《 人工智慧價值的關鍵就隱藏在顯而易見之處：就是你的營運模式 》
此份麥肯錫研究指出，企業若要將 人工智慧（AI） 轉化為實質價值，關鍵不在於單一技術，而是在於重新設計其營運模式。
這些領先企業傾向採用敏捷組織架構、以技能為導向的人才管理及動態資源分配，展現出更強的執行速度與策略清晰度。
成功的核心在於將技術、流程與外部生態系統視為互補的系統，而非孤立的數位工具。
最終，該報告建議領導者應專注於 端到端的價值創造，並透過建立靈活的應變能力，讓組織在 AI 時代保持持久的競爭優勢。
資料來源:
McKinsey & Company (2026)The key to AI value is hiding in plain sight: Your operating model , McKinsey Quarterly , September 9, 2026
《 資訊公司轉型為產業 AI 顧問平台的策略建議 》
AI浪潮正在逼台灣資訊服務業重新回答一個老問題：
我們究竟是在賣技術，還是在賣解決問題的能力？
過去二、三十年，台灣資訊公司最熟悉的商業模式，是系統整合（SI）。
客戶提出需求，資訊公司派出顧問、專案經理、工程師，經過需求訪談、系統開發、測試、上線，最後以專案金額或人天計價。這套模式曾經非常有效，因為企業的數位化，本來就需要大量客製化。
但生成式AI與AI Agent正在改變這個邏輯。
AI不只是另一項可以被導入企業的資訊技術，而正在重新定義「軟體如何被生產」、「知識如何被使用」，甚至「企業如何組織工作」。
麥肯錫近年的研究也指出，AI真正產生價值的關鍵，不只是把AI工具接到既有流程，而是重新設計工作流程、組織模式與治理機制。
這意味著，台灣資訊公司下一階段真正需要思考的，不是「如何成為一家更會做AI的SI公司」，而是：
能不能從賣人力，轉向賣知識；
從做專案，轉向經營平台；
從一次性交付，轉向建立長期的產業AI生態系？
我認為，這可能是台灣資訊服務業下一個十年的關鍵轉型。
傳統SI最大的資產，是工程師。
客戶有需求，就增加人力；
專案變大，就增加人力；
需要更多技術，就再找更多工程師。
因此，SI的收入與「人數 × 工時」高度相關。
問題是，AI恰恰正在降低部分軟體開發與知識工作的邊際成本。
如果一家公司仍然用「工程師人天」作為主要商業模式，它很可能陷入一個矛盾：
AI越進步，原本最值得賣的工時，反而越容易被壓低價值。
真正應該升值的，不再只是「誰會寫程式」，而是：
換句話說，AI時代最稀缺的資源，
逐漸從「寫程式的人」，
轉向「理解產業、知識與信任的人」。
這也是資訊公司轉型的第一個關鍵。
如果要從SI走向AI顧問平台，第一個改變應該發生在人力結構。
未來的核心團隊，不應該只有工程師，而應該由三種角色共同組成。
第一種，是Domain Translator，產業知識翻譯師。
他可能是一位退休廠長、資深品管主管、金融法遵主管、醫療管理者，甚至是一位在產業裡工作三、四十年的老師傅。
他們未必懂最新的AI模型，但知道企業真正怎麼運作。
他們能回答一個AI工程師很難回答的問題：
「這個流程表面上是這樣做，但真正決定結果的know-how，到底藏在哪裡？」
第二種，是Trust Officer，AI信任官。
這個角色可以由資安、法遵、律師與AI治理專家組成。
企業導入AI之後，問題不只是「AI能不能做」，而是「AI做錯了誰負責？」
這些問題會成為企業大規模採用AI的關鍵。
第三種，是AI Knowledge Extractor，AI知識萃取師。
這可能是傳統工程師最重要的轉型方向。
他們不再只是把需求轉成程式，而是把人的經驗轉換成AI可以使用、測試與持續優化的知識資產。
例如：
SOP、Prompt、RAG知識庫、Evaluation Dataset、Golden Questions、Decision Rules、Agent Workflow。
也就是把「老師傅腦袋裡的東西」，變成企業可以持續使用的AI資產。
這裡有一個非常重要的觀念轉變。
很多企業談AI，仍然停留在：
「我要不要做一個Chatbot？」
但企業真正需要的，往往不是另一個聊天視窗。
真正有價值的是：
把企業長期累積的知識，轉換成可以被AI調用的資產。
例如，一家製造企業有30年的維修經驗。
傳統做法是把維修手冊數位化。
AI時代則可以進一步把它變成：
「故障診斷知識庫＋維修Agent＋評測資料集＋決策規則＋專家覆核機制」。
如此一來，企業買到的就不只是「一套系統」，而是一套可以持續更新的AI能力。
這也使資訊公司的收入邏輯開始改變。
過去：
需求 → 開發 → 交付 → 結案。
未來：
