???/?

?

?//???????///／??//??/?—///／?／／???［乙］?:；帥?\?＼????勺???＼??????\＼?

?

??＼?＼????????\?\?????????\\???\?\???＼?\＼?\??????????\?????\??C

O

N

T

E

N

T

S目錄2025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果行動(dòng)方案CHAPTERCHAPTER010342

政府建言45

企業(yè)行動(dòng)建議48

風(fēng)險(xiǎn)管理與影響評(píng)估AI

落地指引CHAPTER0221

AI

落地關(guān)鍵的五大能力附錄APPENDIX專家建議：中小企業(yè)轉(zhuǎn)型思考22

呂正華：從「知道」到「做到」尋找產(chǎn)業(yè)

AI化的引爆點(diǎn)51

AI

化程度四大群體導(dǎo)入建議專家建議：數(shù)據(jù)治理如何進(jìn)行25

胡筱薇：好數(shù)據(jù)才能讓

AI

真正落地，「數(shù)據(jù)治理

1234

原則」創(chuàng)造轉(zhuǎn)型價(jià)值專家建議：軟體轉(zhuǎn)型勢(shì)在必行29

周幸蓉：不是「為了

AI

而

AI」，強(qiáng)化企業(yè)韌性才是關(guān)鍵專家建議：從算力到

AI

能力的提升32

吳漢章：不是有，而是怎麼創(chuàng)造價(jià)值專家建議：管理者的轉(zhuǎn)型心法35

葉福海：AI

不只是工具導(dǎo)入，而是重塑流程、人才與資料的治理思維專家建議：臺(tái)灣產(chǎn)業(yè)

AI

新機(jī)會(huì)38

劉思泰：臺(tái)灣應(yīng)善用終端

AI

成為軟硬體系統(tǒng)整合者2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

0401CHAPTER2025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果2025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01企業(yè)

AI

認(rèn)知提升，應(yīng)用落地成關(guān)鍵挑戰(zhàn)「臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查」透過企業(yè)

AI

能力評(píng)估，從「經(jīng)營策略」、「人許多企業(yè)期望透過

AI

提升營運(yùn)效率、優(yōu)化決策或創(chuàng)造新商機(jī)，然而，才培育」及「技術(shù)應(yīng)用」三大面向進(jìn)行分析，綜合評(píng)分後，將企業(yè)劃分為「Unknowing

AI」、「Conscious

AI」、「Ready

AI」與「Scaling

AI」四個(gè)發(fā)展階段，以反映企業(yè)在

AI

認(rèn)知與應(yīng)用上的不同成熟度。在實(shí)際執(zhí)行層面，仍面臨技術(shù)資源不足、內(nèi)部數(shù)據(jù)整備尚未完善，或缺乏

AI應(yīng)用策略等根本性挑戰(zhàn)，這些問題與企業(yè)的數(shù)位轉(zhuǎn)型發(fā)展階段息息相關(guān)。AI導(dǎo)入並非單一技術(shù)升級(jí)，企業(yè)

AI

化的進(jìn)程，往往取決於數(shù)位轉(zhuǎn)型的成熟度。唯有數(shù)據(jù)基礎(chǔ)建設(shè)完善、內(nèi)部數(shù)位文化成熟，AI

才能真正發(fā)揮價(jià)值。調(diào)查結(jié)果顯示，

過去兩年來，

臺(tái)灣企業(yè)對(duì)

AI

的認(rèn)知顯著提升，「Unknowing

AI」企業(yè)比例從

45.5%

降至

39.4%，「Conscious

AI」則增長至

31.7%，顯示

AI

相關(guān)知識(shí)正在企業(yè)間逐步擴(kuò)散。然而，「Ready

AI」與「Scaling

AI」的比例未見顯著增長，反映出企業(yè)在

AI

技術(shù)落地應(yīng)用上仍面臨瓶頸，目前仍有七成企業(yè)未能跨越

AI

實(shí)際應(yīng)用門檻，導(dǎo)入進(jìn)程明顯受阻。整體而言，企業(yè)

AI

化進(jìn)程的遲滯涉及策略規(guī)劃、技術(shù)認(rèn)知與人才發(fā)展等多重因素。以下將進(jìn)一步分析影響企業(yè)

AI

落地的關(guān)鍵挑戰(zhàn)，並探討如何縮短企業(yè)從

AI

認(rèn)知到

AI

應(yīng)用的落差，以加速臺(tái)灣產(chǎn)業(yè)

AI

化進(jìn)程。年度整體平均分?jǐn)?shù)變化各發(fā)展階段家數(shù)占比單位：平均分?jǐn)?shù)單位：%，因統(tǒng)計(jì)結(jié)果有四捨五入的情形，故加總數(shù)字可能產(chǎn)生小數(shù)點(diǎn)的誤差2025

年2023

年2022

年2022

年2023

年2025

年四大群體分別反映企業(yè)在

AI

認(rèn)知與應(yīng)用上的不同成熟度，分別是：產(chǎn)業(yè)

AI

化指數(shù)Business

經(jīng)營UnknowingAI：AI

認(rèn)知缺乏階段Scaling

AI：AI

規(guī)模應(yīng)用階段ConsciousAI：AI

認(rèn)知覺察階段Ready

AI：AI

導(dǎo)入準(zhǔn)備階段Talent

人才Technical

技術(shù)這四個(gè)階段可作為企業(yè)

AI

化進(jìn)程的參考指標(biāo)，協(xié)助企業(yè)評(píng)估自身定位，並規(guī)劃適合的

AI

發(fā)展策略。2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

062025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01整體產(chǎn)業(yè)

AI

化指數(shù)整體

AI

指數(shù)變動(dòng)：企業(yè)認(rèn)知提升與真實(shí)自覺本次調(diào)查結(jié)果顯示，資通訊（ICT）產(chǎn)業(yè)的

AI

指數(shù)有所下降（由

44.7

降至

41.7），推測(cè)主因在於企業(yè)對(duì)自身

AI

發(fā)展的評(píng)估方式轉(zhuǎn)變。由於本調(diào)查以企業(yè)自評(píng)為主，過去許多企業(yè)在尚未進(jìn)行內(nèi)部盤點(diǎn)前，對(duì)自身

AI

發(fā)展程度抱持較為樂觀的看法。然而，在實(shí)際導(dǎo)入

AI

後，著手進(jìn)行內(nèi)部資源盤點(diǎn)時(shí)，企業(yè)才意識(shí)到內(nèi)部資料整備不足、數(shù)據(jù)治理機(jī)制等尚未完善，甚至是需要優(yōu)化業(yè)務(wù)流程等，因而導(dǎo)致評(píng)分相較先前有所下滑，這也反映出從概念認(rèn)知到實(shí)際應(yīng)用的落差。AI

指數(shù)有所提升。而這些企業(yè)多半仍在生成式

AI

工具的應(yīng)用與探索階段。數(shù)位轉(zhuǎn)型準(zhǔn)備不足是最大的挑戰(zhàn)儘管部分產(chǎn)業(yè)的

AI

指數(shù)有所進(jìn)步，但企業(yè)在

AI

導(dǎo)入過程中仍面臨諸多挑戰(zhàn)。隨著

ChatGPT

等技術(shù)的普及，企業(yè)開始意識(shí)，並對(duì)

AI

懷抱興趣。然而，在真正落實(shí)

AI

應(yīng)用時(shí)，由於缺乏數(shù)位轉(zhuǎn)型的基礎(chǔ)而窒礙難行，必須先建立良好的數(shù)位基礎(chǔ)，包括完善的數(shù)據(jù)治理、數(shù)位化流程，以及內(nèi)部

AI

人才培育。唯有如此，才能確保

AI

技術(shù)的落地應(yīng)用發(fā)揮最大價(jià)值，為企業(yè)帶來真正的競(jìng)爭優(yōu)勢(shì)。另一方面，在過去

AI

指數(shù)相對(duì)落後的製造業(yè)、政府機(jī)關(guān)及其他產(chǎn)業(yè)，則在本次調(diào)查中指數(shù)呈現(xiàn)顯著成長（由

24.4

提升至

33.1）。這一變化顯示，近兩年來，生成式

AI

工具的發(fā)展加速了這些產(chǎn)業(yè)對(duì)

AI

的認(rèn)識(shí)與應(yīng)用，使其產(chǎn)業(yè)

AI

化指數(shù)各層面分?jǐn)?shù)表線單位：平均分?jǐn)?shù)單位：分2022

年2023

年2025

年Business

經(jīng)營層面各產(chǎn)業(yè)

AI

發(fā)展趨勢(shì)與挑戰(zhàn)：Talent

人才層面Technical

技術(shù)層面全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)「經(jīng)營策略」層面表現(xiàn)持平，平均僅

32

分，顯示企業(yè)在

AI

導(dǎo)入的策略性思考仍有待加強(qiáng)?！讣夹g(shù)應(yīng)用」層面成長最為明顯，平均達(dá)

47

分，ICT

產(chǎn)業(yè)仍為表現(xiàn)最佳的領(lǐng)域。零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他「人才培育」層面最為不足，平均僅

31.5

分，其中

47%

企業(yè)尚未規(guī)劃

AI

人才發(fā)展策略，顯示

AI

專業(yè)人才的培育與訓(xùn)練仍是國內(nèi)企業(yè)面臨的重大挑戰(zhàn)。2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

072025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Business

經(jīng)營層面現(xiàn)況分析：缺乏長期策略，應(yīng)用仍停留在工具應(yīng)用層面2025

年與

2023

年在企業(yè)經(jīng)營（Business）層面，AI

指數(shù)平均僅

32

分，與往年持平。AI

納入企業(yè)發(fā)展策略的議題，自

2022

年起即持續(xù)受到關(guān)注。調(diào)查結(jié)果顯示，越來越多企業(yè)已經(jīng)開始將

AI

納入發(fā)展規(guī)劃，相關(guān)比例較往年有所提升，反映出企業(yè)對(duì)

AI

的戰(zhàn)略價(jià)值有更高的認(rèn)識(shí)。然而，近五成企業(yè)未宣佈

AI

相關(guān)的發(fā)展策略，2025

年的表現(xiàn)亦僅

37.6

分，尤其零售貿(mào)易服務(wù)業(yè)僅

13.7

分，表現(xiàn)最低。顯示目前多數(shù)企業(yè)仍停留在工具與技術(shù)的輔助層級(jí)，尚未建立完整的

AI

導(dǎo)入路徑圖（Roadmap）。這不僅限制了企業(yè)內(nèi)部對(duì)於AI

應(yīng)用的可能，也無法發(fā)揮

AI

在提升營運(yùn)效率與創(chuàng)造競(jìng)爭優(yōu)勢(shì)上的價(jià)值。要突破

AI

在企業(yè)經(jīng)營層面的發(fā)展限制，企業(yè)必須從整體營運(yùn)目標(biāo)與願(yuàn)景出發(fā)，結(jié)合決策導(dǎo)向，制定清晰的

