2025年12月5日 星期五

《 馬斯克AI經濟預言的真實與虛幻：通縮、工作與金錢消失的現實分析 》


 

資料來源： 
Elon Musk與Nikhil Kamath播客訪談「People by WTF Ep. 16」（2025年11月30日發佈）
撰文角度： 
複雜經濟學、制度經濟學、實證分析


前言:科技烏托邦遇見經濟現實

馬斯克在2025年11月30日的播客訪談中提出了一系列大膽預測：
 
馬斯克在與Nikhil Kamath的訪談中論述了：AI將如何根本改變經濟結構。
該訪談時長超過2小時，涵蓋：通縮、工作未來和金錢消失等主題。
作為特斯拉、SpaceX和Neuralink等多家企業的領導者，馬斯克無疑是當代最具影響力的科技企業家。
馬斯克的預測往往能左右市場預期和政策制定者的思維。
但是，這一次的預言是否真如字面所暗示般迫在眉睫？
抑或只是一場華麗的科幻修辭，掩蓋了對真實經濟複雜性的過度簡化？


1. 通縮預言的假設困境

馬斯克論述的核心邏輯： 

馬斯克提出了一個簡潔的公式——若生產率增長超過貨幣供應增速，經濟將進入通縮。(產出增長 > 貨幣增長 → 物價下降)
由此，馬斯克論證，AI和機器人的爆炸性生產力進步必將超越政府的印鈔速度，在三年內造成全球通縮。

這個邏輯框架存在多層次的問題。

(1)首先，馬斯克採用了過度簡化的「MV=PQ」貨幣方程式，將複雜的現代經濟體系簡化為一條直線。
真實世界的貨幣供應量、流通速度、價格水準和實際產出之間的關係遠比公式複雜。
貨幣供應不是固定的外生變數，而是內生的，受市場需求、銀行借貸行為和央行政策的多重影響。

(2)其次，馬斯克的預測忽視了一個關鍵事實：
即使AI和機器人提升了生產效率，這種生產力收益的分配方式將決定通縮是否真正到來。
如果這些收益集中在少數科技企業和富人手中，大多數人的實際購買力反而可能下降，抵消任何供給端的通縮壓力。
這涉及到所謂的「分配問題」——長期以來被主流經濟學忽視的核心議題。

現實數據檢驗
根據 美國勞工統計局（BLS）官方數據：
  • 2020年12月：通膨率1.4%
  • 2023年12月：通膨率3.4%
  • 2024年12月：通膨率2.9%
觀察： 
若AI生產力提升確能立即抑制物價，應見通縮跡象。
現實是通膨已受控但未轉向通縮。
這表明經濟系統的適應能力比簡單公式所預示的更強。

根據 國際機器人聯合會（IFR）最新報告：
  • 2020年：全球工業機器人銷售-5.3%（COVID影響）
  • 2023年：+5.1%（恢復）
  • 2024年：+3.5%
結論： 
Musk 的邏輯： 
AI/機器人導致生產力（供給）爆炸式增長 > 貨幣增長 ⭢ 結構性通縮。

這種增長速度遠未達到能在三年內徹底改變整體經濟結構的規模。

應對策略：
✅ 可能性：中等偏高，但短期完全實現「全國性通縮」可能偏樂觀。
  • 個人：多元投資（通膨保護資產 vs. 生產力股）、技能更新以掌握 AI 工具。
  • 企業：提前布局 AI 自動化，提高效率以應對可能的價格壓力。
  • 政府：貨幣政策需靈活，防止供給型通縮引起經濟失衡。


2. 工作消失的社會想像

馬斯克預言： 

馬斯克論述在10-20年內，AI和機器人將接手所有人類工作，從而解放人類進入一個不需要工作的時代。
這個想像的問題在於，將「技術可能性」與「社會實現」混為一談。
即使技術上可以實現完全自動化，社會現實往往另有其他路徑。

工作在當代社會的角色遠超經濟功能。
工作提供身份認同、社群歸屬感、自我實現的平台，以及時間結構和日常意義。
心理學研究一再表明，失業不僅導致經濟困難，更會引發心理障礙和社會問題。
況且，「所有工作都能被自動化」這個假設本身就值得商榷。

許多涉及人類判斷、創意、倫理決策和複雜社交互動的職業
——從心理治療到藝術創作，從公共外交到社區照護——
短期內機器難以勝任。

經濟學家們對此有一個經典觀察：
隨著社會發展，服務業比重不斷上升，而服務業通常難以完全自動化（鮑莫爾成本病）。
此外，即使技術上可行，政治經濟的角力將決定自動化的速度和方向。
企業在勞動力便宜的開發中國家也許沒有動力實現完全自動化。
工會和工人政治的阻力可能延緩這一進程。
不同國家和地區的發展速度差異巨大，全球同步轉型的可能性極低。

現實數據檢驗
根據 國際勞工組織（ILO）官方統計：
  • 2020年：全球失業率5.6%
  • 2023年：5.1%
  • 2024年：4.8%-5.0%（估值）
結論：
Musk 的邏輯： 
AI/機器人滿足所有基本需求 ⭢ 工作不再是生存必需 ⭢ UBI 成為必然。
 
