽌。如此⼀ 來，⽅能建立⼀套穩定產出「可創造價值的 AI解決⽅案」的實驗流程。 AI領先者更具基礎能力優勢：創新 Q.各項對於貴公司的敘述，您的同意 程度為何？（非常+⼤幅度） AI領先者 臺灣企業 其他企業 17% 28% 21% 33% 50% 34% 50% 56% 40% Q.為達到以下⽬標，貴公司檢視AI專案組 合的頻率為何？（每週+每半個⽉+每⽉） 創新賦能 創新紀律 11. 提供專屬基礎環境（AI領先者／臺灣企業／其他企業）： 54% / 20% / 35%
=== PAGE 24 ===
PwC Taiwan 領導階層積極 ⽀持、參與並 使⽤AI 資料、IT及業 務團隊共同開 發AI解決⽅案 績效獎勵機制 ⿎勵員⼯在⼯ 作中運⽤AI 員⼯持續參與 依其職能設計 的AI課程 員⼯信任AI的 產出，並作為 決策參考 可吸引所需的 AI專業⼈才 20% 60% 38% 20% 60% 29% 23% 62% 36% 23% 59% 32% 40% 60% 37% 47% 65% 51% 23 培養員⼯信任以提升採⽤率。 AI的價值，唯有在員⼯實際使⽤時才能實 現。PwC《2025希望與恐懼調查報告》12 顯⽰，與不常使⽤⽣成式AI的員⼯相比， 每⽇使⽤⽣成式AI的員⼯更能看到⽣產⼒、 ⼯作保障與薪資的具體提升；且⾼達九成 的⾼頻率使⽤者，預期AI能帶來更多效益。 因此，企業內部對AI的信任程度，遠比 「變⾰管理」清單上的項⽬還重要。缺乏 信任，將成為提升使⽤率的瓶頸，進⽽抑 制效益。 領先企業會創造更多有利條件，提升員⼯ 的AI使⽤率。領先企業的員⼯⾼度信任AI ⽣成的⾒解，並在⽇常⼯作據以⾏動的比 例13，是臺灣企業的3倍、其他企業的2.1倍。 12. 《2025希望與恐懼調查報告》（2025 Global Workforce Hopes & Fears Survey），調查執⾏期間為2025年7⽉7⽇⾄ 8⽉18⽇，受訪者涵蓋全球48個地區28個產業的49,843名⼯ 作者，包括413名臺灣受訪者。 13. 員⼯信任AI產出，做為決策參考（AI領先者/ 臺灣企業/ 其他企業）：60% / 20% / 29% AI領先者更具基礎能力優勢：人才 AI領先者 臺灣企業 其他企業 Q.各項對於貴公司的敘述，您的同意程度為何？（非常+⼤幅度）
=== PAGE 25 ===
24 AI 績效研究 員⼯信任感的建立，不能只靠單⼀專案，⽽是由⼀整套制度所構成， 包括： 參與：在領先企業中，更常由業務、資料與AI專業⼈員組成團隊，共同設計AI解決⽅ 案。跨職能的合作模式，能確保解決⽅案設計⽅向與業務需求⼀致，並避免因傳統開 發者與使⽤者間的斷層，影響整體採⽤率。此外，領先企業亦提供明確獎勵機制，⿎ 勵員⼯嘗試AI，為企業的優先專案提供更多可拓展的解決⽅案。 技能培養：有效的技能升級，重點在於教導員⼯如何在⽇常⼯作情境中運⽤AI。⽽領 先企業有更⾼比例，提供員⼯持續、依職位需求⽽定的AI學習⽅案。其⾼階主管亦更 常參與培訓課程，在⼯作中以⾝作則，實際運⽤AI。 安全：領先企業透過明確的防護機制與規範，進⼀步建立信任。當員⼯清楚知道AI可 以做什麼、哪些情況需要升級處理，以及責任歸屬為何，將更有信⼼使⽤AI。領先企 業更傾向針對不同權責設定資料與AI權限，並提供健全且即時更新的安全措施，保護 資料、模型與基礎設施。 24 AI 績效研究
=== PAGE 26 ===
PwC Taiwan AI 績效研究 情境 對全球連鎖飯店集團Wyndham⽽⾔，提供旅客差異化體驗的關鍵， 在於讓飯店業主獲得即時且可信任的⽀援，既準確落實企業品牌標 準，也保有在地化調整空間。然⽽品牌標準變更流程，⼈⼯作業過 去平均需耗時30⽇。經營團隊希望以「負責任的AI」為策略核⼼， 確保改善⽅案穩健可靠，員⼯有信⼼採⽤。 ⾏動 PwC協助Wyndham導入可信任的AI，將⼈⼯監督納入代理式流程， 運⽤⾃動化提⽰、共同撰寫、即時監督機制，讓團隊引導、管理並 監督AI代理運作。Wyndham亦將「負責任的AI」、持續提升員⼯ 技能，作為推動規模化的基礎，建立信任並促進廣泛採⽤。 成果 Wyndham的代理式AI可整合企業標準、精簡變更申請流程，採集 中化管理並易於加盟業主存取。在不犧牲嚴謹性與可靠性的前提下， 更快速達成品牌⼀致性：品牌標準變更審查時間縮短94%（AI審查 速度可加快20倍），每次審查節省40⾄80⼩時。未來也更有信⼼將 可信任的AI解決⽅案應⽤⾄整體營運中。 企業實踐 Wyndham擴大部署可信任的AI代理 25 PwC Taiwan
=== PAGE 27 ===
26 AI 績效研究 以治理強化信任，同時加速執⾏。 AI領先者重視治理，並且能以「加速」 ⽽非「拖慢」創新速度的⽅式達成。 治理委員會制定「負責任的AI」政策， ⽽團隊則透過標準化模板建置、快速 審查節點以及持續性的監控機制，落 實在⽇常⼯作。如此⼀來，例⾏的應 ⽤案例得以快速推展，因為團隊只需 要將⾼風險項⽬提交委員會審查。 AI領先者具有書⾯化的負責任AI框架， 並將其應⽤於整體⼯作流程中的比例 14，是臺灣企業的3.2倍、其他企業的 1.7倍；⽽設有跨功能AI治理委員會 之比例15，更⾼達臺灣企業的6.3倍、 其他企業的1.5倍。 AI領先者更具基礎能力優勢：治理與風險 Q.各項對於貴公司的敘述，您的同意程度為何？（非常+⼤幅度） AI領先者 臺灣企業 其他企業 設有基於⾓⾊的資料 與AI存取權限控管， 確保資料隱私權限 採⽤健全且即時更新 的資安措施，保護資 料、AI模型及底層基 礎設施 有正式流程與監管機 關溝通，遵循資料保 護及AI相關法規 有書⾯化負責任AI框 架，涵蓋策略、應⽤ 場景選擇、設計部署 及持續監控 有跨功能的AI治理委 員會，制定政策、審 查⾼風險應⽤部署、 監督系統運作 10% 63% 43% 20% 64% 39% 33% 70% 58% 33% 69% 58% 37% 67% 51% 註：比例依序為AI領先者／臺灣企業／其他企業 14. 有書⾯化負責任AI框架：64% / 20% / 39% 15. 有跨功能AI治理委員會：63% / 10% / 43%