AI

發(fā)展路線圖（Roadmap）。在導(dǎo)入AI

技術(shù)時(shí)，企業(yè)的發(fā)展策略應(yīng)與可信賴

AI

原則緊密結(jié)合，以確保

AI

系統(tǒng)的合法性、倫理合規(guī)性與穩(wěn)健可靠性。將這些原則納入發(fā)展策略，不僅有助於企業(yè)充分發(fā)揮

AI

潛力，也能有效降低風(fēng)險(xiǎn)，進(jìn)而建立使用者與社會(huì)的信任。此外，企業(yè)應(yīng)強(qiáng)化風(fēng)險(xiǎn)管理、國際標(biāo)準(zhǔn)對(duì)標(biāo)與人才培育，並將數(shù)據(jù)治理與可信賴

AI

原則納入核心策略，以確保

AI

技術(shù)能夠在合規(guī)、安全與透明的基礎(chǔ)上推動(dòng)業(yè)務(wù)發(fā)展。唯有透過完整的策略規(guī)劃與風(fēng)險(xiǎn)管理機(jī)制，企業(yè)才能真正發(fā)揮

AI

的長期價(jià)值，推動(dòng)數(shù)位轉(zhuǎn)型，並在全球競(jìng)爭環(huán)境中保持領(lǐng)先優(yōu)勢(shì)。各產(chǎn)業(yè)在數(shù)據(jù)治理與依循

AI

準(zhǔn)則的表現(xiàn)皆偏低，超過四成企業(yè)表示沒有或不確定採用

AI

準(zhǔn)則，平均分?jǐn)?shù)更為所有指數(shù)中最低（20.4

分）；即使ICT

產(chǎn)業(yè)也僅

20.3

分。Business

經(jīng)營層面整體平均分?jǐn)?shù)變化Business

經(jīng)營層面

AI

化指數(shù)計(jì)算單位：平均分?jǐn)?shù)單位：分2022

年2023

年2025

年B1：使用

AI

工具或技術(shù)協(xié)助的工作B2：AI

發(fā)展策略上的規(guī)劃B3：資料採用的數(shù)據(jù)治理B4：可信賴

AI

準(zhǔn)則全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

082025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Business

經(jīng)營層面在個(gè)資隱私保護(hù)之外，缺乏對(duì)資料治理的理解與實(shí)踐調(diào)查結(jié)果顯示，企業(yè)在數(shù)據(jù)治理方面認(rèn)知普遍不足。儘管

2025

年企業(yè)在數(shù)據(jù)治理的整體表現(xiàn)（25.2

分）較

2023

年（16.4

分）進(jìn)步，顯示出企業(yè)對(duì)數(shù)據(jù)治理的重視逐漸增強(qiáng)。然而，仍有三分之一的企業(yè)未採用明文規(guī)範(fàn)，或?qū)Υ吮硎静淮_定。在已採用規(guī)範(fàn)的項(xiàng)目中，多數(shù)企業(yè)集中於資料隱私、資安管理系統(tǒng)以及資料日常管理等基本治理領(lǐng)域。應(yīng)僅限於保護(hù)個(gè)人隱私，更應(yīng)著重於挖掘具有商業(yè)價(jià)值的資料。尤其是非個(gè)資資料，它們被視為當(dāng)今數(shù)位經(jīng)濟(jì)中的「新石油」。這些資料的價(jià)值不僅來自於內(nèi)部使用，還應(yīng)透過與外部合作夥伴（如供應(yīng)商和客戶）的有效串聯(lián)以實(shí)現(xiàn)最大效益。這涉及企業(yè)內(nèi)部流程與外部生態(tài)系統(tǒng)的整合。然而，調(diào)查顯示，多數(shù)企業(yè)對(duì)於「內(nèi)外部資料交換策略」的認(rèn)識(shí)仍然不足，這限制了其資料價(jià)值的發(fā)揮和數(shù)位轉(zhuǎn)型的深度。因此，企業(yè)應(yīng)積極強(qiáng)化對(duì)資料治理策略的理解與實(shí)踐。儘管資料隱私與資安管理一直是企業(yè)的主要關(guān)注點(diǎn)，資料治理的核心不Business

經(jīng)營層面Q14.

貴公司針對(duì)資料之使用與搜集，是否已有明文規(guī)範(fàn)？

(

複選

)單位：％2023

全體2025

全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他BaseN=315資料隱私規(guī)範(fàn)資訊安全管理系統(tǒng)專責(zé)人員

?

或部門

?

負(fù)責(zé)資料的日常管理內(nèi)外部數(shù)據(jù)交換策略資料品質(zhì)管理詮釋資料的管理，描述並收藏資料的內(nèi)容，進(jìn)而達(dá)成協(xié)助資料檢索的目的資訊生命週期管理以上皆無不知道、不確定2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

092025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Business

經(jīng)營層面AI

應(yīng)用想像過於單一，應(yīng)從業(yè)務(wù)需求出發(fā)尋求解方本調(diào)查涵蓋多個(gè)產(chǎn)業(yè)，發(fā)現(xiàn)企業(yè)對(duì)

AI

工具的應(yīng)用多半以「行銷應(yīng)用與內(nèi)容製作」為主，又以零售與服務(wù)業(yè)最高（68.4%），且在產(chǎn)品開發(fā)與創(chuàng)新上僅有

5.3%。這也凸顯了一個(gè)值得關(guān)注的問題：企業(yè)對(duì)

AI

的應(yīng)用想像是否過於單一，而限制了其更廣泛的發(fā)展?jié)摿Γ肯揿短囟üぞ叩膽?yīng)用，以確保

AI

的導(dǎo)入能真正貼合業(yè)務(wù)需求。此外，企業(yè)必須提升全體員工對(duì)

AI

的理解，不只是技術(shù)專業(yè)人員，而是涵蓋所有業(yè)務(wù)部門，確保各領(lǐng)域人才都能結(jié)合自身專業(yè)，發(fā)掘

AI

的應(yīng)用潛力，並理解其限制。整體而言，企業(yè)若希望充分發(fā)揮

AI

的潛力，應(yīng)從內(nèi)部流程梳理、數(shù)據(jù)治理、人才培育等多層面著手，並確保

AI

不僅是單一工具，而是能夠深入影響決策與業(yè)務(wù)模式的核心技術(shù)。透過這樣的策略調(diào)整，企業(yè)才能實(shí)現(xiàn)數(shù)位轉(zhuǎn)型的長期價(jià)值，真正推動(dòng)

AI

在產(chǎn)業(yè)中的全面落地。AI

的應(yīng)用不僅是技術(shù)導(dǎo)入，更關(guān)乎組織文化的重塑與內(nèi)部人才賦能。這也涉及到企業(yè)在數(shù)位轉(zhuǎn)型奠基的基礎(chǔ)，企業(yè)應(yīng)先從內(nèi)部流程梳理開始，而非Business

經(jīng)營層面Q5.

您的公司曾應(yīng)用或目前已使用

AI

工具或技術(shù)協(xié)助以下哪些工作？

(

複選

)單位：％全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他BaseN=255客戶服務(wù)與溝通產(chǎn)線優(yōu)化行銷應(yīng)用與內(nèi)容製作優(yōu)化營運(yùn)管理流程產(chǎn)品開發(fā)與創(chuàng)新·

目前初步探索或有應(yīng)用人工智慧，排除

9

家初步探索中與

1

家部分試行，然皆尚未應(yīng)用

AI

協(xié)助任一工作項(xiàng)目?！?/p>

整體將

AI

應(yīng)用於經(jīng)營相關(guān)的工作項(xiàng)目為

44

分。·產(chǎn)業(yè)方面，以

ICT

產(chǎn)業(yè)分?jǐn)?shù)最高（48.5

分），近五成（47.7%）應(yīng)用AI

在產(chǎn)品開發(fā)與創(chuàng)新，而專業(yè)服務(wù)業(yè)（45.7

分）則有超過六成皆應(yīng)用於行銷應(yīng)用與內(nèi)容製作。2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

102025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Talent

人才層面現(xiàn)況分析：僅停留在課程訓(xùn)練，缺乏與員工職涯發(fā)展連結(jié)過去兩年雖以

ICT產(chǎn)業(yè)的分?jǐn)?shù)最高，但

2025

年下降至

35

分，與專業(yè)服務(wù)業(yè)同分，僅在使用

AI

模型的來源超過

40

分；而零售貿(mào)易服務(wù)業(yè)也逐年下降，尤其在

AI

人才發(fā)展的策略更顯不足；而

2025

年製造業(yè)

/

政府機(jī)關(guān)

/

其他在

Talent

人才層面表現(xiàn)微幅回升，推測(cè)與政府推動(dòng)相關(guān)人才培訓(xùn)課程相關(guān)。在

AI

人才發(fā)展策略上，調(diào)查顯示近五成企業(yè)尚未建立明確的

AI

人才發(fā)展策略，即使有策略，往往僅停留在提供相關(guān)課程，而未將

AI

技能培養(yǎng)與員工職涯發(fā)展連結(jié)。此外，儘管多數(shù)企業(yè)認(rèn)為

AI

的導(dǎo)入提升了內(nèi)部相關(guān)能力，但其長期效益仍有待觀察。無論產(chǎn)業(yè)，其

AI

人才發(fā)展策略與導(dǎo)入

AI

後對(duì)於企業(yè)內(nèi)部的成效評(píng)估皆有進(jìn)步的空間。調(diào)查結(jié)果發(fā)現(xiàn)，企業(yè)

AI

導(dǎo)入高度依賴外部供應(yīng)商或現(xiàn)有工具（45.3%），相較之下，選擇自行開發(fā)

AI

模型或調(diào)整開源模型的企業(yè)比例較低，顯示大多數(shù)企業(yè)在

AI

技術(shù)應(yīng)用上仍仰賴外部廠商，內(nèi)部技術(shù)自主性較低。Talent

人才層面整體平均分?jǐn)?shù)變化Talent

人才層面

AI

化指數(shù)計(jì)算單位：平均分?jǐn)?shù)單位：分2022

年2023

年2025

年TA1：目前使用的

AI

模型的來源TA2：AI

人才發(fā)展策略TA3：導(dǎo)入

AI

對(duì)企業(yè)內(nèi)部產(chǎn)生的影響全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)2025

年製造業(yè)

/

政府機(jī)關(guān)

/

其他在

Talent

人才層面表現(xiàn)微幅回升，推測(cè)與政府推動(dòng)相關(guān)人才培訓(xùn)課程相關(guān)。零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

112025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Talent

人才層面「AI

名詞」與「實(shí)際應(yīng)用」理解誤差普遍存在根據(jù)調(diào)查結(jié)果，目前臺(tái)灣企業(yè)在

AI

應(yīng)用方面仍主要依賴系統(tǒng)整合商（SI）或現(xiàn)成的

AI

服務(wù)（45.3%），相較之下，選擇自行開發(fā)

AI

模型（12.5%）或調(diào)整開源模型（15.1%）的企業(yè)比例較低，顯示大多數(shù)企業(yè)在

AI

技術(shù)應(yīng)用上仍仰賴外部廠商，內(nèi)部技術(shù)自主性較低，恐影響企業(yè)在

AI

競(jìng)爭力上的長遠(yuǎn)發(fā)展。但這也凸顯出一問題，資訊服務(wù)業(yè)者的轉(zhuǎn)型將成為推動(dòng)產(chǎn)業(yè)