失業率下降而非上升，與「工作消失」預言的直接預期不符。

應對策略：
✅ 可能性：中等偏低，10–20 年內部分工作可選，但全面性尚難實現。
  • 個人：學會與 AI 協作，而非完全依賴 AI；培養「非可替代能力」如創意、判斷、情感管理。
  • 企業：探索彈性工作模式，實施 AI + 人類協作，提高生產力。
  • 政策：提前設計 UBI 或類似社會保障制度試點。


全民基本收入真實試點
最直接的證據來自真實的UBI試點實驗。 
根據 芬蘭社會保障機構（Kela）官方報告：

實驗設計：
  • 參與者：2,000名失業者（隨機抽樣）
  • 時間：2017年11月至2018年10月（2年）
  • 月度支付：560歐元（稅免、無條件）
  • 對照組：2,000人，未接收基本收入
結果：
  • 基本收入組平均就業天數：78天
  • 對照組平均就業天數：73天
  • 差異：5天（僅一週）
官方結論：「就業效果很小」

心理福祉指標：
  • 基本收入組報告生活滿意度更高
  • 心理壓力和焦慮感更少
含義： 
即使人們無條件獲得足以維生的基本收入，他們仍然尋求工作。
這表明工作的動力來自多元因素，而非單純的經濟必需性。
但這只是2年、2000人的小規模試驗，不足以推導長期大規模社會轉型。


2.1 全民基本收入的理想與現實

馬斯克暗示： 

馬斯克暗示「全民基本收入」（Unconditional Basic Income,UBI）將成為必然的經濟解決方案。
馬斯克使用了「全民高收入」(Universal High Income, UHI)  而非「基本收入」的措辭，暗示AI創造的財富將足以讓所有人過上富足生活。

這裡的樂觀主義令人印象深刻，但也掩蓋了實施UBI的深層挑戰。

(1)首先是資金問題。
UBI需要龐大的財政轉移支付，資金從何而來？
提高稅收將面臨富人和企業的反對，並可能降低投資和創新動力。
碳稅、機器人稅或AI稅的想法雖然新穎，卻有著巨大的政治和技術障礙。

(2)其次是行為激勵問題。
經濟學理論擔憂，如果人們的基本需求得到保障，而無論是否工作，這可能削弱工作動力，進而影響整體生產力。

但是，根據芬蘭2017-2018年的官方實驗結果，這個擔心被部分推翻了。 
參與者更滿意生活、經歷更少精神壓力，且對經濟福祉的看法更為正面。
然而，關鍵之處在於，UBI並未改變就業率（78天 vs 73天，差異極小）。
這表明人們工作的動力來自多元因素，而非單純的經濟必需性。

(3)第三是國際競爭問題。
假設某個國家實現了高額UBI ，但全球經濟一體化的背景下，這可能導致資本外流、高端人才流失。
這個難題在國際政治經濟學中長期困擾著決策者。


3. 金錢消失的烏托邦想像

馬斯克論述： 

馬斯克提出長期來看金錢將消失。
馬斯克認為在AI充分發展後，物質稀缺性消失，分配問題自動解決，金錢因此變得多餘。

馬斯克引用了科幻作家伊恩·班克斯 (Iain Banks)《文化》系列 (Culture Series 10 Books) 小說中的「後稀缺經濟」概念。這是一個令人著迷但高度理想化的想像。
其基本假設是：稀缺性→分配問題→金錢需求。
因此，無稀缺性→無分配問題→無金錢。

但這個邏輯鏈條在現實中斷裂了。
即使物質商品充分，其他形式的稀缺性依然存在。
  • 地理位置是稀缺的——你無法讓所有人都住在心儀的城市。
  • 時間是稀缺的——你無法分身參加所有你想參加的活動。
  • 社會地位和聲望是稀缺的——並非每個人都能成為名人或領袖。
這些稀缺性不會因為AI而消失，反而可能更加凸顯。

結論： 
Musk 的邏輯： 
後稀缺經濟 ⭢ 勞動不再稀缺 ⭢ 作為「勞動力分配資料庫」的金錢失去意義。

而且，金錢的功能遠超分配工具。
金錢是價值儲存手段（為什麼要相信未來政府的承諾？）、風險轉移工具（保險、期權等衍生品）、交換媒介和記帳單位。
即使在完全自動化的社會，這些功能仍然存在。

應對策略：
✅ 可能性：低，長期概念性討論可行，但 50 年內實現概率極低。
  • 個人：理解資產、能源與生產力的關聯，投資於能產生實物價值或能量資源的領域。
  • 企業：布局能源與資源高效利用技術。
  • 政策：探索後稀缺社會模型的經濟與社會試點。


3.1 能源才是真正的貨幣

馬斯克主張： 

馬斯克宣稱「能源才是真正的貨幣」，政府可以印鈔票，但不能「印」能源。
能源受物理定律限制，是真正稀缺的資源。
這個觀點在某些層面有其吸引力，但同樣需要檢驗。
能源確實是經濟活動的基礎，但本身也需要分配機制。
馬斯克宣稱「能源將成為真正的貨幣」，但能源同樣受限，同樣需要分配機制，本質上只是將「金錢」這個概念易名而已。