=== PAGE 28 ===
PwC Taiwan AI 績效研究 企業實踐 西南航空利用生成式AI升級程 式碼，供系統現代化所需 情境 ⻄南航空機組員出勤與請假系統，建置在老舊技術架構中， 文件記錄有限，且⾼度依賴個⼈經驗與隱性知識。管理階層 希望兼顧時間、成本與風險等考量，使系統易於維護與升級。 ⾏動 ⻄南航空與PwC合作，運⽤⽣成式AI與先進軟體⼯程，對系 統原始碼進⾏逆向⼯程，轉換為新版系統所需的清楚功能需 求，與具優先順序的升級改造待辦清單。接著，⻄南航空的 專家透過⼯作坊驗證並細化產出，形成詳細交付計畫，並建 立可供未來類似專案重複運⽤的⽅法。 成果 ⽣成式AI建立待辦清單的時間縮短50%，從10週降⾄5週，為 ⼯程、技術與業務團隊節省超過200個⼩時。這項專案也產出 超過600項需求，其中90%為⾼品質且供後續開發使⽤，有助 於釐清需求，在系統開發前降低不確定性與執⾏風險。 27 PwC Taiwan
=== PAGE 29 ===
28 AI 績效研究 AI領先者更具基礎能力優勢：資料與技術 Q.各項對於貴公司的敘述，您的同意程度為何？（非常+⼤幅度） AI領先者 臺灣企業 其他企業 建有單⼀且可信 賴的重要資料紀 錄，供全公司 取⽤ 採⽤雲端技術平 台，可快速擴展 並即時取得資料 重新設計⼯作流 程以整合AI，⽽ 非僅是直接導入 AI⼯具 已淘汰過時且成 本⾼昂的應⽤程 式、系統及基礎 設施 AI元件重複使⽤， 並集中編⽬管理， 甚少需重新開發 員⼯能快速取得 ⾼品質資料，⽀ 應AI⼯作所需 13% 57% 34% 20% 51% 21% 17% 40% 18% 27% 56% 26% 37% 75% 55% 43% 59% 37% 消除技術與資料阻⼒。 在實務中，AI規模化的阻礙往往來⾃ 資料品質與可取得性、技術整合，以 及反覆重建相同元件的隱藏成本。AI 領先者會優先排除這些瓶頸，以⽀撐 其關鍵AI應⽤。領先者提供⾼品質資 料的比例16，是臺灣企業4.4倍、其他 企業的1.7倍。同時，領先企業重複使 ⽤並集中管理AI元件、甚少需重新開 發，其⼤幅落實的比例17，是臺灣企業 的2.6倍、其他企業的2.4倍。 註：比例依序為AI領先者／臺灣企業／其他企業 16. 員⼯能快速存取⾼品質資料：57% / 13% / 34% 17. 重複使⽤並集中管理AI元件：51% / 20% / 21%
=== PAGE 30 ===
PwC Taiwan 29 臺灣企業在AI資料品質與管理⽅⾯明顯落後，這也呼應PwC Taiwan《2026全球暨臺灣企業領袖調查報告》18結 果：臺灣企業在⼤幅運⽤AI⼯具的比例雖與全球相當，但在技術環境⽅⾯落後全球20個百分點；具備「負責任 的AI」與風險管理的治理⾯更差距更⾼達23個百分點。這提醒企業，在追求AI導入速度的同時，應強化風險治 理與資料管理制度。 18. PwC Global 於2025年9⽉30⽇⾄11⽉10⽇進⾏第29屆全球企業領袖調查，獲得全球95個地區、4,454份有效樣本；PwC Taiwan委託Kantar Taiwan於2025年10⽉⾄12⽉以電話及網路問卷進⾏量化調查，獲得216份有效樣本，全數為公開發⾏以上公司。 下⼀步⾏動：只建立企業AI策略真正需要的基礎能⼒，⽽非迷失於無⽌盡、粗略的轉型概念中。 先針對⼩範圍優先⽬標建立基礎，投入資⾦擴⼤成功專案的規模，僅針對必要的資料和平台進⾏現代化， 並針對特定員⼯提供職能再造及治理。這項建議同時適⽤於AI發展落後的企業和領先企業——即使是表 現優異者，也未必已實踐所有最佳作法，這代表其仍可能錯失潛在價值。舉例來說，雖然AI領先者在淘 汰不符效益的專案上比同業更有紀律，卻只有28%的企業表⽰，會「⼤幅」或「非常⼤幅」的透過AI投 資組合檢視機制來終⽌專案。
=== PAGE 31 ===
PwC Taiwan AI 績效研究 情境 腫瘤醫學資料雖有助於提升照護品質並加速研究進展，然⽽，許多資料⻑期分散在獨 立系統與未結構化醫療紀錄。即使該機構已將部分平台現代化，但病理資訊、⽣物標 記、療程紀錄、社會因⼦等關鍵資料仍散於各處。因此，管理團隊決定整合資料，加 快分析時效，協助醫師提供更個⼈化的醫療照護，更有效媒合患者參與臨床試驗。 ⾏動 在PwC與Google Cloud協助下，建立可規模化、可⽀援AI的腫瘤資料基礎架構，簡化 資料匯入、清理、整理與搜尋流程，涵蓋醫療紀錄、理賠資料、第三⽅資料來源及臨 床筆記等多元資訊。AI協助將未結構化資訊轉為可⽤格式，⽽Google Cloud提供即時 觀點，依據第⼀線臨床與研究⼯作流程設計，嵌入資料品質監控機制，以建立使⽤者 信任。 成果 此專案將約2,000個資料表整理為可重複使⽤的資料資產，供現場決策使⽤，例如辨 識患者可採⽤哪些價格可負擔且療效相當的治療⽅案。照護團隊取得分析結果的速度 提升50%，因此更快完成患者與臨床試驗媒合、照護現場治療⽅案比較，更早辨識風 險。此外，在兼顧隱私保護的前提下，這些洞察也加速研究、拓展⽣命科學合作，創 造超過5,000萬美元的價值潛能。 企業實踐 醫療業標竿企業將資料轉為獨 特觀點，並創造價值潛能 30 AI 績效研究
=== PAGE 32 ===
PwC Taiwan AI 績效研究 將AI佈署 整個企業 31 PwC Taiwan
=== PAGE 33 ===