AI

化的關(guān)鍵動(dòng)力，具備產(chǎn)業(yè)專業(yè)知識(shí)的

AI

服務(wù)商（如深耕紡織業(yè)、金融業(yè)的

AI

服務(wù)商），能針對(duì)該產(chǎn)業(yè)需求，提供更具適配性的

AI

解決方案的業(yè)者將更具競(jìng)爭優(yōu)勢(shì)。相較之下，傳統(tǒng)通用型

SI

若未能快速適應(yīng)

AI

技術(shù)的發(fā)展，將難以滿足市場(chǎng)需求，甚至面臨市場(chǎng)淘汰的風(fēng)險(xiǎn)。步交叉分析後發(fā)現(xiàn)，這些企業(yè)的資料建置仍以傳統(tǒng)資本資料為主，電子化程度普遍較低，因此推測(cè)其

AI

應(yīng)用能力有限，主要是依賴現(xiàn)有

AI

工具並透過Prompt

Engineering

來調(diào)整應(yīng)用，而非從零開發(fā)

AI

模型。此外，部分企業(yè)雖宣稱自行開發(fā)

AI

技術(shù)，但實(shí)際上仍主要依賴外部的開源模型或

API

來進(jìn)行調(diào)整與部署，顯示企業(yè)對(duì)

AI

應(yīng)用的技術(shù)範(fàn)疇與開發(fā)模式仍存在誤解。且在基礎(chǔ)數(shù)據(jù)尚未完善的情況下導(dǎo)入

AI，影響

AI

模型表現(xiàn)。這反映出企業(yè)在

AI

導(dǎo)入過程中，對(duì)技術(shù)需求與前置條件的認(rèn)知仍有不足，可能影響未來

AI

部署的成功率與投資效益。從產(chǎn)業(yè)發(fā)展的角度來看，由於企業(yè)內(nèi)部具備

AI

技術(shù)維護(hù)與開發(fā)能力的人才比例仍然偏低，SI

廠商在企業(yè)

AI

導(dǎo)入過程中扮演關(guān)鍵角色。因此，若政府希望加速臺(tái)灣產(chǎn)業(yè)

AI

化，除了推動(dòng)企業(yè)內(nèi)部

AI

人才培育外，亦應(yīng)強(qiáng)化與

SI

廠商的合作，提升其在

AI

開發(fā)與系統(tǒng)整合方面的能力，以降低企業(yè)技術(shù)門檻，加速

AI

技術(shù)的普及應(yīng)用。值得注意的是，當(dāng)前臺(tái)灣企業(yè)對(duì)「AI

應(yīng)用」的理解與實(shí)際操作模式存在顯著落差。不同企業(yè)對(duì)

AI

的理解不一，導(dǎo)致產(chǎn)業(yè)內(nèi)部在

AI

方向上的發(fā)展略顯混亂。例如，部分零售、貿(mào)易及服務(wù)業(yè)雖聲稱自行開發(fā)

AI

技術(shù)，然而進(jìn)一Talent

人才層面Q8.

貴公司目前使用的

AI

模型最主要來源於哪裡？全體

資通訊科技

(ICT)

專業(yè)服務(wù)業(yè)單位：％零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他BaseN=265與

SI

系統(tǒng)整合（SystemIntegration）公司合作使用現(xiàn)成

AI

服務(wù)?

如OpenAIAPI

串接等

?使用開源模型調(diào)整並整合至企業(yè)流程中使用自行開發(fā)

AI

模型目前未使用

AI

模型2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

122025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Talent

人才層面AI

導(dǎo)入需先釐清流程問題，數(shù)位轉(zhuǎn)型為關(guān)鍵前提根據(jù)調(diào)查結(jié)果，企業(yè)對(duì)於

AI

導(dǎo)入後的內(nèi)部影響評(píng)價(jià)普遍偏低，整體得分僅

28.5

分，且超過三分之一的企業(yè)尚未見到明顯成效。其中，零售貿(mào)易服務(wù)業(yè)（48.4%）以及製造業(yè)、政府及其他產(chǎn)業(yè)（41.7%）的企業(yè)對(duì)

AI

應(yīng)用的成效尤為保留。企業(yè)應(yīng)將

AI

融入核心業(yè)務(wù)流程，確保技術(shù)應(yīng)用能夠服務(wù)於組織目標(biāo)，從而真正提升效率與創(chuàng)造價(jià)值。值得注意的是，多數(shù)企業(yè)雖然認(rèn)為

AI

提升了內(nèi)部能力與組織效益，但若缺乏完整的數(shù)位轉(zhuǎn)型基礎(chǔ)，AI

難以發(fā)揮實(shí)際效用。若企業(yè)的流程尚未數(shù)位化，缺乏數(shù)據(jù)基礎(chǔ)與系統(tǒng)支持，即使導(dǎo)入

AI

技術(shù)，也難以真正應(yīng)用於業(yè)務(wù)場(chǎng)景，無法帶來預(yù)期效益。AI

的導(dǎo)入應(yīng)與企業(yè)的營運(yùn)策略深度整合。換言之，Talent

人才層面Q12.

貴公司在導(dǎo)入

AI

後，對(duì)於企業(yè)內(nèi)部產(chǎn)生哪些影響？

(

複選

)單位：％全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他BaseN=315組織流程優(yōu)化，使生產(chǎn)效益提升員工增加

AI

相關(guān)的能力已發(fā)展出新的產(chǎn)品或服務(wù)建立新的商業(yè)模式目前暫無明顯成效2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

132025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01企業(yè)缺乏

AI

策略，影響人才培養(yǎng)方向根據(jù)調(diào)查結(jié)果，企業(yè)對(duì)

AI

人才的需求不僅限於技術(shù)能力，更強(qiáng)調(diào)問題解決與整合能力。45.4%

企業(yè)表示

AI

人才最需要的是能夠找出適合用

AI

解決問題及評(píng)估

AI

適用與否的能力，其次則是使用現(xiàn)成

AI

工具的能力

?38.4%?，再者為資料收集與分析

?35.6%?

與整合現(xiàn)成

AI

服務(wù)與模型的能力

?35.2%?。調(diào)查結(jié)果顯示，臺(tái)灣企業(yè)在評(píng)估

AI

能力時(shí)，普遍認(rèn)為「找出問題」是關(guān)鍵，卻忽略專案管理能力。AI

技術(shù)的落地涉及跨部門協(xié)作、資源調(diào)配與長期維運(yùn)，若企業(yè)缺乏專案管理概念，將難以有效推動(dòng)

AI

專案的成功實(shí)施。這也解釋了為何臺(tái)灣的

AI

應(yīng)用發(fā)展遲緩，企業(yè)往往僅專注於技術(shù)整合，而非真正建立內(nèi)部

AI

使用與發(fā)展能力。除了專案管理能力缺乏，企業(yè)

AI

導(dǎo)入成效不彰的另一大問題，在於缺乏整體

AI

策略，導(dǎo)致

AI

人才需求無法具體化，進(jìn)而影響內(nèi)部培訓(xùn)與人才招募方向。若企業(yè)未能建立清晰的

AI

發(fā)展策略，將無法有效配置

AI

人才，使技術(shù)落地的效益大打折扣。因此，未來企業(yè)應(yīng)從策略層面規(guī)劃

AI

發(fā)展方向，確立明確的人才需求與培養(yǎng)機(jī)制，以提升

AI

在產(chǎn)業(yè)中的實(shí)際應(yīng)用價(jià)值。此外，目前臺(tái)灣

AI

發(fā)展策略仍過度聚焦於「模型開發(fā)」，而非「應(yīng)用與優(yōu)化」，這使得許多企業(yè)在尚未明確需求時(shí)，便投入資源開發(fā)

AI

模型，導(dǎo)致產(chǎn)業(yè)推進(jìn)受阻。未來，應(yīng)將重點(diǎn)轉(zhuǎn)向如何將現(xiàn)有

AI

技術(shù)更有效地整合到業(yè)務(wù)流程中，以確保技術(shù)真正產(chǎn)生價(jià)值，而非淪為單純的技術(shù)展示。Talent

人才層面Q9.

貴公司的

AI

人才最需要具備哪種能力？

(

複選，至多三項(xiàng)

)全體

資通訊科技

(ICT)

專業(yè)服務(wù)業(yè)單位：％零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他BaseN=315找出適合用

AI

解決的問題及評(píng)估

AI

適用與否使用現(xiàn)成

AI

工具的能力資料收集與分析整合現(xiàn)成

AI

服務(wù)與模型的能力AI

專案管理AI

模型開發(fā)尚未制定專門的

AI人才策略2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

142025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Technical

技術(shù)層面現(xiàn)況分析：Technical

技術(shù)的整體表現(xiàn)逐年上升連續(xù)三年，唯一層面

Technical

技術(shù)的整體表現(xiàn)逐年上升，同時(shí)也是三個(gè)層面中分?jǐn)?shù)最高。製造業(yè)

/

政府機(jī)關(guān)

/

其他在使用

AI

工具及技術(shù)方面表現(xiàn)有明顯成長，推測(cè)是受生成式

AI

工具影響，能夠快速上手

AI。AI

應(yīng)具備在離線環(huán)境下獨(dú)立運(yùn)作的能力，無需依賴雲(yún)端推論。然而，目前許多所謂裝置端

AI

的設(shè)備，仍可能會(huì)使用到雲(yún)端服務(wù)，企業(yè)若未能清楚區(qū)分這些技術(shù)差異，將難以有效控管資料流向，進(jìn)而增加資安管理的挑戰(zhàn)。因此，在推動(dòng)

AI

化的同時(shí)，企業(yè)需加強(qiáng)員工對(duì)裝置端

AI

與雲(yún)端

AI

的認(rèn)識(shí)，並強(qiáng)化內(nèi)部數(shù)據(jù)安全管理，以確保

AI

技術(shù)應(yīng)用能夠真正符合企業(yè)安全需求。除了零售貿(mào)易服務(wù)業(yè)，2025

年主要產(chǎn)業(yè)均在

Technical

技術(shù)層面的表現(xiàn)更佳。ICT

產(chǎn)業(yè)

Technical

技術(shù)層面

2025

年創(chuàng)新高，突破

50

分，尤其內(nèi)部資料使用和存取與

AI

運(yùn)算資源，逐漸成熟。臺(tái)灣企業(yè)在

AI

運(yùn)算資源的部署上呈現(xiàn)多元化趨勢(shì)，約兩成企業(yè)導(dǎo)入

AIPC、AI

平板、AI

手機(jī)（21.5%）等裝置端

AI。需注意的是，真正的裝置端全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他Technical

技術(shù)層面整體平均分?jǐn)?shù)變化Technical

技術(shù)層面

AI

化指數(shù)計(jì)算單位：平均分?jǐn)?shù)單位：分TE4：目前應(yīng)用人工智慧的程度TE5：支持

AI

應(yīng)用需求的運(yùn)算資源2022

年2023

年2025

年TE1：目前數(shù)位化程度TE2：內(nèi)部資料的使用與存取狀況TE3：內(nèi)部資料處理方式2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

152025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01Technical

技術(shù)層面裝置端

AI

認(rèn)知不足，暗藏資安風(fēng)險(xiǎn)臺(tái)灣企業(yè)在

AI

運(yùn)算資源的部署上呈現(xiàn)多元化趨勢(shì)。根據(jù)調(diào)查，約四分之一的企業(yè)選擇使用私有雲(yún)（26.4%）、公有雲(yún)（25.3%）或混合雲(yún)（23%）來運(yùn)行