知識萃取 → AI資產化 → 評測 → 認證 → 上架 → 訂閱 → 持續治理。
兩者最大的差異在於：
前者每次都重新賣人力；
後者則開始累積公司的資產。
如果只做到AI顧問，公司仍然可能只是另一種專案服務商。
真正具有平台想像力的下一步，是建立：
「台灣產業AI的App Store＋AI認證與治理平台。」
想像一家中小企業需要一個「食品製造品質管理AI」。
它不必從零開始找一家SI公司，重新做需求訪談、系統開發。
它可以直接進入平台：
搜尋 → 試用 → 評測 → 認證 → 訂閱。
平台上可以有不同產業的AI應用：
製造AI、金融AI、醫療AI、零售AI、農業AI、營造AI、客服AI、法遵AI……
而平台本身不一定要開發所有App。
它更重要的工作，是建立三件事：
知識標準、應用標準、信任標準。
這就是從「做系統」走向「做生態系」。
AI越普及，企業真正害怕的可能不是沒有AI，而是：
不知道哪個AI可以相信。
因此，未來AI平台可能出現一個新的基礎服務：
AI App Certification。
一個AI應用上架之前，必須經過：
最後形成一個企業看得懂的「AI信任履歷」。
這會讓平台的角色從：
Marketplace
進一步變成：
Marketplace＋Trust Infrastructure。
這件事情尤其值得台灣資訊服務業思考。
因為台灣的優勢並不只在於軟體技術。
台灣擁有非常密集的製造、供應鏈、金融、醫療與中小企業網絡。
如果能把這些產業Know-how與AI結合，形成「產業知識＋AI應用＋治理認證」的標準，資訊服務業就有機會從專案承包商，轉變成產業AI基礎設施提供者。
這也與台灣目前推動「百工百業AI智慧應用」的政策方向形成呼應。
國發會2026年的AI新十大建設，已將產業AI化與中小微企業AI應用列為重要方向。
商業模式改變，組織也必須跟著改。
傳統SI通常依照技術分部門：
PM、SA、Developer、QA、資安……
AI時代則可以改成以產業為核心的「戰鬥小隊」。
一個小隊只有三種核心角色：
1位產業知識翻譯師＋1位AI知識萃取師＋1位AI信任官。
例如成立：
製造AI Squad、金融AI Squad、醫療AI Squad、零售AI Squad。
每個小隊不只是負責「完成一個專案」，而是負責讓這個產業的AI應用持續成長。
這種跨職能、小型、以成果為導向的組織，也符合目前對AI時代組織設計的觀察：企業需要從傳統功能型組織，逐漸轉向更小型、跨功能、以結果為中心的團隊。
如果公司嘴巴說自己是AI平台，KPI卻仍然是：
專案數、人天、工時、結案率、工程師利用率，
那麼組織最後一定會重新回到SI。
真正的平台KPI應該變成：
這裡的核心轉變，是從「專案思維」走向「生命週期思維」。
SI的終點是結案。
平台的終點不是結案，而是續訂。
大型科技公司可以提供通用模型。
但通用模型並不等於產業Know-how。
這些知識不會直接存在於一個通用模型裡。
因此，台灣資訊公司真正值得累積的，不只是Model或Code，而是：
Industry Knowledge Graph
＋ Evaluation Dataset
＋ AI Workflow
＋ Governance Standard。
這四者累積越多，平台就越有價值。
最後形成一個AI產業飛輪。
台灣已經站在一個很特殊的位置。
一方面，政府正在以AI新十大建設推動產業AI化；
另一方面，2026年的企業調查也顯示，AI導入正在從單純工具使用，逐漸涉及流程、自動化與職能重組。
這對資訊服務業是一個訊號。
未來最值得擔心的，不一定是「AI會不會取代工程師」。
更值得思考的是：
如果AI降低了軟體開發的成本，那麼一家資訊公司的價值，到底還剩下什麼？
答案可能不是更多工程師。
而是更多：
產業理解、知識資產、信任機制與平台網絡。
因此，資訊公司的轉型不應只是：
SI → AI SI。
而應該是：
SI → AI顧問 → AI平台 → 產業AI生態系。
最後，公司真正販售的東西，也會發生根本改變：
這可能才是台灣資訊服務業面對AI浪潮，真正值得思考的下一個商業模式。
因為AI時代最後留下來的，不一定是「最會做系統的公司」。
而可能是：
最懂產業、最能把知識變成資產、最能建立信任，
也最能讓不同AI應用彼此連結的公司。
那時候，資訊公司不再只是企業的IT外包商。
而會成為企業進入AI時代的——
專家傳真 - 服務業數位轉型 需可實戰的創新方法論， 2018 年 05 月 18 日，工商時報 https://www.chinatimes.com/newspapers/20180518000297-260202 服務業如何結合 ICT 科技，進行數位化轉型...