32 AI 績效研究 ⾏動策略 在領先企業中，⼀旦⾼階主管明確界定希望透過AI達成的業務⽬標， 無論是追求成⻑、轉型重塑、提升效率，將會確保AI解決⽅案能順 利開發，運⽤在所有能發揮功效的地⽅。將AI嵌入整個企業，涉及 三個⾯向：使企業各部⾨廣泛應⽤AI；將AI深度整合⾄核⼼⼯作流 程與系統之中，以強化任務執⾏；提升AI應⽤的成熟度，從輔助⾛ 向⾃動化。 廣泛推動。PwC研究顯⽰，多數企業仍僅在特定範圍內使⽤AI，通 常集中在少數部⾨、少數應⽤案例中。相較之下，領先企業會將經 過驗證後有效的AI⽅案，系統性的擴展⾄不同團隊、地區、職能、 價值鏈活動與產品，使價值不被侷限在單⼀孤島。舉例來說，保險 公司若能證明AI得以協助財務部⾨縮短帳單處理時間，便可重複使 ⽤相同的文件入檔與流程模型，進⼀步⾃動化法務合約審查或營運 端的理賠流程。PwC研究發現，AI領先者在整個價值鏈中應⽤AI的 比例，約為臺灣企業的3⾄5倍，其他企業的2倍，涵蓋企業策略、 供應鏈運作，以及前後台作業等多元領域。 3x 領先企業將AI擴展或嵌入到價值鏈主要部分的 比例是臺灣企業的3⾄5倍，是其他企業的2倍。 為何重要：持續將AI應⽤於制定決策與達成任 務時，能獲得最⼤的效益。 如何⾏動：選擇⼀個優先事項，從頭到尾檢 視並重新設計流程，著重在AI如何改變交接⽅ 式、⾓⾊分⼯及整體產出，⽽不僅僅是加速 單⼀步驟。
=== PAGE 34 ===
PwC Taiwan 需求履⾏ 供應鏈、製造、物流 ⽀援服務 財務、法務、⼈資、稅務 ⽅向制定 策略規劃、成果檢視 需求創造 銷售、⾏銷、客服 33 9% 44% 24% 10% 44% 22% 11% 41% 22% 14% 42% 24% AI領先者 臺灣企業 其他企業 AI領先者將AI嵌入到價值鏈的比例，是臺灣企業的3至5倍 Q.利⽤AI提升營收、降低成本、提升效率的營運功能為何？ 應⽤廣度 應 ⽤ 深 度
=== PAGE 35 ===
34 AI 績效研究 ⾃主運作並 ⾃我優化 在防護機制內 執⾏多項任務 在⼈⼯核准下 執⾏例⾏任務 分析、預測 與建議 輔助與草稿 17% 5% 33% 30% 37% 23% 17% 21% 31% 17% 7% 15% 8% 深入整合。領先企業並非只是將AI附加在既有流程， ⽽是將AI全⾯整合進標準作業流程中，有效提升效 率與產出品質。舉例⽽⾔，企業重新設計客服流程， 在案件管理系統內執⾏AI，擷取客⼾背景與相關資 訊、擬定回覆，並將較複雜的案件交由專員處理。 有別於傳統的外掛式聊天機器⼈，客服⼈員無須先 查閱案件，再⼿動將資訊複製回⼯作表單中。 邁向⾃動化。在這份研究的各項營運績效指標中， 「⾃動化決策」與AI驅動績效的關聯性最為顯著。 原因很簡單：當AI能在明確的安全界線內，執⾏更 多⽇常事務、更頻繁的決策時，流程週期便能縮短， 產出亦會提升，進⽽改善整體績效。研究顯⽰，領 先企業在AI的應⽤程度，約是臺灣及其他企業的2 倍，意味著AI能在既定規範下執⾏更多任務，甚⾄ ⾃主運作及優化。因此，領先企業「無須⼈⼯介入 的決策數量增加」的比例19，亦為臺灣企業的2.4倍、 其他企業的2.8倍；同時，決策品質亦顯著提升， 這顯⽰在加快⾃動化速度的同時提升品質，整體成 效最好。 17% 領先者在進階場景應用AI的比例，是臺灣企業的兩倍 Q.何者是⽬前貴公司應⽤AI最成熟的場景？（受訪者選擇該場景為應⽤AI最 成熟的比例） 應⽤程度增加 17% AI領先者 臺灣企業 其他企業 19. 採⽤AI有⼤幅增加無⼈⼯決策數量（AI領先者／臺灣企業／ 其他企業）：56% / 23% / 20%
=== PAGE 36 ===
PwC Taiwan AI 績效研究 企業實踐 Lucid從財務功能轉型，擴展AI 至整個企業 情境 為未來成⻑鋪路，汽⾞製造商Lucid管理團隊希望財務部⾨轉型， 從報導財務結果轉變為塑造成果，強化預測速度與品質、⽀援 決策，成為企業智慧的基礎。 ⾏動 Lucid與PwC合作，透過結合營運資料、AI模型、代理式⼯具， 快速打造AI賦能的預測與報告能⼒。雙⽅以跨職能⼩組協作， 由Lucid與PwC共同將AI嵌入財務⼯作流程，涵蓋預測、⾃動 調整、分析與監控等應⽤，並建立可重複運⽤的藍圖，擴⼤AI 決策⽀援在整個企業的運⽤。 成果 Lucid將端到端的預測週期，從數週縮短⾄不到1分鐘，並在10 週內完成14項AI應⽤案例設計。這些成果正從財務領域推展⾄ 營運、採購等部⾨，並有AI⽀援的⾼階主管決策助理，協助管 理團隊進⾏決策，掌握超過10億美元資本投資的前瞻性。 35 PwC Taiwan
=== PAGE 37 ===
36 AI 績效研究 這不必然代表機器⼈會取代所有⼈類⼯作。完全的⾃動化仍是例外：僅15%的領先企業表⽰，其最複雜的應⽤ 案例採⽤⾃動化且可⾃主優化。此外，儘管48%的領先企業預期AI導入會減少5%⼈⼒，但亦有49%預期⼈⼒幾 乎不會有變化，甚⾄還會增加。因此在許多案例中，看到最立即性的改變是減少遲滯，⽽非裁撤⼈員：AI負責 在既定規範內處理重複性的判斷，⽽⼈類則專注處理例外情況、權衡取捨，以及引導決策達成策略⽬標。 PwC Taiwan《2026 全球暨臺灣企業領袖調查報告》亦指出，企業領袖在AI應⽤導入⽅⾯，⾼度聚焦⾃動化與 提升效率，也對不同職級的⼈⼒規劃帶來不同影響：57%臺灣企業領袖在導入AI後計畫減少基層員⼯；⽽在管 理層⼈⼒規劃上，有82%及68%臺灣企業領袖預期⾼階、中階主管⼈數保持穩定，展現對領導團隊的信任；亞 太區更有46%企業領袖將增聘中階主管，運⽤AI發覺更多創新價值。這反映，運⽤AI取代重複性勞務的同時， 各國企業領袖亦積極運⽤AI帶動⼈員與AI的協作，推動職能升級。 下⼀步⾏動：謹慎的拓展規模 挑選少數與⽬標⾼度相關的AI應⽤案例，將其「規模化」。這意味須重新設計端到端流程，將AI嵌入作 業之中，再將這些模式複製到其他團隊、地區、職務與決策節點。實務上，可先從出現頻率⾼、可衡量、 低⾄中度風險的決策（例如分類、排序與派送）著⼿。在明確的安全界線下執⾏⾃動化，精確衡量決策 品質，並在達到可靠性及信任⾨檻時再擴展規模。
=== PAGE 38 ===