AI

相關(guān)應(yīng)用。此外，約兩成企業(yè)導(dǎo)入裝置端

AI，包括

AIPC、AI

平板、AI

手機(jī)（21.5%），以及

IoT

設(shè)備、車用系統(tǒng)、工業(yè)控制系統(tǒng)（17.4%）。AI

運(yùn)算完全發(fā)生於裝置端，進(jìn)而忽視潛在的數(shù)據(jù)安全與隱私風(fēng)險(xiǎn)。此外，許多企業(yè)與個(gè)人用戶對(duì)「裝置端

AI」與「雲(yún)端

AI」的區(qū)別認(rèn)識(shí)有限，甚至無法辨別兩者的運(yùn)作方式。這可能帶來潛在的資安威脅，特別是在生成式

AI

應(yīng)用的普及下，使用者可能不自覺地將敏感資料上傳至

AIChatbot，甚至長期處於開放網(wǎng)路環(huán)境，增加數(shù)據(jù)外洩的風(fēng)險(xiǎn)。根據(jù)

Canalys（現(xiàn)為

Omdia）報(bào)告，2024

年第四季

AI

PC

的出貨量達(dá)1540萬臺(tái)，占該季度

PC總出貨量的

23%，全年

AI

PC的滲透率達(dá)

17%，顯示市場(chǎng)對(duì)

AI

設(shè)備的需求快速成長。然而，實(shí)際的採購與使用情境與市場(chǎng)數(shù)據(jù)仍存在落差。例如，雖然許多消費(fèi)者購買了

AI

PC，但其

AI

功能多數(shù)仍需連網(wǎng)運(yùn)行，與「裝置端

AI」強(qiáng)調(diào)的本地端運(yùn)算概念具有落差。臺(tái)灣

98%

為中小企業(yè)，資源有限、導(dǎo)入

AI

面臨高門檻。在這樣的結(jié)構(gòu)下，「裝置端

AI」正是符合中小企業(yè)特性的最佳選擇?不僅成本較低、部署彈性高，更能有效解決資訊安全與機(jī)敏資料的顧慮。然而，目前多數(shù)企業(yè)對(duì)裝置端

AI的認(rèn)知仍有限，應(yīng)用場(chǎng)景尚在探索中，正因如此，更需要從

流程重構(gòu)、資料治理、人才整備

等關(guān)鍵面向，系統(tǒng)性地建立AI導(dǎo)入體系，讓裝置端AI成為臺(tái)灣中小企業(yè)轉(zhuǎn)型的關(guān)鍵跳板。這種錯(cuò)誤認(rèn)知可能導(dǎo)致資安風(fēng)險(xiǎn)的提升。部分消費(fèi)者與企業(yè)誤以為裝置內(nèi)建

AI

功能即代表所有

AI

運(yùn)算皆發(fā)生於本地端。然而，實(shí)際上，大部分

AI應(yīng)用仍依賴雲(yún)端進(jìn)行推論（Inference），裝置端僅負(fù)責(zé)呈現(xiàn)結(jié)果。這意味著數(shù)據(jù)仍需傳輸至雲(yún)端進(jìn)行處理，而許多使用者未意識(shí)到這一點(diǎn)，可能誤以為Technical

技術(shù)層面

Q7.

貴公司目前主要依賴哪些運(yùn)算資源支持

AI

應(yīng)用需求

?(

複選

)單位：％全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他BaseN=265僅私有雲(yún)

?Private

/edge

cloud?：企業(yè)內(nèi)部自行建置的雲(yún)端運(yùn)算平臺(tái)混合雲(yún)

?Hybridcloud?：公有雲(yún)及私有雲(yún)都有使用，透過安全協(xié)定連結(jié)各個(gè)公有雲(yún)及私有雲(yún)之間的資訊僅公有雲(yún)

?Publiccloud?:可供給大眾

?

包含企業(yè)、個(gè)裝置上

AI?On-DeviceAI?-

AIPC、AI

平板、AI

手機(jī)裝置上

AI?On-deviceAI?-

IoT

設(shè)備、車用系統(tǒng)、工業(yè)控制系統(tǒng)沒有運(yùn)算資源相關(guān)需求人

?

的雲(yún)端運(yùn)算平臺(tái)。例如：AWS、GCP、Azure、TWS、國網(wǎng)中心2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

162025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01成本與效率為首要考量，個(gè)人化價(jià)值影響深遠(yuǎn)卻被低估整體在評(píng)估

AI

運(yùn)算資源時(shí)，企業(yè)前三項(xiàng)考量因素為成本

?62.2%?、效能與效率

?58.7%?、隱私與安全

?57.5%?。臺(tái)灣企業(yè)在

AI

化進(jìn)程中，仍高度聚焦於成本與效率，但隨著

AI

技術(shù)的進(jìn)步，個(gè)人化應(yīng)用的價(jià)值將逐步浮現(xiàn)。企業(yè)若能善用個(gè)人化

AI，將能讓員工的

AI

輔助決策更符合個(gè)人經(jīng)驗(yàn)與專業(yè)背景，進(jìn)而提升組織整體的知識(shí)管理與決策品質(zhì)。未來，企業(yè)在部署

AI

方案時(shí)，應(yīng)重新評(píng)估個(gè)人化

AI

在內(nèi)部應(yīng)用的潛力，避免

AI

產(chǎn)出過度標(biāo)準(zhǔn)化，並充分發(fā)揮

AI

在提升個(gè)人價(jià)值與決策優(yōu)化方面的潛能。AI

工具的核心價(jià)值在於提升效率，而非適應(yīng)個(gè)別使用者的需求。實(shí)際上，個(gè)人化

AI

能夠根據(jù)使用者的歷史數(shù)據(jù)（如會(huì)議紀(jì)錄、郵件、檔案等）提供更貼合個(gè)人工作風(fēng)格的建議與決策輔助，企業(yè)若忽視個(gè)人化，可能導(dǎo)致組織內(nèi)部AI

產(chǎn)出的同質(zhì)化，使所有員工的

AI

產(chǎn)出趨於標(biāo)準(zhǔn)化，缺乏個(gè)人價(jià)值與專業(yè)洞察。這種現(xiàn)象不僅影響決策品質(zhì)，也可能降低企業(yè)內(nèi)部知識(shí)管理的精準(zhǔn)度與多樣性。相較之下，製造業(yè)等傳統(tǒng)產(chǎn)業(yè)對(duì)個(gè)人化

AI

的關(guān)注度較低，較多聚焦於標(biāo)準(zhǔn)化與流程優(yōu)化，將

AI

視為提升生產(chǎn)力的工具，而非強(qiáng)調(diào)個(gè)人化體驗(yàn)的助手。然而，隨著

AI

在企業(yè)內(nèi)部應(yīng)用的深化，個(gè)人化

AI

可能成為未來提升員工價(jià)值與決策精準(zhǔn)度的關(guān)鍵技術(shù)。此外，雖整體會(huì)考慮個(gè)人化因素的比例偏低，然零售貿(mào)易服務(wù)業(yè)也有近兩成表示評(píng)估

AI

運(yùn)算資源時(shí)會(huì)考慮個(gè)人化因素，可能與服務(wù)業(yè)重視客製化服務(wù)有關(guān)。在當(dāng)前的企業(yè)環(huán)境中，「?jìng)€(gè)人化」這一面向往往被忽略。企業(yè)普遍認(rèn)為Q6.

貴公司在評(píng)估

AI

運(yùn)算資源時(shí)，主要考量的因素是什麼？

(

複選，至多三項(xiàng)

)單位：％全體資通訊科技

(ICT)專業(yè)服務(wù)業(yè)零售貿(mào)易服務(wù)業(yè)製造業(yè)

/

政府機(jī)關(guān)

/

其他BaseN=315成本性能與效率隱私與安全可靠性即時(shí)性個(gè)人化2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

172025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER01應(yīng)用

AI

或執(zhí)行

AI

專案上主要面臨的挑戰(zhàn)整體而言，四成五的企業(yè)應(yīng)用

AI

最主要面臨的挑戰(zhàn)為「缺乏相關(guān)技術(shù)許多企業(yè)高層與決策者對(duì)

AI

的認(rèn)知分歧與期望模糊，這種認(rèn)知不一致，人才」，其次則是「公司資料尚未進(jìn)行整合」?37.5%?

與「目標(biāo)效益難以量化」?36.2%?。導(dǎo)致企業(yè)在導(dǎo)入

AI

時(shí)，對(duì)於應(yīng)該達(dá)成的成效缺乏統(tǒng)一標(biāo)準(zhǔn)，進(jìn)而影響後續(xù)的績效評(píng)估與決策制定。又或者如果連

AI

的運(yùn)作方式都不清楚，企業(yè)將更難衡量其對(duì)業(yè)務(wù)的真正貢獻(xiàn)。另一方面，AI

的應(yīng)用場(chǎng)景多元，例如客服自動(dòng)化、供應(yīng)鏈優(yōu)化、個(gè)人化推薦等，各自適用不同的績效衡量標(biāo)準(zhǔn)，若企業(yè)未有明確的導(dǎo)入路徑，將難以設(shè)定合理的評(píng)估方式，導(dǎo)致

AI

專案的成效與企業(yè)目標(biāo)脫鉤，影響長期價(jià)值評(píng)估。在產(chǎn)業(yè)方面，ICT

產(chǎn)業(yè)在應(yīng)用

AI

方面除了也有缺乏相關(guān)技術(shù)人才的挑戰(zhàn)外，同時(shí)也面臨到目標(biāo)效益難以量化與擔(dān)心企業(yè)資料外洩的問題；而對(duì)於專業(yè)服務(wù)業(yè)來說，則面臨到導(dǎo)入

AI

的金額成本太高的問題。兩者其實(shí)環(huán)環(huán)相扣，且涉及認(rèn)知落差、技術(shù)理解、數(shù)據(jù)品質(zhì)、評(píng)估體系與長期效益衡量等多重層面。Q16.

