追逐下一個大事件：為什麼人工智慧開始看起來很像區塊鏈 2.0

人工智慧 (AI) 已佔據各大媒體頭條。從 AI 生成的藝術作品到複雜的聊天機器人，幾乎每個行業都為此感到興奮。創投蜂擁而​​至，商界領袖們也紛紛宣稱自己的企業將「AI 優先」。 

然而，對於許多經歷過2010年代末期區塊鏈熱潮的人來說，卻有一種似曾相識的感覺。這並非一項技術第一次向世界承諾，卻在實踐上兌現得遠遠不夠。

2017年，區塊鏈也曾被大肆炒作。有些公司只是在名字上加上「區塊鏈」二字，就眼睜睜地看著股價飆升，卻往往沒有真正的產品或應用策略。 

如今，人工智慧正沿著一條驚人相似的軌跡發展。我們所見證的不僅是創新，更是經典科技炒作週期的另一個演進。

理解技術成熟度曲線

Gartner 提出的技術炒作週期，描繪了新興技術如何在過高的預期下蓬勃發展，然後跌入幻滅，最終實現永續價值的過程。識別這一周期有助於企業區分有意義的創新和誇大的行銷，並避免代價高昂的失誤。

最近的一個例子是 Meta 斥資 40 億美元進軍元宇宙 —現在很多人認為這個專案是內部產生的炒作泡沫，最終未能實現。 

正如紅杉資本合夥人康斯坦丁·布勒 (Konstantine Buhler) 在《華爾街日報》首席資訊長網路高峰會上所說，「我們 defi“我們肯定處於炒作週期中，尤其是對於生成式人工智慧而言。”他補充道，就實現真正的商業價值而言，“我們甚至還處於起步階段。”

當口碑超過業績時

區塊鏈的炒作充滿了戲劇性但往往是空洞的進展。一家汽水公司更名為「長鏈區塊鏈公司」（Long Blockchain Corporation），儘管本身並沒有任何區塊鏈產品，但其股價一夜之間飆升了400%。柯達推出了一項名為「柯達幣」（KodakCoin）的加密貨幣計劃，該計劃曾短暫提振其股價，但隨後逐漸淡出人們的視線。

現今的人工智慧運動也帶有類似的警示訊號。像Klarna這樣曾經高度依賴人工智慧客戶服務的公司，後來在客戶滿意度下降後撤回了這個決定。 BuzzFeed嘗試轉向人工智慧生成內容的嘗試未能挽救其陷入困境的業務，而CNET的人工智慧撰寫文章被發現包含多個事實錯誤，損害了信任。

這些案例揭示了一個規律：人工智慧就像之前的區塊鏈一樣，灌輸了一些難以快速兌現的承諾。結果往往令人失望。

努力實施人工智慧的公司

儘管人工智慧備受關注，但大多數組織仍不確定如何從中獲得持續、可衡量的價值。董事會會議室充滿了疑問：這會徹底改變我們的營運方式，還是只是分散我們的注意力？這是一個機遇，還是代價高昂的誤導？

研究來自 麥肯錫 德勤 德勤最近的調查顯示，企業正逐步從實驗階段轉向認真的企業級應用。但也存在一些阻力：合規性擔憂日益加劇，在短短幾個月內就從28%躍升至38%。同時，69%的受訪者認為，全面實施強大的人工智慧治理框架將需要一年以上的時間。

麥肯錫2025年1月發布的報告是基於對全球商界領袖的採訪，發現儘管幾乎所有公司都在投資人工智慧，但只有XNUMX%的公司認為他們的努力已經成熟。員工普遍已準備好擁抱這項技術，但領導層往往在將潛力轉化為行動方面落後。

以下數字反映了這種脫節：

• 只有 19% 的 C 級主管表示 AI 計畫帶來的營收成長超過 5%。
• 39% 的企業報告成長率在 1% 至 5% 之間。
• 36% 的人表示沒有任何變化。

最大的問題依然存在：人工智慧只是另一個被誇大的技術承諾嗎？還是說，人工智慧投資（RoAI）真的能帶來真正的回報？

德勤應用人工智慧負責人 Jim Rowan 認為，答案在於長期策略。他指出，儘管“人們期望很高”，但要獲得有意義的回報，需要治理、協作和迭代的意願。著眼於未來的領導者明白，人工智慧的回報將逐步顯現，而非一蹴可幾。

企業為何不斷追殺炒作

擁抱新興科技的衝動主要由三個關鍵因素驅動：過高的期望、短期思維和有缺陷的執行。

為了保持競爭力並打動投資者，高階主管常常拋出宏偉的願景，卻不去打好基礎。為了展現創新精神，企業部署了未經驗證的系統，並期望單憑創新就能帶來回報。

現實情況是，這種方法常常令人失望——並非因為技術缺乏前景，而是因為缺乏支撐它的基礎。如果應用範圍過廣且缺乏策略意圖，即使是最強大的工具也會失效。

阻礙人工智慧潛力發揮的五大障礙

Michael de Kare-Silver，Signium UK 執行合夥人， 觀察到  儘管付出了所有努力，但尚未有任何組織找到實現一致 RoAI 的「靈丹妙藥」。 

這些障礙很多，而且我們都很熟悉：

1. 分散試點和實驗：許多公司允許員工嘗試使用 Microsoft CoPilot 或 ChatGPT 對於小任務來說。但這些試驗缺乏協調性——不同的團隊測試不同的工具，沒有中央監督或共享學習。
2. 缺乏統一策略：如果沒有一個覆蓋整個組織的框架，人工智慧的採用就會變得支離破碎。對於誰應該使用人工智慧、出於何種目的以及何時使用人工智慧，人們缺乏明確的定義。
3. 害怕未知：人工智慧長期價值的不確定性使許多公司處於觀望狀態。正如德·卡雷-西爾弗所說：“沒有哪個領導者願意冒險把錢扔進水里。”
4. 數據衛生不良：高品質的數據是高效人工智慧的基石。然而，許多公司缺乏清晰、標準化的資料庫，導致輸出結果有缺陷，行為難以預測。
5. 沒有專門的人工智慧領導：人工智慧通常被丟到已經負擔過重的技術長或資料主管的職責範圍內。但有意義的人工智慧部署需要專注的全職領導。 

De Kare-Silver 對英國電信、施耐德電氣和荷蘭國際集團等公司任命專門負責人工智慧策略的高階主管表示讚賞。

那麼，人工智慧只是另一個科技幻象嗎？

答案並非非此即彼。人工智慧並非泡沫，也不是魔杖。它的影響完全取決於如何部署。對一家公司來說，人工智慧聊天機器人或許可以清理積壓的支援工作。而對於另一家公司來說，詐欺偵測工具或許可以防止代價高昂的違規行為。

毋庸置疑的是，人工智慧將改變未來的工作方式——包括工作內容、工作對象和工作方式。但只有企業能夠清晰、自律、有遠見地推進工作，這種轉變才能持續下去。

企業不應盲目追逐潮流，而應專注於實際用例，並在清晰理解風險的情況下採用人工智慧。實施企業級治理。設計符合當前營運和未來目標的策略。

「為什麼」應該始終先於「如何」。

透過將人工智慧視為一種工具（數位工具箱中的眾多工具之一），而不是救世主，公司可以做出更明智的決策，並避免那些成為早期炒作週期受害者的命運。