PwC Taiwan AI 績效研究 企業實踐 零售業巨擘規模化導入代理式AI 情境 ⾯對來⾃AI原⽣企業的競爭壓⼒⽇益劇烈，這家零售業巨擘的 管理團隊發覺必須規模化運⽤AI，才能提升產值並推動業務轉 型。同時，需要建立新的⼯作⽅式與流程，在快速部署AI時， 也要有效控管風險的營運模式。 ⾏動 該公司與PwC合作建立中央化AI中樞，作為AI代理原型開發、 部署及治理的共通平台。⾸波AI代理先⽀援端到端軟體開發， 後續拓展⾄客服、⼈⼒資源等職能。同時，著⼿重整⼈機協作 模式，包括提升⼈才技能、重新定義⾓⾊、透過驗證與倫理監 督建立信任，並建立AI代理⽣命週期管理機制。 成果 在數⽉內，軟體開發週期縮短60%，⽣產錯誤減少50%，團隊 加速消化⼤量IT待辦⼯作。隨著AI代理導入更多職能，客服回 應時間縮短40%；透過改善⼈⼒規劃，⼈員流動率降低10%； 藉由即時監控交易，詐欺案件減少25%；⾏銷績效的轉換率提 ⾼15%，投資報酬率提⾼20%。 37 PwC Taiwan
=== PAGE 39 ===
38 AI 績效研究 AI 絕對能帶來可量化的效益。然⽽，文章開頭所描繪的情境——會議室裡充斥各式AI試 驗專案，卻缺乏可量化的實際成果——企業若不致⼒提升AI成熟度，類似情形將不斷重 演。PwC《AI績效研究》提供清楚且令⼈振奮的路徑，指引企業取得可量化的成果。AI 領先者與其他企業的分⽔嶺，是⼀連串明確的策略選擇：將AI應⽤對準關鍵業務、建構 符合⽤途的基礎能⼒，並以可複製的模式將AI擴展⾄整個企業。 付諸實踐需要有意識、持續的投入，⾼階主管⾯臨眾多優先事項，做出抉擇並不容易。 但對於希望追趕，甚⾄超越領先群的企業⽽⾔，已沒有等待空間。因為AI領先者的優勢 只會持續擴⼤，他們快速學習、在短時間內重新部署解決⽅案，並以安全的⽅式推動更 多⾃動化決策。 從各項基礎能⼒來看，能定期檢視AI投資計劃的優先順序、可組成跨部⾨團隊共同開發 AI解決⽅案、建有單⼀且可信賴的重要資料紀錄供全公司使⽤，是臺灣企業優於其他企 業的能⼒。 「治理與風險」則是臺灣企業落差最⼤的基礎能⼒，設置負責制定AI政策、審查⾼風險 應⽤及監督運作的跨功能AI治理委員會，是臺灣企業與領先者差距最懸殊的項⽬。在AI 應⽤能⼒⾯，臺灣企業落差較⼤的項⽬是「跨產業融合」，包括發現跨產業的新商機， 與跨界夥伴合作，到重塑企業創造價值的⽅法。 現在，正是超越試驗階段，放眼更⻑遠⽬標的時機。⾼階主管應將AI聚焦當前最重要的 ⾏動，並建立⼀套將AI投資轉化為績效驅動的營運模式。當AI受到信任、以創新為⽬標、 由專⾨的基礎設施⽀援，並透過可複製的流程與決策模式加以擴展，其帶來的將不只是 漸進式改善，⽽是持續疊加的複合效益。 結語
=== PAGE 40 ===
PwC Taiwan 39 研究方法 PwC《AI績效研究》蒐集1,217位⾼階主管的問卷回覆，包括30筆臺灣企業回覆，所有受訪者皆為副總以上職級。其中91%來⾃上市 公司，76%所屬企業年營收達10億美元以上，涵蓋非洲、亞洲、歐洲、中東、北美與南美共25個產業。調查期間為2025年10⽉⾄11⽉。 本研究分析企業「AI驅動績效」，該指標係指經產業調整後，由AI所帶來的營收成⻑與效率提升、成本優化之比例。接著，PwC研究 團隊檢視60項管理與投資⾏動對AI驅動績效的影響，將其歸納為九⼤要素，分屬兩⼤範疇：AI基礎能⼒（使AI可信賴且規模化的能 ⼒），以及AI應⽤能⼒（AI應⽤的廣泛、深入與精熟程度，如何著眼於成⻑機會）。這九⼤要素構成「AI成熟度指數」。研究顯⽰， AI成熟度指數與AI驅動績效之間呈現正向且顯著的關聯，使其成為穩健的分析基礎。因此，透過比較AI領先企業與其他企業在各項指 數的表現，得以辨識出領先企業脫穎⽽出的關鍵作法。 圖表中百分比加總可能不為100%，主因四捨五入、多重選答，以及排除特定類別（例如「其他」、「不適⽤」、「不知道」）所致。 本報告與智識領導內容由PwC全球智識領導團隊（Global Thought Leadership）所策劃，該團隊透過專有研究，發展具前瞻性、可信 賴與可⾏性的觀點。
=== PAGE 41 ===
40 AI 績效研究 全球服務團隊 Joe Atkinson Global Chief AI Officer, PwC Agnes Koops Global Vice Chair & Global Chief Commercial Officer, PwC Matt Wood Global and US Commercial Technology & Innovation Officer (CTIO), PwC
=== PAGE 42 ===
PwC Taiwan AI 績效研究 臺灣觀點與洞察 從AI硬體紅利到AI應用競爭力 41 PwC Taiwan
=== PAGE 43 ===
42 AI 績效研究 過去三年，AI浪潮快速改寫全球科技產業版圖，也讓臺灣企業 再次站上國際舞台中央。從AI伺服器、GPU供應鏈、先進製程、 IC設計、散熱模組、電源供應器、連接器，到後段系統組裝， 臺灣企業幾乎在每⼀個AI硬體關鍵環節中都扮演不可或缺的⾓ ⾊。 這⼀波AI基礎建設需求，不只帶動半導體與電⼦製造產業快速 成⻑，也創造出多家股價突破千元的「千⾦股」企業。從資本 市場來看，AI題材更推升臺灣股市市值，使臺灣在全球資本市 場中的能⾒度顯著提升。對許多國際投資⼈⽽⾔，臺灣已不只 是全球電⼦代⼯基地，⽽是AI時代最重要的硬體供應鏈核⼼之 ⼀。 然⽽，若從產業結構來看，臺灣AI發展仍存在⼀個值得深思的 ⽭盾：臺灣是全球AI硬體供應鏈的關鍵樞紐，卻未必是AI應⽤ 落地的領先市場。換句話說，臺灣企業正在協助全世界建設AI 基礎設施，卻不⼀定充分運⽤AI來改造⾃⾝營運、管理流程、 商業模式與客⼾服務。 臺灣資通訊硬體相關產值已超過新台幣六兆元，但軟體與資訊 服務業產值約為五千八百億元左右，兩者規模差距接近⼗倍。 這反映出⻑期以來臺灣產業「重硬體、輕軟體」、「強製造、 弱應⽤」、「擅⻑供應鏈效率、相對缺乏數位服務模式」的結 構性特徵。 臺灣站上全球AI舞台，但真正的企業應用才剛開始 在AI時代，這樣的產業特性既是優勢，也是挑戰。