無論目前

AI

應(yīng)用的進(jìn)程如何，您認(rèn)為貴公司在應(yīng)用

AI

或執(zhí)行

AI

專案上，主要面臨以下哪些挑戰(zhàn)

?(

複選，至多五項(xiàng)

)全體

資通訊科技

(ICT)

專業(yè)服務(wù)業(yè)

零售貿(mào)易服務(wù)業(yè)

製造業(yè)

/

政府機(jī)關(guān)

/

其他單位：％BaseN=315缺乏相關(guān)技

公司資料尚

目標(biāo)效益術(shù)人才

未進(jìn)行整合

難以量化擔(dān)心企業(yè)

導(dǎo)入

AI

的

領(lǐng)導(dǎo)階層

AI

系統(tǒng)的IT

基礎(chǔ)建

維護(hù)和升級(jí)

風(fēng)險(xiǎn)難以

組織文化不

尚無應(yīng)用

能源成本耗其他資料外洩

金額成本太高對(duì)於

AI

認(rèn)

穩(wěn)定性和可

設(shè)不足知不足

靠性不足成本過高評(píng)估支持創(chuàng)新需求費(fèi)過高，不符合企業(yè)的節(jié)能減碳目標(biāo)2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

182025

臺(tái)灣產(chǎn)業(yè)

AI

化調(diào)查結(jié)果CHAPTER012025

產(chǎn)業(yè)

AI

化大調(diào)查結(jié)果發(fā)現(xiàn)·

產(chǎn)業(yè)對(duì)

AI

的認(rèn)知明顯增加，但如何真正落地應(yīng)用，仍是最大挑戰(zhàn)。這涉及企業(yè)數(shù)位轉(zhuǎn)型的成熟度。唯有數(shù)據(jù)基礎(chǔ)建設(shè)完善、內(nèi)部數(shù)位文化成熟，AI

才能真正發(fā)揮價(jià)值。調(diào)查背景與說明調(diào)查對(duì)象：瞭解公司應(yīng)用

AI

情形之企業(yè)代表，如部門主管或相關(guān)專業(yè)領(lǐng)域代表。調(diào)查方法：網(wǎng)路自填問卷。·

對(duì)

AI

的

認(rèn)

知

大

多

限

於「

雲(yún)

端

上

的

生

成

式

AI」，

缺

乏

對(duì)「

裝

置

上

AI」（On-Device-AI）及邊緣運(yùn)算的認(rèn)識(shí)。這種認(rèn)知落差不僅影響企業(yè)在資源分配、技術(shù)選型、應(yīng)用場(chǎng)景拓展及人才培養(yǎng)等關(guān)鍵決策，也可能為企業(yè)在AI

風(fēng)險(xiǎn)管理埋下隱患?！?/p>

成本、性能與效率，以及隱私與安全，正是透過「裝置上

AI」能夠解決的問題。惟認(rèn)知不足，恐成資安破口。調(diào)查期間：本年度

2025

年

1

月

5

日至

2

月

24

日。樣本數(shù)：本年度共

315

家企業(yè)。受訪企業(yè)所屬產(chǎn)業(yè)政府機(jī)關(guān)

/

社團(tuán)法人、財(cái)團(tuán)法人（公協(xié)會(huì)

/

基金會(huì)

/

產(chǎn)業(yè)公會(huì)）6.7%農(nóng)林漁牧礦

0.3%營建工程

1.9%資訊應(yīng)用（資通訊服務(wù)、系統(tǒng)整合、軟硬體代理開發(fā)）14.6%·

資訊服務(wù)業(yè)者轉(zhuǎn)型，是推動(dòng)產(chǎn)業(yè)

AI

化的重要助力?！?/p>

從供應(yīng)鏈韌性與安全來看，多元算力佈署至關(guān)重要。特別是在地緣政治風(fēng)險(xiǎn)升高的情況下，臺(tái)灣應(yīng)更積極推動(dòng)「分散式算力」策略，避免對(duì)集中式雲(yún)端運(yùn)算的過度依賴。傳統(tǒng)製造

17.8%製造業(yè)

/

營建工程

/

政府機(jī)關(guān)

/

其他

26.7%·

須從落地應(yīng)用的角度出發(fā)，重新定義何謂人工智慧人才。民生消費(fèi)（藝術(shù)、資通訊科娛樂休閒、住宿餐飲旅遊、租賃、保全、不動(dòng)產(chǎn)

/

人力仲介等）1.9%（ICT）科技製造業(yè)24.8%關(guān)於「臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查」40.6%零售貿(mào)易服務(wù)業(yè)

9.8%「臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查」由財(cái)團(tuán)法人人工智慧科技基金會(huì)統(tǒng)籌，並由時(shí)勢(shì)研究調(diào)查協(xié)辦，自

2022

年起每年定期實(shí)施，全面觀察臺(tái)灣產(chǎn)業(yè)

AI

化的演進(jìn)趨勢(shì)，為未來

AI

發(fā)展提供關(guān)鍵參考依據(jù)。2025

年與高通攜手合作，邀請(qǐng)來自臺(tái)灣

315

家企業(yè)的高層經(jīng)理人、主管及

AI

專案負(fù)責(zé)人參與，涵蓋科技製造、金融、零售、政府等十餘個(gè)產(chǎn)業(yè)領(lǐng)域。調(diào)查深入剖析企業(yè)在

AI

導(dǎo)入過程中所面臨的挑戰(zhàn)、認(rèn)知落差及未來發(fā)展關(guān)鍵行動(dòng)，不僅為產(chǎn)業(yè)提供重要決策參考，也協(xié)助企業(yè)制定更具前瞻性的

AI

發(fā)展策略，促進(jìn)臺(tái)灣產(chǎn)業(yè)在

AI應(yīng)用上的深化與突破。數(shù)位（網(wǎng)路遊戲、電商等）0.6%專業(yè)服務(wù)業(yè)

22.9%貿(mào)易

/

批發(fā)

/

零售

/

百貨

/賣場(chǎng)

/

運(yùn)輸

/

物流

/

倉儲(chǔ)7.3%出版

/

影音製作

/

傳播媒體/

行銷廣告

3.8%電信及網(wǎng)路服務(wù)供應(yīng)商

1.3%教育機(jī)構(gòu)

2.5%專業(yè)、科學(xué)及技術(shù)服務(wù)（工程顧問、檢驗(yàn)

/

研究單位等）6.3%金融

/

保險(xiǎn)

5.7%健康醫(yī)療（醫(yī)療保健及社會(huì)工作服務(wù)業(yè)）4.4%2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

1902CHAPTERAI

落地指引AI

落地指引CHAPTER02AI

落地關(guān)鍵的五大能力在推動(dòng)企業(yè)

AI

化的進(jìn)程中，許多企業(yè)已逐漸了解「數(shù)據(jù)、模型、算力」是

AI

發(fā)展的技術(shù)基礎(chǔ)。然而，實(shí)際落地應(yīng)用的成功與否，往往不僅止於技術(shù)建設(shè)，而需具備系統(tǒng)性、策略性的能力架構(gòu)。根據(jù)人工智慧科技基金會(huì)多年協(xié)助企業(yè)導(dǎo)入

AI

的實(shí)務(wù)經(jīng)驗(yàn)，歸納出企業(yè)

AI

導(dǎo)入的五大核心能力：數(shù)據(jù)力、運(yùn)算力、技術(shù)力、治理力與創(chuàng)新力，而在這五力之上，更需奠定一項(xiàng)橫跨所有環(huán)節(jié)的關(guān)鍵基礎(chǔ)?信任力（Trustworthiness），信任力是企業(yè)

AI

化的韌性根基，涵蓋資訊安全、模型穩(wěn)定性、隱私保護(hù)、道德與法規(guī)遵循等要素。數(shù)據(jù)力AI

的價(jià)值建立在高品質(zhì)且可運(yùn)用的資料之上。數(shù)據(jù)力代表企業(yè)是否具備完整的資料生命週期管理能力，從數(shù)據(jù)收集、清理、治理到應(yīng)用與再利用，皆須規(guī)劃完善。運(yùn)算力AI

應(yīng)用的規(guī)模化推動(dòng)需要相對(duì)應(yīng)的運(yùn)算支撐能力。運(yùn)算力涵蓋的不僅是高效能計(jì)算與雲(yún)端平臺(tái)的建置，更重要的是企業(yè)是否具備靈活調(diào)度運(yùn)算資源與成本效益的能力。這五大能力彼此相依、缺一不可，企業(yè)唯有在此架構(gòu)下全面?zhèn)鋺?zhàn)，方能讓

AI

不只是工具，而成為推動(dòng)轉(zhuǎn)型與創(chuàng)新的戰(zhàn)略引擎。信任力技術(shù)力韌性企業(yè)若要推動(dòng)

AI

不只是導(dǎo)入單一工具，更應(yīng)具備跨技術(shù)整合的能力。技術(shù)力反映在企業(yè)是否擁有

AI

模型建置、平臺(tái)選擇、MLOps

管理與

AI

人才儲(chǔ)備，包含內(nèi)部培訓(xùn)與外部招募並行的人才策略等核心技術(shù)實(shí)力。數(shù)據(jù)力數(shù)據(jù)治理力運(yùn)算力數(shù)據(jù)力創(chuàng)新力AI

要在實(shí)際環(huán)境中落地，需強(qiáng)化組織內(nèi)的橫向整合與垂直管理。治理力是連結(jié)上述能力的中樞神經(jīng)，強(qiáng)調(diào)企業(yè)能否建立清晰的責(zé)任歸屬、決策機(jī)制與風(fēng)險(xiǎn)控管體系。Domain算力AI

基礎(chǔ)設(shè)施X創(chuàng)新力技術(shù)力AI

的價(jià)值應(yīng)建立在能回應(yīng)實(shí)際業(yè)務(wù)痛點(diǎn)、創(chuàng)造差異化優(yōu)勢(shì)的前提下。創(chuàng)新力代表企業(yè)是否具備跨界整合、場(chǎng)景轉(zhuǎn)譯與快速試錯(cuò)的文化與制度。模型關(guān)於五大能力詳細(xì)文章，請(qǐng)點(diǎn)選連結(jié)

閱讀2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

21AI

落地指引CHAPTER02專家建議：中小企業(yè)轉(zhuǎn)型思考從「知道」到「做到」，尋找產(chǎn)業(yè)

AI

化的引爆點(diǎn)工業(yè)總會(huì)祕(mì)書長／呂正華相關(guān)知識(shí)擴(kuò)散在今年終於有明顯進(jìn)展，企業(yè)對(duì)

AI

的認(rèn)知度明顯提升；然而，要進(jìn)入落地應(yīng)用、AI

對(duì)企業(yè)產(chǎn)生實(shí)際價(jià)值的下個(gè)階段，卻似乎舉步維艱。連續(xù)三年，AI

技術(shù)能夠應(yīng)用或整合進(jìn)入企業(yè)營運(yùn)日常的比例，還沒有辦法超過三成。AI

知識(shí)逐漸普及，應(yīng)用落地仍有瓶頸歷任交通部、經(jīng)濟(jì)部，以及數(shù)發(fā)部等多項(xiàng)公職的呂正華，過去幾年扮演政府推動(dòng)產(chǎn)業(yè)

AI

化的重要推手，也與臺(tái)灣不同產(chǎn)業(yè)有密切接觸。他認(rèn)為，目前企業(yè)對(duì)

AI

已有一定程度的認(rèn)識(shí)，「已經(jīng)從『不知為不知』，進(jìn)入到『知之為知之』的階段了?！箙握A指出，相較幾年前多數(shù)企業(yè)對(duì)

AI

技術(shù)一知半解，現(xiàn)在大多數(shù)高階經(jīng)理人已具備基本理解，也知道

AI

具有潛力，並且努力找尋應(yīng)用方法。然而，從調(diào)查結(jié)果卻同時(shí)清楚看出，導(dǎo)入

AI

應(yīng)用從認(rèn)知到落地之間，仍然存在巨大落差。這正是當(dāng)前產(chǎn)業(yè)

AI

化的關(guān)鍵挑戰(zhàn)，也是大家必須共同努力突破的關(guān)卡。隨著全球產(chǎn)業(yè)版圖在政經(jīng)環(huán)境動(dòng)盪加壓下的劇烈變動(dòng)，人工智慧絕對(duì)是提升產(chǎn)業(yè)競(jìng)爭力不可或缺的技術(shù)。然而，根據(jù)《2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引》，臺(tái)灣有七成企業(yè)仍處於

AI

化前期。中華民國全國工業(yè)總會(huì)祕(mì)書長呂正華指出，目前臺(tái)灣產(chǎn)業(yè)的

AI

化進(jìn)展雖有增長，但仍然面臨多項(xiàng)挑戰(zhàn)與瓶頸，尤其在應(yīng)用落地與價(jià)值創(chuàng)造上仍待突破?？?/p>

關(guān)

在

哪

裡？

根

據(jù)

AIF

的

調(diào)

查，

臺(tái)

灣

企

業(yè)

AI

導(dǎo)

入

所

面

對(duì)

的

挑

戰(zhàn)，

從2019

年至今並沒有太多改變。首先是缺乏

AI

應(yīng)用策略。許多企業(yè)雖然知道

AI

的存在，但不清楚如何有效導(dǎo)入。這裡面牽涉到

AI

應(yīng)用需要和使用場(chǎng)景、數(shù)據(jù)結(jié)合，並且有清楚的問題意識(shí)。但這點(diǎn)對(duì)於臺(tái)灣習(xí)慣「硬體思維」的企業(yè)而言，是相當(dāng)大的挑戰(zhàn)。根據(jù)人工智慧科技基金會(huì)（AIF）每年進(jìn)行的《臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查》結(jié)果，在

2022

年底生成式

AI（Generative

AI）出現(xiàn)引爆臺(tái)灣

AI

熱之後，AI2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

22AI

落地指引CHAPTER02其次則是資源與預(yù)算限制，部分中小企業(yè)即使想要嘗試導(dǎo)入

AI，但礙於AI

並不是唯一，甚至也不算是真正的痛點(diǎn)。成本與技術(shù)門檻，常常在上了很多課、詢問很多專家之後，還是不敢真正投入。例如，面對(duì)川普的無差別關(guān)稅壓力，「很多企業(yè)主一早就急著看新聞，不知道今天又要怎麼了?！箙握A說，這種火燒眉毛的生存壓力，對(duì)經(jīng)營者來說是真實(shí)而無可迴避的當(dāng)務(wù)之急?！脯F(xiàn)在不做還不會(huì)怎樣」的數(shù)位轉(zhuǎn)型、AI

導(dǎo)入，重要性理所當(dāng)然被排到後面。人才短缺則是最普遍的問題，也是企業(yè)多年來一直尚未突破的挑戰(zhàn)。以人口結(jié)構(gòu)而言，勞動(dòng)人口原本就在下降；以產(chǎn)業(yè)而言，大部份人才在這幾年湧向半導(dǎo)體，出現(xiàn)明顯傾斜。而最根本的癥結(jié)點(diǎn)在於，AI

落地需要整合產(chǎn)業(yè)專業(yè)與

AI

技術(shù)開發(fā)知識(shí)，但目前許多

AI

技術(shù)開發(fā)者對(duì)產(chǎn)業(yè)知識(shí)理解有限，企業(yè)端又對(duì)

AI

的技術(shù)門檻卻步，兩者無法有效交流對(duì)話。除了「我們現(xiàn)在有更重要的事」之外，伴隨而來的迷思是「AI

還不成熟，現(xiàn)在導(dǎo)入只是白花錢」，以及「這些不急，等真的有壓力再說」。背後真正的關(guān)鍵是，很多企業(yè)主認(rèn)為短期看不到

AI

的效益，在不確定收益的情況下，低估技術(shù)造成的產(chǎn)業(yè)環(huán)境巨變，這樣的想法並不令人意外。但在政治經(jīng)濟(jì)環(huán)境劇烈動(dòng)盪的此刻，恐怕反而錯(cuò)失能夠突圍而出的關(guān)鍵機(jī)會(huì)。如何跨越

AI

應(yīng)用的鴻溝？尋找「引爆點(diǎn)」呂正華指出，因?yàn)檫@些原因，臺(tái)灣許多產(chǎn)業(yè)的

AI

應(yīng)用仍處於初期階段，尚未達(dá)到大規(guī)模普及與產(chǎn)生顯著影響的「引爆點(diǎn)」（Tipping

Point）。他認(rèn)為，許多產(chǎn)業(yè)的

AI

應(yīng)用還在引爆點(diǎn)的另一邊，需要有更大的助力與推力才能點(diǎn)燃。清晰的

AI

落地指引，讓「知道」變?yōu)椤缸龅健箓鹘y(tǒng)產(chǎn)業(yè)應(yīng)用

AI

同樣有成功機(jī)會(huì)。呂正華以

IKEA

的鋁件最大海外代工商芳德鑄鋁為例，芳德從兩年前開始導(dǎo)入

AI

與物聯(lián)網(wǎng)技術(shù)，希望透過

AI

與物聯(lián)網(wǎng)技術(shù)，建立智慧供應(yīng)鏈，提升生產(chǎn)良率與效率。引爆點(diǎn)指的是，AI

與企業(yè)核心業(yè)務(wù)的深度整合。要深度整合，必須從產(chǎn)業(yè)端啟動(dòng)，找尋可以應(yīng)用

AI

的場(chǎng)景、想要解決的問題。在過去

AI1.0

時(shí)代，企業(yè)可能需要花許多時(shí)間清理數(shù)據(jù)、訓(xùn)練模型。不過，導(dǎo)入的過程遠(yuǎn)比相像更複雜。例如鋁製相框，表面上看起來只有尺吋

3X5、4X6

的差異，但實(shí)際上藝術(shù)相框的花樣、質(zhì)感有千百種，需要老師傅的經(jīng)驗(yàn)才能夠完美銲接。製造業(yè)導(dǎo)入

AI

時(shí)，通常會(huì)將老師傅的動(dòng)作拆解之後，再交給資訊服務(wù)廠商或資訊部門設(shè)計(jì)成自動(dòng)化流程。不過，這種方式做出來的智慧製造，通常表現(xiàn)都不如預(yù)期。進(jìn)入

AI

2.0

時(shí)代，有了生成式

AI

這個(gè)強(qiáng)大的模型，還有許多開源模型可以使用，中小企業(yè)與

AI

應(yīng)用的距離已經(jīng)愈來愈近。不過，根據(jù)呂正華的觀察，雖然技術(shù)進(jìn)步很快，但對(duì)於產(chǎn)業(yè)經(jīng)營者而言，決策的思考重點(diǎn)還有很多，2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

23AI

落地指引CHAPTER02而芳德的做法是，雖然同樣錄製師傅的動(dòng)作，再分析慢動(dòng)作影像，差異企業(yè)導(dǎo)入

AI

政府應(yīng)思考如何提供誘因在於錄影及拆解動(dòng)作階段，資訊團(tuán)隊(duì)就必須加入，更細(xì)緻從數(shù)據(jù)分析的角度來拆分流程與影像，「關(guān)鍵在於必須從產(chǎn)業(yè)的領(lǐng)域知識(shí)出發(fā)?！箙握A解釋，資訊團(tuán)隊(duì)必須進(jìn)入場(chǎng)域中，才能找到最佳應(yīng)用方案，「應(yīng)該是

Domain

加上AI，而不是

AI

加上

Domain?！怪领墩缪莸慕巧?，呂正華認(rèn)為關(guān)鍵在於引導(dǎo)和支持，並且思考如何提供誘因，鼓勵(lì)企業(yè)進(jìn)一步探索和應(yīng)用

AI。同時(shí)應(yīng)積極了解產(chǎn)業(yè)真實(shí)需求與痛點(diǎn)，建立完整的產(chǎn)業(yè)

AI化藍(lán)圖（Roadmap?

與相關(guān)配套措施，協(xié)助企業(yè)有效跨越

AI

應(yīng)用的關(guān)鍵引爆點(diǎn)。魔鬼的確就在細(xì)節(jié)裡。這個(gè)外人看不出太大差異的定位，卻是企業(yè)

AI

化過程中最常被忽略的關(guān)卡。呂正華表示，接任工總祕(mì)書長之後，有許多不同產(chǎn)業(yè)法人組織來詢問

AI

導(dǎo)入方法。因?yàn)槠髽I(yè)慢慢發(fā)現(xiàn)，無論深度是否足夠、理解是否完全正確，就算對(duì)於

AI

都已經(jīng)有基本認(rèn)識(shí)，也正在尋找能夠應(yīng)用的需求，但卻缺乏可供遵循的步驟和細(xì)節(jié)。落實(shí)產(chǎn)業(yè)

AI

化是一個(gè)長期且複雜的過程，且牽涉許多利害關(guān)係人。跟過去的軟體技術(shù)導(dǎo)入不同，更需要政府與產(chǎn)業(yè)界共同努力，在既有的優(yōu)勢(shì)基礎(chǔ)上，找到對(duì)的問題和數(shù)據(jù)，協(xié)力建立健康的

AI

生態(tài)系，才能真正推動(dòng)臺(tái)灣產(chǎn)業(yè)升級(jí)，厚植下個(gè)世代的韌性與競(jìng)爭力。因此，目前更需要的是針對(duì)不同產(chǎn)業(yè)擬定落地指引，讓企業(yè)能夠從「知道」一步步邁向「做到」。有了具體可行的落地指引之後，呂正華指出，產(chǎn)業(yè)

AI

化要能真正進(jìn)入引爆點(diǎn)，需要

AI

技術(shù)開發(fā)者、資通訊業(yè)者與各產(chǎn)業(yè)專家間更緊密合作，共同開發(fā)符合產(chǎn)業(yè)需求的

AI

解決方案以及

AI

代理（AIAgent）?；貞?yīng)企業(yè)普遍缺乏

AI

人才的問題，他認(rèn)為，臺(tái)灣現(xiàn)階段迫切需要培育跨域型的人才，也就是既懂

AI

技術(shù)又能掌握產(chǎn)業(yè)實(shí)務(wù)的人才。而這些人不見得需要從外面找，更快且更有效的方式是賦能現(xiàn)有員工，「這些人將是

AI

在企業(yè)落地的關(guān)鍵種子?！?025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

24AI

落地指引CHAPTER02專家建議：數(shù)據(jù)治理如何進(jìn)行好數(shù)據(jù)才能讓

AI

真正落地，「數(shù)據(jù)治理

1234

原則」創(chuàng)造轉(zhuǎn)型價(jià)值中原大學(xué)智慧運(yùn)算與大數(shù)據(jù)碩士學(xué)位學(xué)程副教授／胡筱薇?？祁I(lǐng)域，不僅對(duì)模型的精準(zhǔn)度要求更高，對(duì)應(yīng)的資料也必須具備更強(qiáng)的代表性、完整性與決策支持能力。那麼，企業(yè)該如何因應(yīng)這樣的轉(zhuǎn)變，真正發(fā)揮數(shù)據(jù)的價(jià)值？中原大學(xué)智慧運(yùn)算與大數(shù)據(jù)碩士學(xué)位學(xué)程副教授胡筱薇指出，當(dāng)企業(yè)思考「什麼樣的數(shù)據(jù)標(biāo)準(zhǔn)足以支撐