優勢在於， AI的運算需求⾼度仰賴晶片、伺服器、網通設備、散熱、電⼒ 與資料中⼼基礎建設，⽽這正是臺灣最強的領域。挑戰則在於， AI真正創造⻑期價值的關鍵，並不只在於硬體出貨，⽽在於企 業如何把AI導入產品、流程、決策與組織能⼒之中。 根據PwC價值動能（Value in Motion）報告，AI有潛⼒在未來 ⼗年內將全球的GDP提升⾼達15%，相當每年GDP成⻑1%以 上，與⼗九世紀⼯業⾰命經濟成⻑速度相當。全⾯性的產業應 ⽤來⾃⾏銷、銷售、客服、軟體開發、研發、⾦融服務、製造 管理與知識⼯作流程的全⾯改造。這意味著，下⼀階段企業競 爭是「誰能⽤AI重新定義⼯作⽅式與價值創造模式」。 對臺灣企業⽽⾔，這是⼀個關鍵轉折點。過去我們擅⻑的是替 全球品牌客⼾提供⾼品質、⾼效率、⾼彈性的製造服務；未來 若要掌握更⾼附加價值，就必須進⼀步把AI內化為企業能⼒， 從「AI供應鏈參與者」升級為「AI應⽤與營運創新者」。
=== PAGE 44 ===
PwC Taiwan 43 許多臺灣企業其實並不缺乏AI意識。⾼階主管知道AI重要，資 訊部⾨也開始嘗試導入AI⼯具，員⼯甚⾄已經在⽇常⼯作中使 ⽤⽣成式AI協助撰寫文件、整理會議紀錄、翻譯、搜尋資料或 產出簡報。但問題在於，這些使⽤多半仍停留在個⼈效率提升， 尚未真正轉化為企業級的營運能⼒。 企業進⾏零星的購買AI服務，但沒有清楚衡量投資報酬率，也 沒有完整的規劃與策略性的推展。PwC此次的調查也觀察到， 臺灣企業在AI應⽤成熟度、資料基礎建設、流程重塑能⼒與治 理制度上，與部分國際企業相比仍有落差。這並不代表臺灣企 業落後，⽽是反映出臺灣產業過去成功模式的慣性。 臺灣企業多數由中⼩企業與製造型企業發展⽽來，經營者習慣 重視產品功能、⽣產效率、現⾦流、訂單、交期、成本與短期 投資回報。這種務實精神是臺灣企業能在全球供應鏈中勝出的 重要原因。然⽽，AI投資往往具有不確定性，需要資料整理、 流程改造、⼈才培育、系統整合與⻑期治理，不⼀定能在三個 ⽉或半年內立即展現財務成果。因此，許多企業即使知道AI重 要，也容易採取觀望態度。 此外，AI技術本⾝的變化速度也讓企業感到焦慮。過去兩年， 企業剛開始理解⼤語⾔模型，市場⼜快速進入多模態AI、推理 模型、AI Agent、企業知識助理、⽣成式設計、機器⼈與實體 AI等新階段。許多經營者會產⽣疑問：現在投入會不會太早？ 模型會不會很快過時？應該⾃建還是採購？資料安全如何確保？ 導入後員⼯是否會抗拒？這些疑問若沒有被清楚回答，AI轉型 就容易停留在討論階段。 然⽽，從國際企業案例來看，AI落地並不是等待技術穩定後才 開始，⽽是在技術快速變動中建立組織學習能⼒。例如，⾦融 業導入AI進⾏風險監控與客服⾃動化，零售業⽤AI優化商品推 薦與庫存預測，製造業運⽤AI進⾏預測維護與良率分析，專業 服務業使⽤AI協助研究、文件審閱與知識管理。這些企業並不 是⼀次完成AI轉型，⽽是透過持續試點、擴⼤應⽤、建立治理 與平台化，逐步形成競爭優勢。 因此，臺灣企業下⼀階段AI轉型的核⼼，不是追逐每⼀個最新 AI名詞，⽽是回答⼀個更根本的問題：我們要如何運⽤AI重新 設計企業的⼯作⽅式、決策⽅式與價值創造⽅式？ AI落地並不是等待技術穩定後才開始， ⽽是在技術快速變動中建立組織學習能⼒。 臺灣企業AI落地的落差：是缺少系統性轉型 “
=== PAGE 45 ===
44 AI 績效研究 許多企業導入AI時，第⼀個直覺是把AI當成效率⼯具。真正的 AI轉型，應該從「流程改善」進⼀步⾛向「流程重塑」。企業 不應只是問：「這個步驟能不能⽤AI做得更快？」⽽應該問： 「如果AI成為⼀位數位⼯作者，這個流程是否應該被重新設 計？」 這就是Design for AI的概念。企業進⾏流程改善，常以⼈為中 ⼼設計⼯作，AI只是輔助⼯具；在AI Agent時代，企業需要重 新思考⼈與數位⼯作者之間的分⼯。哪些⼯作應由AI先完成初 稿？哪些判斷仍需由⼈負責？哪些決策可以由AI提出建議，再 由主管審核？哪些資料應在流程中⾃動蒐集與回饋，形成持續 學習？ 以客服流程為例，傳統做法是讓客服⼈員接收問題、查詢資料、 回覆客⼾、記錄案件。若只是導入AI協助撰寫回覆，效率提升 有限，但若重新設計流程，AI可以先判斷問題類型、搜尋知識 庫、⽣成初步回覆、分析客⼾情緒、建議補償⽅案，並在必要 時轉交⼈⼯客服，⼈⼯客服則專注於⾼價值、⾼情緒、⾼複雜 度的互動。 走向流程重塑：Design for AI取代單點自動化 再以製造業為例，過去良率改善依賴⼯程師經驗、設備數據與 事後分析。若導入AI後仍只是把報表⾃動化，價值有限。但若 從Design for AI出發，企業可以重新設計品質管理流程，讓AI 即時監控設備參數、比對歷史異常、預測可能缺陷、提醒⼯程 師調整製程，甚⾄把跨廠區經驗累積成共同知識庫。這將使AI 不只是分析⼯具，⽽是製造現場的決策⽀援系統。 AI若能搭配流程重塑，所創造的價值通常遠⾼於單點⼯具導入。 企業若只是把AI⽤於個別任務優化，效益可能分散且難以量化； 但若以端到端流程重新設計為⽬標，效率提升、錯誤降低與客 ⼾體驗改善會更加明顯。 因此，臺灣企業推動AI轉型時，第⼀個重要原則是：不要只把 AI當成加速器，⽽要把AI視為新型態的⼯作者。當AI成為組織 的⼀部分，流程、權責、績效指標與管理⽅式都必須重新設計。
=== PAGE 46 ===