AI

應(yīng)用落地」時(shí)，應(yīng)跳脫僅以合規(guī)性或結(jié)構(gòu)性為核心的傳統(tǒng)資料治理框架。取而代之的，是從組織策略層級(jí)出發(fā)，思考如何讓數(shù)據(jù)成為推動(dòng)創(chuàng)新、創(chuàng)造價(jià)值並提升競(jìng)爭力的核心資產(chǎn)。換言之，AI

導(dǎo)入不只是技術(shù)升級(jí)，更牽涉到組織對(duì)數(shù)據(jù)能力的重新定位。胡筱薇強(qiáng)調(diào)，企業(yè)所需的「數(shù)據(jù)力」不再是單一維度的技術(shù)支援，而是涵蓋資料標(biāo)準(zhǔn)制定、決策支持、部門協(xié)同與持續(xù)優(yōu)化等在內(nèi)的多維整合能力。在導(dǎo)入

AI

的歷程中，企業(yè)的焦點(diǎn)也從「是否有資料」轉(zhuǎn)向「資料是否能創(chuàng)造決策價(jià)值」。數(shù)據(jù)、模型與算力向來被視為

AI

落地的核心要素，其中，「數(shù)據(jù)」被視為能否實(shí)現(xiàn)

AI

落地的關(guān)鍵起點(diǎn)。然而，即便多數(shù)企業(yè)已意識(shí)到數(shù)據(jù)的潛在威力，實(shí)務(wù)上仍面臨「知道重要，卻難以善用」的困境。資料雖被收集與存儲(chǔ)，但未能有效轉(zhuǎn)化為組織決策的動(dòng)能，遑論推動(dòng)

AI

專案落地與擴(kuò)展?！纲Y料必須被視為動(dòng)態(tài)進(jìn)化的企業(yè)資產(chǎn)，才能真正支撐

AI

系統(tǒng)的長期學(xué)習(xí)與即時(shí)反饋，進(jìn)而產(chǎn)生效益。」胡筱薇強(qiáng)調(diào)，合規(guī)的資料，若無法被業(yè)務(wù)靈活調(diào)用、隨需求演進(jìn)，最終也只是一筆「死數(shù)據(jù)」。舉例來說，使用者過去可能透過

Google

搜尋，但如今資訊探索已轉(zhuǎn)向短影音或社群平臺(tái)。這種行為模式的改變，也在提醒企業(yè)必須掌握「即時(shí)且有意義的數(shù)據(jù)」。能夠反映當(dāng)下需求、持續(xù)更新、可被有效轉(zhuǎn)化為商業(yè)洞察的，才稱得上是「活資料」。AI

時(shí)代的數(shù)據(jù)觀：數(shù)據(jù)也需要「與時(shí)俱進(jìn)」隨著

AI

的技術(shù)與應(yīng)用逐漸成熟，企業(yè)對(duì)

AI

的期待已從「技術(shù)展示」與「具話題性」的應(yīng)用，轉(zhuǎn)向更具價(jià)值導(dǎo)向與解決問題能力的垂直整合型應(yīng)用。以醫(yī)療影像診斷為例，從大範(fàn)圍的「癌癥檢測(cè)」進(jìn)一步細(xì)分為乳癌、肺癌等2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

25AI

落地指引CHAPTER02從數(shù)位化邁向數(shù)據(jù)價(jià)值創(chuàng)造：資料須直接連結(jié)使用場(chǎng)景胡筱薇強(qiáng)調(diào)，數(shù)據(jù)治理從來不可能只是「組幾個(gè)人湊成Data

Team」就能推動(dòng)的任務(wù)。也不該僅交由技術(shù)部門負(fù)責(zé)。原因很簡單：只有真正了解業(yè)務(wù)運(yùn)作邏輯與價(jià)值所在的人，才有能力定義何謂有價(jià)值的數(shù)據(jù)。胡筱薇進(jìn)一步指出，數(shù)據(jù)化的重點(diǎn)在於資料可被使用，因此需要討論並建立數(shù)據(jù)標(biāo)準(zhǔn)，例如主資料（Master

Data）、中繼資料（Metadata）、欄位定義（Codebook）等。然而，即便具備資料標(biāo)準(zhǔn)，從資料應(yīng)用走向價(jià)值創(chuàng)造仍有一段差距。這要求企業(yè)建立更進(jìn)階的資料治理思維，讓資料標(biāo)準(zhǔn)也能如同

AI

模型一般，隨情境演進(jìn)而持續(xù)優(yōu)化。舉例來說，不論該主管負(fù)責(zé)的是產(chǎn)品、客戶、人力資源、物流或其他業(yè)務(wù)範(fàn)疇，皆應(yīng)由其明確界定其所需數(shù)據(jù)的價(jià)值及應(yīng)用邊界。因?yàn)槊课恢鞴芏汲袚?dān)特定職能與目標(biāo)，因此他們對(duì)數(shù)據(jù)實(shí)際用途及策略價(jià)值的掌握最為清楚。胡筱薇說，當(dāng)前企業(yè)在面對(duì)資料標(biāo)準(zhǔn)與治理議題時(shí)，不該再侷限於資料量多寡上，而應(yīng)聚焦於「資料的價(jià)值密度」。所謂價(jià)值密度，指的是一筆資料是否能夠?qū)?yīng)到具體應(yīng)用場(chǎng)景，並有效驅(qū)動(dòng)決策與業(yè)務(wù)行動(dòng)。她指出：「如果資料無法與實(shí)際使用場(chǎng)景產(chǎn)生連結(jié)，那它的價(jià)值便難以真正被發(fā)揮。」對(duì)於多數(shù)企業(yè)而言，儘管傳統(tǒng)上會(huì)以部門劃分職責(zé)，但現(xiàn)今許多企業(yè)已採用矩陣式的組織架構(gòu)，部門邊界日益模糊。因此，若要進(jìn)行數(shù)據(jù)價(jià)值的判定，最直觀且務(wù)實(shí)的做法，是由各自的業(yè)務(wù)主管來主導(dǎo)。尤其臺(tái)灣企業(yè)普遍存在的資料孤島（或稱資料穀倉，silo

effects）現(xiàn)象，亦即多數(shù)企業(yè)僅針對(duì)單一部門進(jìn)行局部優(yōu)化，缺乏橫向整合與跨域協(xié)作的機(jī)制，導(dǎo)致資料無法有效流通，進(jìn)而無法支撐

AI

系統(tǒng)所需的完整資料流程與應(yīng)用鏈。進(jìn)一步地，當(dāng)企業(yè)進(jìn)行數(shù)據(jù)治理規(guī)劃時(shí)，由於治理本身即涉及權(quán)責(zé)分配與制度規(guī)範(fàn)的建立，這與城市治理的邏輯類似。在這個(gè)過程中，必須由幾個(gè)關(guān)鍵角色負(fù)責(zé)制定相關(guān)規(guī)則與執(zhí)行標(biāo)準(zhǔn)，以確保治理落實(shí)並具一致性。須建立完整框架推動(dòng)數(shù)據(jù)治理綜觀這幾年許多企業(yè)導(dǎo)入

AI

成效不彰，很多人以為是缺乏人才或資料不夠，但細(xì)究根本原因，往往在於資料治理與應(yīng)用流程脫鉤。因?yàn)?/p>

AI

導(dǎo)入多半仍由

IT

部門主導(dǎo)，而實(shí)際業(yè)務(wù)部門多處於被動(dòng)角色，導(dǎo)致治理與應(yīng)用之間出現(xiàn)斷裂，各部門各自為政、難以整合。就算在

IT

部門裡面組成資料中心或AI

團(tuán)隊(duì)，只要無法掌握使用場(chǎng)景、流程與數(shù)據(jù)之間的連結(jié)，同樣無法突破這個(gè)限制。為了協(xié)助企業(yè)在面對(duì)資料斷層、治理難題時(shí)，能建立一套具有邏輯性與技術(shù)導(dǎo)向的標(biāo)準(zhǔn)路徑，因而提出以下一套具體且可操作的資料治理思維框架，從策略原則、具體原則到能力指標(biāo)，提供企業(yè)參考。2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

26AI

落地指引CHAPTER02數(shù)據(jù)治理第一原則：Revenue數(shù)據(jù)治理第三原則：建構(gòu)資料治理的

3V胡筱薇指出，企業(yè)若要將數(shù)據(jù)視為資產(chǎn)，就必須同步建立可衡量價(jià)值的機(jī)制，即所謂的「資料資產(chǎn)估值模型」。然而，數(shù)據(jù)估值並不如傳統(tǒng)資產(chǎn)那樣能在財(cái)報(bào)中清楚列示，且每家企業(yè)的商業(yè)模式與資料應(yīng)用場(chǎng)景皆不同，難以以單一指標(biāo)評(píng)估。但企業(yè)可以從泛化角度，設(shè)計(jì)出一套適合自身的評(píng)估矩陣，用以分析數(shù)據(jù)如何直接或間接驅(qū)動(dòng)營收（Revenue）。Validity

｜有效性企業(yè)須建立業(yè)務(wù)的因果關(guān)係，將資料依決策影響力分類、比重，以提升資料治理的策略性與效率。以客服場(chǎng)景為例，若能系統(tǒng)性地整理客戶來電記錄、問題類型、回覆時(shí)間與客戶滿意度之間的關(guān)聯(lián)，企業(yè)便可優(yōu)化服務(wù)流程，進(jìn)而降低退貨率或提高轉(zhuǎn)換率。數(shù)據(jù)治理第二原則：強(qiáng)化資料合規(guī)能力

2C藉由建立「資料—決策影響力評(píng)估矩陣」，了解資料與決策間的連結(jié)，從治理的角度建立資料決策影響力。Compliance

｜合規(guī)性傳統(tǒng)的資料隱碼或遮蔽方式已難以因應(yīng)現(xiàn)今

AI

模型強(qiáng)大的反推能力。胡筱薇指出，企業(yè)應(yīng)導(dǎo)入「差分隱私（Differential

Privacy）」技術(shù)，在保障個(gè)資的同時(shí)，不影響模型訓(xùn)練與統(tǒng)計(jì)分析的準(zhǔn)確性。此技術(shù)透過資料擾動(dòng)與雜訊注入，使單筆資料無法被辨識(shí)，有效防止個(gè)資洩漏風(fēng)險(xiǎn)。Velocity

｜即時(shí)性資料處理的即時(shí)性與時(shí)效性對(duì)金融產(chǎn)業(yè)尤其重要。但胡筱薇提醒，企業(yè)常以為資料處理越即時(shí)越好，於是在這方面投入大量資源，但事實(shí)上，並非所有資料都需即時(shí)處理，反而更應(yīng)建立資料分級(jí)制度，根據(jù)資料類型、風(fēng)險(xiǎn)程度與應(yīng)用需求，動(dòng)態(tài)配置處理節(jié)奏。Confidentiality

｜機(jī)敏保護(hù)差分隱私技術(shù)在零售、金融等高度依賴用戶行為數(shù)據(jù)的產(chǎn)業(yè)中尤其關(guān)鍵。搭配制度性治理工具，如「PIA（Privacy

Impact

Assessment，隱私衝擊評(píng)估）」，企業(yè)可從制度與技術(shù)兩個(gè)層面交叉防護(hù)，系統(tǒng)性評(píng)估資料處理過程中可能對(duì)個(gè)資造成的風(fēng)險(xiǎn)，並採取對(duì)應(yīng)的風(fēng)控設(shè)計(jì)。同時(shí)，企業(yè)還應(yīng)同時(shí)思考「審查週期」與「更新頻率」等合規(guī)性的問題，因?yàn)檫@涉及資料治理的能力。Variety

｜多樣性胡筱薇強(qiáng)調(diào)，當(dāng)企業(yè)已具備處理非結(jié)構(gòu)資料的能力，下一步更應(yīng)思考如何讓資料標(biāo)準(zhǔn)化，進(jìn)而與國際標(biāo)準(zhǔn)接軌。以醫(yī)療影像

AI

為例，若資料僅符合2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

27AI

落地指引CHAPTER02國內(nèi)

TFDA

認(rèn)證標(biāo)準(zhǔn)，仍難以進(jìn)入國際市場(chǎng)，唯有同時(shí)符合美國

FDA

等規(guī)範(fàn)，才能真正打開全球應(yīng)用通路。這也突顯，資料治理應(yīng)建立可對(duì)接國際的標(biāo)準(zhǔn)體系，涵蓋資料交換、資訊安全與語意對(duì)齊等關(guān)鍵維度。冊(cè)，這不僅提升管理效率，也強(qiáng)化了

AI

決策所需的資料透明性與信任基礎(chǔ)。Data

Accessibility

｜可存取意指資料安全機(jī)制的設(shè)計(jì)與使用授權(quán)的控管機(jī)制。企業(yè)需確保資料在開放應(yīng)用的同時(shí)，具備足夠的防護(hù)機(jī)制來防止未授權(quán)存取。這樣的能力在

AI

模型訓(xùn)練過程中特別關(guān)鍵。因?yàn)槟Ｐ退蕾嚨馁Y料，通常需具備結(jié)構(gòu)清晰、標(biāo)註透明、具備分析價(jià)值的特性，方能支撐訓(xùn)練品質(zhì)與結(jié)果可信度同時(shí)，還需要考量隱私性問題。除了透過技術(shù)進(jìn)行隱私保護(hù)之外，也要思考治理相關(guān)的評(píng)估制度。落實(shí)資料治理的「4D

能力」Debuggability

｜可除錯(cuò)企

業(yè)

應(yīng)

從

四

個(gè)

關(guān)

鍵

面

向

建

立

資

料

治

理

的

基

礎(chǔ)

能

力，

即「4D

能

力

模型

」

?Discoverability（

可

發(fā)

現(xiàn)

）、Data

Accessibility（

可

存

取

）、Debuggability（可除錯(cuò)）、Deployability（可部署），為資料在

AI

系統(tǒng)中的全流程應(yīng)用提供有力支撐。AI

模型的效能高度依賴資料品質(zhì)，而資料常因空值、格式錯(cuò)誤、欄位覆蓋率不足等問題，導(dǎo)致預(yù)測(cè)偏差與決策錯(cuò)誤。Debuggability

意指企業(yè)能否辨識(shí)並修正資料異常的能力。胡筱薇指出，這項(xiàng)能力相當(dāng)於企業(yè)是否具備進(jìn)行資料除錯(cuò)（debug）與修正的能力，確保資料品質(zhì)隨使用過程持續(xù)累積與維持。Discoverability

｜可發(fā)現(xiàn)胡筱薇解釋，「資料可發(fā)現(xiàn)」意指資料應(yīng)具備清楚的來源、處理歷程與責(zé)任節(jié)點(diǎn)，能被查詢、識(shí)別與追蹤，這也就是業(yè)界常提到的「資料血脈（DataLineage）」能力。舉例來說，早期福特汽車透過要求整體供應(yīng)鏈導(dǎo)入標(biāo)準(zhǔn)化系統(tǒng)，使其能即時(shí)追溯零件來源、生產(chǎn)時(shí)間與責(zé)任廠商，有效控管品質(zhì)風(fēng)險(xiǎn)與營運(yùn)流程。Deployability

｜可部署企業(yè)若無法將資料應(yīng)用順利部署於實(shí)際業(yè)務(wù)流程中，即使建置完成資料管線或模型訓(xùn)練，也難以真正創(chuàng)造價(jià)值。企業(yè)應(yīng)具備將

AI

解決方案部署至Beta

或

PoP（Proof

of

Product）階段的能力，並進(jìn)一步實(shí)現(xiàn)自動(dòng)化執(zhí)行，減少人工作業(yè)流程。在現(xiàn)今企業(yè)中，許多金控業(yè)、製造業(yè)等資料密集型組織，已導(dǎo)入企業(yè)級(jí)Data

Catalog（資料資產(chǎn)目錄）系統(tǒng)，用以建立完整的資料地圖與資產(chǎn)登記2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

28AI

落地指引CHAPTER02專家建議：軟體轉(zhuǎn)型勢(shì)在必行不是「為了

AI

而

AI」，強(qiáng)化企業(yè)韌性才是關(guān)鍵宏碁資訊服務(wù)股份有限公司總經(jīng)理／周幸蓉宏碁資訊總經(jīng)理周幸蓉指出，這正是企業(yè)導(dǎo)入

AI

時(shí)最常見的誤區(qū)。有些客戶會(huì)希望鎖定最先進(jìn)的技術(shù)，但實(shí)際上未必需要那麼複雜的模型。比起炫技，更重要的是「夠用、好用、能落地」的方案。例如有客戶提到「對(duì)岸模型比較好用」，但受限於法規(guī)與資安，根本無法採用。「能否落地，比技術(shù)是不是最先進(jìn)更關(guān)鍵?！惯@樣的理解，源自宏碁資訊長期深耕企業(yè)技術(shù)導(dǎo)入現(xiàn)場(chǎng)的實(shí)務(wù)經(jīng)驗(yàn)，該公司整合自元碁、太碁、華瞻與第三波等公司，長期專注於

B2B

的

IT

應(yīng)用服務(wù)。在雲(yún)端尚未普及之際，即投入解決方案建構(gòu)，並以顧問諮詢、加值服務(wù)、系統(tǒng)建置與維運(yùn)為核心，多年來協(xié)助企業(yè)與政府深化數(shù)位轉(zhuǎn)型，建立長期合作關(guān)係。多年實(shí)務(wù)經(jīng)驗(yàn)累積下，已建立從地端到雲(yún)端至

AI

的完整落地服務(wù)能力及完整的客戶旅程。也看到不少企業(yè)在導(dǎo)入過程中，因缺乏清晰定位而陷入錯(cuò)誤方向。因應(yīng)地緣風(fēng)險(xiǎn)，企業(yè)更需強(qiáng)化資訊韌性有不少企業(yè)期待運(yùn)用

AI

帶來數(shù)位轉(zhuǎn)型，然而真正的根本是「強(qiáng)化經(jīng)營韌性」。除了技術(shù)導(dǎo)入，面對(duì)外部環(huán)境劇變時(shí)，企業(yè)是否具備足夠的韌性，更決定了其應(yīng)變能力與長期競(jìng)爭力。面對(duì)近期川普關(guān)稅政策再起所引發(fā)的全球供應(yīng)鏈震盪，更凸顯了及早佈局資訊架構(gòu)的重要性。在媒體推波助瀾下，許多企業(yè)爭相投入

AI，紛紛採購設(shè)備、自建算力系統(tǒng)，事後卻發(fā)現(xiàn)缺乏對(duì)應(yīng)用場(chǎng)景與實(shí)際需求的清晰規(guī)劃。這種「為了

AI

而AI」的盲目投資、「先買再說」的從眾現(xiàn)象，主因是缺乏策略與明確目標(biāo)。事實(shí)上，AI

導(dǎo)入不只是技術(shù)工程，更關(guān)乎組織決策能力與方法論的建立。周幸蓉提到，近期團(tuán)隊(duì)正好協(xié)助一家企業(yè)完成公司核心

ERP

系統(tǒng)的上雲(yún)作業(yè)，該專案在兩三年前即開始規(guī)劃，並在去年正式啟動(dòng)。當(dāng)時(shí)該企業(yè)在做這個(gè)決策的時(shí)候，還未想到資訊系統(tǒng)的重要，甚至認(rèn)為將系統(tǒng)分散部署到不同區(qū)域的廠區(qū)就足以應(yīng)對(duì)風(fēng)險(xiǎn)。但當(dāng)無差別關(guān)稅政策衝擊到全球產(chǎn)線，這套雲(yún)端系統(tǒng)就成為他們應(yīng)變布局的關(guān)鍵?無論企業(yè)決定到某定設(shè)置新廠時(shí)，協(xié)助企業(yè)釐清需求、找出正確切入點(diǎn)，是

AI

落地的關(guān)鍵課題。根據(jù)人工智慧科技基金會(huì)《2025

產(chǎn)業(yè)

AI

化大調(diào)查》，目前仍有七成企業(yè)尚未真正啟動(dòng)

AI

旅程，這當(dāng)中有三成雖具備基本認(rèn)知，卻苦無明確起點(diǎn)；或者，急於導(dǎo)入「有用的

AI

工具」，卻忽略自身?xiàng)l件、資料基礎(chǔ)以及法規(guī)與資安等限制。2025

臺(tái)灣產(chǎn)業(yè)

AI

化大調(diào)查暨

AI

落地指引

29AI

落地指引CHAPTER02系統(tǒng)皆可即時(shí)啟動(dòng)、快速運(yùn)行，協(xié)助企業(yè)穩(wěn)定展開營運(yùn)。轉(zhuǎn)型的起點(diǎn)：從確立價(jià)值開始隨著各大公有雲(yún)業(yè)者資料中心紛紛落地臺(tái)灣，也為原本受限於監(jiān)管與資安考量的行業(yè)提升了上雲(yún)的可行性與彈性。例如金融業(yè)過去因《金融資安行動(dòng)方案》等政策限制，銀行與保險(xiǎn)業(yè)者多半只能採用私有雲(yún)或自建機(jī)房。但金管會(huì)近年放寬公有雲(yún)使用規(guī)範(fàn)，企業(yè)得以在「可控、可監(jiān)督、可驗(yàn)證」的條件下採用混合雲(yún)架構(gòu)。這不僅可加速開發(fā)數(shù)位金融服務(wù)，更有助於提升系統(tǒng)可擴(kuò)展性與營運(yùn)效率。企業(yè)要成功推動(dòng)

AI

應(yīng)用，首要關(guān)鍵在於釐清「為什麼轉(zhuǎn)型」，也就是明確定義轉(zhuǎn)型的目標(biāo)、理由與價(jià)值，並以此為核心來選擇合適的科技與推進(jìn)路徑。宏碁資訊總經(jīng)理周幸蓉指出，AI

導(dǎo)入不必一開始就全面展開，而應(yīng)採取「積小勝為大勝」的策略，從最迫切的需求出發(fā)、集中資源進(jìn)行驗(yàn)證，逐步推展至其他部門，這才是務(wù)實(shí)有效的路徑。實(shí)務(wù)經(jīng)驗(yàn)顯示，若一開始就要求每個(gè)部門提出一個(gè)

AI

構(gòu)想，反而容易流於應(yīng)付，導(dǎo)致提出的需求空泛、不具體，甚至無法對(duì)