PwC Taiwan 45 真正能形成競爭優勢的AI投資，應該是「窄⽽深」的應⽤。所 謂窄⽽深，不是指規模⼩，⽽是指聚焦在特定⾼價值場景，結 合企業⾃⾝資料、流程知識、產業經驗與決策邏輯，形成難以 被競爭者複製的能⼒。 例如，在個⼈化數位⾏銷中，AI不應只是協助產⽣廣告文案， ⽽應貫穿完整客⼾旅程。從客群分眾、需求預測、內容⽣成、 互動對話、購買推薦、成交引導、售後服務，到顧客流失預警， AI都可以扮演重要⾓⾊。當企業把AI與CRM、電商平台、客 服系統、會員資料與⾏銷⾃動化⼯具整合後，才能真正提升轉 換率與客⼾終⾝價值。 再如⾦融業，AI不只是⽤來寫報告，⽽可以協助理專分析客⼾ 投資偏好、⽣成個⼈化資產配置建議、監控風險、提醒法遵限 制，並產⽣客⼾溝通內容。這樣的AI應⽤深入業務核⼼，能直 接影響營收、風險與客⼾關係。 從廣泛試用走向窄而深投資：讓AI真正進入企業核心場景 在製造業中，窄⽽深的AI投資可能聚焦在預測維護、排程最佳 化、供應鏈風險預警、報價⾃動化、研發知識管理或售後維修 ⽀援。這些場景通常不容易被通⽤AI⼯具直接解決，因為它們 需要⼤量企業內部資料、現場經驗與產業知識。但也正因如此， ⼀旦成功導入，就會形成真正的差異化優勢。 對臺灣企業⽽⾔，窄⽽深的AI投資尤其重要。因為臺灣企業普 遍資源有限，不可能同時推動過多⼤型AI專案。與其到處試點、 分散投資，不如選擇三到五個最關鍵的價值場景，集中資源做 深、做透、做出可衡量成果。這些場景應符合三個條件：第⼀， 與企業策略⾼度相關；第⼆，具備可取得的資料基礎；第三， 能在六到⼗⼆個⽉內看到營運指標改善。 簡單來說，AI不應只是「⼤家都⽤⼀點」，⽽應該是「在關鍵 地⽅⽤得很深」。唯有如此，AI才會從⼯具變成競爭⼒。 聚焦在特定⾼價值場景，結合企業⾃⾝資料、流程知識、 產業經驗與決策邏輯，形成難以被競爭者複製的能⼒。 “
=== PAGE 47 ===
46 AI 績效研究 企業AI轉型不能只靠資訊部⾨，也不能只靠基層員⼯⾃發性的 創新提案。由下⽽上的AI實驗固然重要，能激發創意、累積案 例，也能讓員⼯建立使⽤經驗；但若缺少⾼階主管的策略⽀持， 這些專案往往難以跨部⾨擴⼤，最後停留在局部改善。 AI轉型本質上是企業轉型，不只是技術導入。它涉及組織權責、 流程重塑、資料共享、⼈才配置、投資決策、風險控管與績效 指標。如果沒有具備決策權的⾼階主管參與，許多關鍵問題無 法被解決。例如，哪個部⾨應該擁有資料？AI專案預算由誰負 擔？導入後節省的⼈⼒如何重新配置？若AI建議與主管經驗不 同，應如何決策？這些都不是技術部⾨可以單獨處理的問題。 因此，企業需要讓董事⻑、總經理、事業群主管、財務⻑、⼈ 資⻑、法務⻑與資訊⻑共同理解AI。最有效的⽅式之⼀，是設 計⾼階主管AI體驗⼯作坊。這類⼯作坊不應只是介紹AI趨勢， ⽽應讓主管親⾃體驗AI如何處理公司真實情境。例如，讓AI分 析客⼾抱怨、⽣成銷售策略、模擬供應鏈風險、整理法遵文件、 協助產品開發發想，或提出年度預算情境分析。 必須由高層親自參與體驗：從認知改變開始推動組織改變 當⾼階主管親⾃看到AI可以在短時間內完成過去需要多名員⼯ 整理的⼯作，並理解其限制與風險，對AI的態度就會從抽象⽀ 持轉為具體⾏動。這種認知轉變，是企業AI轉型能否真正啟動 的關鍵。 許多國外的企業案例在推動AI時，通常不只建立技術團隊，也 會成立跨部⾨AI委員會或AI轉型辦公室，由⾼層直接治理。這 樣做的⽬的，是確保AI專案與企業策略⼀致，避免各部⾨各⾃ 採購⼯具、重複投資或產⽣資安風險。 對臺灣企業⽽⾔，⾼層參與尤其重要。許多臺灣企業決策速度 快、組織彈性⾼，⼀旦最⾼領導⼈理解AI價值，推動速度可以 非常快。但相反地，如果⾼層只把AI視為資訊部⾨的⼯具專案， 整個組織就很難真正改變。
=== PAGE 48 ===
PwC Taiwan 47 AI導入越廣，治理越重要。許多企業在AI初期試⽤時，風險看似不⾼，但⼀旦進入⼤規模使⽤，若缺少治理機制，就可能造成資料外 洩、錯誤決策、法遵問題、智慧財產權爭議、偏誤歧視或品牌信任受損。 例如，員⼯若將機密資料輸入外部AI⼯具，可能導致敏感資訊外流；AI若⽣成錯誤內容但未經審核，就可能造成錯誤報價、錯誤合約 或不當客⼾承諾；AI若使⽤未授權資料訓練或⽣成內容，也可能引發智慧財產權爭議。 因此，在⼤規模推廣AI之前，企業必須先建立AI治理架構。治理不是為了阻擋創新，⽽是為了讓創新能安全擴⼤。良好的AI治理應⾄ 少包括五個⾯向。 說明 治理重點 ⾯向 企業必須定義哪些資料可⽤於AI、哪些資料不可外傳、不同資料的權限如何控管，以及資料品質如何確保。 資料治理 ⼀ 企業需要知道使⽤哪些模型、模型來源為何、是否符合資安與法遵要求，以及模型輸出的準確性如何驗證。 模型治理 ⼆ 企業應制定員⼯使⽤AI的⾏為準則，包括不得輸入機密資料、重要輸出必須⼈⼯審核、不得直接使⽤未經 確認的AI內容對外發布等。 使⽤規範 三 不同AI應⽤風險不同，例如內部文件摘要與客⼾信⽤審核的風險層級完全不同。企業應依照風險⾼低設計 不同審查機制。 風險分級 四 AI可以提出建議，但最終決策責任仍需明確歸屬於⼈與組織。若沒有責任設計，AI導入後反⽽可能造成管 理模糊。 責任歸屬 五 國際上，歐盟AI Act、各國資料保護法規以及⾦融監理機關對AI使⽤的關注，都顯⽰AI治理已成為企業不可迴避的議題。未來企業使 ⽤AI，不只是效率問題，也是信任問題。誰能讓客⼾、員⼯、主管機關與合作夥伴相信其AI使⽤安全、透明、可控，誰就能更快擴⼤ AI應⽤。 ⽽在AI Agent逐漸在企業內部推展，治理的機制必須要更進化，除了被動型的管理機制外，即時的監督與控制，對於具有運⽤AI決策 來調⽤數位資源與執⾏數位技能的AI Agent更不可或缺，主動的介入每個Agent所執⾏的動作與資料處理，才能有效的防⽌AI Agent⾃ 主所產⽣的亂象與脫序。 治理先於規模化：沒有制度的AI推廣，將會帶來高度風險
=== PAGE 49 ===
48 AI 績效研究 建立集中式AI平台：讓AI投資可以累積， 而不是各自分散 許多企業在AI導入初期，常⾒問題是各部⾨⾃⾏採購⼯具、各⾃建立資料庫、各⾃ 找供應商開發⼩型應⽤。短期看似快速，但⻑期容易形成系統破碎、資料不互通、 成本重複、資安風險增加與知識無法累積的問題。 因此，企業若要讓AI投資真正發揮規模效益，就必須建立集中式AI發展平台。這個 平台不⼀定代表所有應⽤都由總部統⼀開發，⽽是提供共同的基礎能⼒，讓各部⾨ 可以在安全、標準化與可治理的環境中發展AI應⽤。 企業級沙盒環境可以讓業務單位在不影響正式系統、不暴露敏感資料的情況下進⾏ AI實驗。成功的應⽤可以逐步擴⼤，失敗的實驗也能留下經驗與資料，⽽不會造成 營運風險。 對⼤型企業⽽⾔，集中式AI平台有助於形成「⼀次投資、多次使⽤」的效果。例如， 客服知識庫可以被客服中⼼使⽤，也可以被業務⼈員、維修⼯程師與內部訓練系統 使⽤；法務文件分析能⼒可以⽀援合約審查，也可以協助採購與業務談判；研發知 識庫可以⽀援新產品開發，也可以協助新⼈訓練。 對中⼩企業⽽⾔，即使無法建立⼤型內部平台，也可以透過雲端服務、產業公協會、 系統整合商或政府補助資源，建立輕量化AI平台。重點不在於平台規模，⽽在於避 免AI應⽤碎片化，並讓資料、知識與經驗能持續累積。 AI投資最⼤的浪費，不是專案失敗，⽽是每個專案都從零開始。集中式平台的⽬的， 就是讓企業每⼀次AI嘗試都能變成下⼀次創新的基礎。 AI 績效研究 48 AI 績效研究
=== PAGE 50 ===
PwC Taiwan 49 企業級AI平台核心功能 安全的資料存取與權限管理 • 實施最⼩權限原則 • 詳細的存取⽇誌 • 多因素認證(MFA) 資安、法遵與成本監控機制 • 強化的資安防護 • 確保法律合規 • 成本透明與控制 測試沙盒環境 • 安全的測試空間 • 模擬⽣產環境 • 迭代開發與部署 可選擇與控管的AI模型服務 • ⽀持多種AI模型 • 模型部署與控管 • 效能監控與優化 企業知識庫與向量資料庫規劃 • 整合企業內部數據 • 向量資料庫索引 • ⾼效檢索與查詢 提⽰詞、代理流程與應⽤元件管理 • 提⽰詞⼯程⼯具 • 代理流程⾃動化 • 應⽤元件庫管理 模型輸出紀錄與稽核功能 • 全⾯記錄模型輸出 • 安全審查與稽核 • 問題追蹤與修復
=== PAGE 51 ===
50 AI 績效研究 臺灣在AI時代擁有非常難得的起點。全球需要AI運算，臺灣提 供晶片、伺服器與硬體供應鏈；全球需要快速擴建資料中⼼， 臺灣企業具備⾼度製造效率與⼯程能⼒；全球科技巨頭投入AI 基礎建設，也讓臺灣供應鏈受惠。我們可以看到許多的中型企 業將變成⼤型的國際企業，也會跟隨著這波的產業⾶越機會， 擴展業務與規模，相同地，也會有更多的國際競爭對⼿，將會 加入這場AI的⽣態系競爭中。從AI製造商轉變為AI賦能企業， 是重要的策略轉變。 AI的真正價值，將逐步從基礎建設轉向應⽤落地、流程重塑、 組織轉型與商業模式創新。臺灣若只享受硬體紅利，⽽未能同 步提升⾃⾝AI應⽤能⼒，就可能出現「幫全世界打造AI⼯具， ⾃⼰卻沒有充分使⽤AI」的尷尬局⾯，也就是俗話所說的「鞋 匠家的⼩孩沒鞋穿」。 AI不是單⼀⼯具，也不是短期風潮，⽽是⼀場企業管理⽅式的 深層變⾰。誰能越早學會與AI共同⼯作，誰就能越早重塑效率、 品質、速度與創新能⼒。 臺灣不能只做AI的供應鏈贏家，更要成為AI應用的實踐者 對臺灣⽽⾔，該問的是：「臺灣企業能否把供應鏈優勢，轉化 為AI應⽤優勢？」如果答案是肯定的，臺灣就不只會是全球AI 硬體的關鍵基地，更有機會成為AI應⽤、智慧製造與企業轉型 的⽰範市場，⽽臺灣企業將在這⼀波重新定義智慧化企業的營 運模式，如何透過⾼品質的臺灣勞⼯與新的數位勞⼯的協作， 將臺灣企業轉型成為世界級的領導企業。 除了企業要更有信⼼地投入之外，政府對於推⾏AI需要營造更 多的環境與⿎勵，⿎勵政府業務開放AI的參與，規劃實體AI的 場域，打造⼀個全新的智慧政府運作機制，並⿎勵臺灣企業與 國際AI領導廠商的參與，⼀⽅⾯解決臺灣⾯臨的勞動⼒缺乏與 ⾼齡化社會的困境，⼀⽅⾯讓社會的運作更有效率、更舒適， 吸引全球的⼈才願意來臺灣⽣活與居住。 這將是臺灣與臺灣企業下⼀個⼗年的重要機會，也是從製造強 國邁向智慧營運強國的關鍵⼀步。
=== PAGE 52 ===
PwC Taiwan 臺灣企業案例
=== PAGE 53 ===
52 AI 績效研究 臺灣企業案例 特用化學企業發展AI應用案例 個案背景 公司核⼼業務涵蓋⾊料化學品、特⽤化學品、電⼦化學品、列 印耗材及醫藥化學品等五⼤領域。相較於以量取勝的⼤宗⽯化 或基礎化學品廠商，其市場定位明顯偏向中⼩批量、多品項、 應⽤導向的特⽤化學品製造企業，營運模式更貼近下游客⼾的 差異化需求。 挑戰 • 新舊業務銜接落差，獲利結構⾯臨壓⼒：傳統產品受市場需 求趨緩與價格競爭夾擊，⽑利空間持續受壓；⾼附加價值新 產品則多處於驗證、導入或放量初期，短中期內尚難全⾯接 棒。 • 商機開發倚重個⼈經驗，內外資訊整合不⾜：商機開發⾼度 仰賴業務⼈員的個⼈經驗與⼈⼯蒐集資訊，缺乏系統化整合 與分析機制，導致⾼潛⼒客⼾辨識效率有限，商機切入時點 延誤與判斷標準不⼀致風險。 • 商機管理偏事後檢討，決策反應滯後：現⾏管理以事後檢討 為主，主管多須等⽉底結算後才察覺業績落差；加以各事業 處對商機階段的填報定義不⼀致，使⾼層難以即時聚焦核⼼ 問題，資源配置效率亦受限。 解決⽅案 • 建置⽣成式AI整合平台，擴⼤商機發掘：導入具⽣成式AI能⼒的整 合平台，串接內外部資料來源、知識檢索引擎與⼤型語⾔模型應⽤， 提升業務與主管在商機開發、客⼾經營與市場情報查詢分析上的效 率，作為後續商機管理與決策⽀援的核⼼基礎。 • AI賦能管理儀表板，強化業績決策能⼒：管理儀表板整合AI⾃然語 ⾔查詢功能，主管可透過對話⽅式即時掌握商機進度與業績缺⼝成 因，⼤幅降低⼈⼯彙整時間。並同步建立集團層級的標準化商機管 理範本，各事業單位統⼀商機定義、關鍵欄位與判定規則；系統⾃ 動分類案件狀態、偵測異常並主動提⽰風險，⽀援主管即時介入並 優化資源配置順序。 效益 • 商機開發效率躍升前段商機開發作業處理時間縮短⾄12分鐘，作 業⼯時減少達93.3%。潛在客⼾名單產出效率顯著提升，商機開發 產能翻倍。 • 管理模式由「事後追查」轉為「事前預警」建立⼀⾴式商機管理視 圖，主管可即時掌握商機健康度、風險案件清單與優先處置順序， ⼤幅縮短資料彙整與會前準備時間達80%，集團近期業績提升達 25%，具體展現AI賦能於商機管理與決策⽀援上的營運成效。
=== PAGE 54 ===
PwC Taiwan 臺灣企業案例 電子產業個案分析 53 個案背景 個案企業創立已40多年，在其發展歷程中，聚焦於功率半導體、 ⾼效能散熱⾺達風扇之研發與製造，技術實⼒享譽全球，其產品 應⽤範疇廣泛涵蓋AI伺服器、網通設備、⾞⽤電⼦、⼯業控制及 消費性電⼦領域。在經營規模與市場地位⽅⾯，個案企業已穩居 全球散熱⾺達風扇領先地位。 挑戰 • 冷卻技術更替：隨著⼈⼯智慧的爆發式成⻑，次世代AI晶片 的功耗極限挑戰全⾯引爆，這項新科技的巨變迫使整個散熱 硬體產業由傳統的「純氣冷技術」加速朝向「氣⽔冷融合、 液冷次系統元件」。 • 研發⼈才世代交替：傳統的研發與製造體系⾼度依賴具備15 年以上產業實戰經驗的「老師傅經驗」傳承，隨著組織世代 交替與⼈員退休流動，隱性知識流失、⼈才⾯臨「知識斷層」 風險⼤幅增加。 • 產品⽣命週期加速，客⼾要求更⾼：內部的營運資訊散落在 各孤立系統及各營運單位的文檔中，導致資訊檢索、跨部⾨ 溝通與分析效率極其低下，產品研發與量產文件更版，無法 快速回應市場客⼾的變更需求。 解決⽅案 • 建置研發專屬AI⼤腦：企業級集中式AI發展平台，建立安全的資料 存取、模型串接與治理機制，使個案企業的AI投資能夠集中累積。 • AI技能培育：系統化的AI使⽤技能培訓課程，內容涵蓋⼤模型基礎、 提⽰詞⼯程、指令設計與關鍵詞設定、平台維護管理技轉等，由淺 入深協助同仁有效上⼿實務操作。 • 研發與製造循環之AI Agent關鍵應⽤：個案將AI應⽤平台與研發及 製造流程深度融合，完成三個關鍵的AI Agent應⽤：1. CAD功能部 署與R&D知識庫應⽤；2. DS量產文件⽣成；3. 產品與機台異常分析 效益 • 營運與製造效益：各項製造、維修與文件作業⼤幅縮短⼯時達25% 以上；客⼾變更需求的反應時間，由10天顯著縮短⾄2天。 • 研發迭代速度爆發：研發單位的AI助理與知識庫賦能，讓研發設計 迭代速度增加40%，新產品的設計、開發與交接週期顯著縮短。 • ⼈才傳承與風險控管：未來⾯臨⼈員退休或交接，AI仍能快速引導 新⼈進入⽣產與研發狀態，有效消弭世代交替的知識斷層風險。 • 品質與品牌護城河：結合⾃動化異常比對與維修保養預測，⼤幅降 低因料件管理疏失或機台停機導致的良率損失，成功建立起可預測 的⽣產體系與品質⼀致性。
=== PAGE 55 ===
54 AI 績效研究 個案背景 該個案企業創立已超過30多年，深耕功率半導體晶圓製造數⼗年。 專注於中下游的晶圓代⼯與特殊製程研發，發揮其「6吋單⼀晶 圓廠」的特殊製程彈性，固守⾞規與⼯控的利基市場。⾞⽤晶圓 代⼯已成為營運的核⼼⽀柱，其⾞載產品出貨量佔整體營收比例 已直逼50%。 挑戰 • 競爭環境⽩熱化：成熟製程割喉價格戰。中國⼤陸⼤舉釋放 成熟製程產能，導致全球傳統矽基⼆極體與MOSFET⾯臨激 烈價格戰，傳統⼆極體的獲利紅利已徹底消逝。 • 新科技快速更迭：第三代半導體因具備低損耗、⾼電壓耐受 性及⾼電⼒轉換效率等顯著優勢，正伴隨電動⾞、⾼階AI數 據中⼼迎來放量期。 • 世代交替與知識斷層：⼤量⾼價值的歷史維修文檔、製程參 數、⼯程變更單等資訊散落在MES、Notes及ERP等系統中， 檢索與分析效率低下，新⼈交接耗時，無法形成快速反應市 場決策的企業「智慧資產」。 • 營運績效承壓：在成熟製程代⼯無低成本優勢的情況下，個 案企業⾯臨⽑利率嚴重承壓，急需調整產品結構以找到新的 利潤機會。 解決⽅案 • 情境訪談與數位藍圖規劃：深入研發、品管、製造等部⾨，盤點超過 40個潛在的AI應⽤。進⾏收斂與優先排序，打造出個案的AI數位藍圖。 • 中介資料庫與先進AI技術導入：將文檔、Notes資料庫以及非結構化 歷史文檔進⾏深度資料清洗、文字切塊與調教，建立「專業AI知識 庫」。 • AI Agent關鍵應⽤：AI⾃動快速比對並精準分析⼯程變更單版本的 前後差異，提升產品開發與迭代效率。⾃動抓取MES異常資訊，即 時提供對應的SOP解決⽅案，降低異常處理時間。透過歷史經驗⾃ 動推估並⽣成預計的Runcard初始草稿，提升EVT效率。 效益 • 研發與異常處理效率倍增：研發知識庫的賦能使研究開發的迭代速度 顯著提升2⾄3倍，⼤幅縮短新產品的開發週期（EVT階段）。 • 降低停機損失與料件浪費：透過AI⾃動語意比對與即時SOP建議， ⼤幅降低產品及機台異常的處理時間48%。 • 內部知識資產化與防範斷層：將散落在個別員⼯以及破碎系統中的隱 性經驗，成功轉化為企業集中化的「智慧資產⼤腦」。 • 財務結構與⽑利優化（結構重塑）：透過AI製造應⽤知識庫穩定矽基 利基代⼯，並順利推動SiC新製程量產，深度協同⾞⽤逆變器客⼾的 出貨。 臺灣企業案例 晶圓代工產業個案分析
=== PAGE 56 ===
PwC 臺灣服務團隊 盧志浩 管理顧問服務營運⻑ 暨資誠創新諮詢公司與資誠創新整合公司 董事⻑ 陳家傑 雲端創新中⼼董事 資誠創新諮詢公司 陳世祥 AI創新團隊執⾏董事 資誠創新諮詢公司 林杰綸 AI策略轉型團隊董事 資誠創新整合公司 劉冠志 資料與分析團隊董事 資誠創新諮詢公司 55 PwC Taiwan
=== PAGE 57 ===
PwC Taiwan © 2026 PwC. All rights reserved. PwC refers to the PwC network and/or one or more of its member firms, each of which is a separate legal entity. Please see www.pwc.com/structure for further details. This content is for general information purposes only, and should not be used as a substitute for consultation with professional advisors.