太陽能的真實進展
根據 國際可再生能源機構（IRENA）2024年官方報告：
太陽能平準化電力成本（LCOE）：
  • 2020年：0.068美元/千瓦時
  • 2023年：0.044美元/千瓦時（下降35%）
  • 2024年：0.043美元/千瓦時
太陽能安裝成本（TIC）：
  • 2024年：691美元/千瓦
長期趨勢：
  • 2010-2024年累積降幅：87%
結論：
馬斯克關於太陽能成本下降的論斷在數據上是正確的。
然而，廉價能源並未自動導致財富均等分配。
歷史上，石油豐富的國家有的陷入「資源詛咒」，一方面能源充足，另一方面貧困與不平等加劇。


4.歷史的教訓與當下的現實

審視歷史，我們會發現類似的大預言往往被現實溫和了。
  • 1960年代關於「工作周將縮短到20小時」的預測並未實現；
  • 2010年代關於「X職業將在十年內消失」的預言大多落空；
  • 2020年代初關於「遠程工作將徹底改變城市房地產」的預測也顯得過於絕對。
經濟變遷往往比技術進步緩慢。
制度、文化、政治和心理因素，會以我們難以預測的方式改變技術的社會影響。

19世紀通縮的歷史對比
根據 Broadberry & Voth (2010)的經濟史研究，英國在1870-1890年間經歷了被稱為「大蕭條」的時期，其間物價持續下降。
這發生在機械化和工業化大幅提升生產力的背景下。
然而，即使在這樣的環境中，社會並未自動進入馬斯克所想像的烏托邦狀態。
反而，這次通縮伴隨著帝國主義擴張、勞資衝突激化。

當今的浮動匯率制、央行政策工具和全球經濟治理與19世紀的金本位時代差異巨大。


5.複雜經濟學的視角

制度決定論，而非技術決定論

根據2023年 MIT經濟學家Daron Acemoglu和Simon Johnson的著作
《權力與進步：科技變革與共享繁榮之間的千年辯證》
(Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity)：

核心主張： 
技術進步並不必然帶來廣泛的繁榮。
中世紀歐洲的農業和建築技術進步導致教堂建築浪潮，但農民的實際財富沒有增加。
為什麼？因為進步創造的財富被精英階層完全攫取。

20世紀對比： 
汽車工業在1900-1930年代大幅提升生產率，同時創造了40萬高薪就業。
為什麼這次技術進步導致工資上升？答案在於制度和政治力量。
當工人具有組織和政治權力時，企業被迫提供優厚薪酬。

結論： 
技術進步的社會結果由政治選擇和制度決定，而非技術本身決定。
Acemoglu和Johnson明確指出，AI的發展前景有兩條路：
  • 一條是將機器設計成盡可能替代人類，
  • 另一條是將機器設計成對人類有用。
當前AI路線既不利於經濟，也不利於民主。


總結：多元思維與行動

馬斯克的預測提供了一個極具思想實驗價值的框架，幫助我們思考AI時代的可能未來。
但是，若將其作為確定的預言來規劃政策，將是危險的。

真實的應對之道應當更為謙遜：
  • 一方面，我們需要認真對待AI帶來的實際經濟變化，從教育到社保，從稅收制度到勞動法的改革都應提上議程；
  • 另一方面，我們應避免被宏大的烏托邦敘事所迷惑，而是關注眼前的分配不公正、地域不均等發展和社會風險。

AI時代，不是一個非此即彼的未來。
介於馬斯克的烏托邦和末日論之間，存在著無數種可能的人類未來。
我們以複雜的、多元的思維方式思考這些可能性，而不是簡單地相信或否定一位企業家的預言。

經濟的未來，最終還是掌握在我們每個人的選擇和行動中。

  • 對應第一階段：通縮趨勢的應對 (5-10年視野)

領域

影響

應對策略

工作技能

腦力工作（編程、法律、會計、

文案）的價值將被通縮。

專注於 AI 無法替代的技能：

情緒智能、人際溝通、決策與戰略、實體操作（高難度護理、藝術創作、機器人維護/操作）。

投資

債券/現金的實質購買力因通縮而增加。

高負債公司承壓。

資產配置多元化。

長期持有在 AI 時代依然稀缺的資產：

能源、水資源、AI 基礎設施 (晶片、電力)、

擁有 AI 模型的公司股權。

消費/負債

由於商品價格下降，

持有現金/低利率債務更具優勢。

減少非必須的高利息消費負債。

等待 AI/機器人技術成熟後，以更低的價格購買商品和服務。

  • 對應第二/三階段：後稀缺社會的應對 (10-20年視野)

領域

影響

應對策略

個人價值

工作不再定義自我，

身份危機來臨。

從「貢獻者」轉變為「探索者/創作者」。

培養非功利性的愛好、藝術、社區參與和哲學探索。

將人生的重心轉向體驗、學習和人與人的連結。

社會結構

財富高度集中，

UBI 可能帶來社會惰性。

提倡社會創新與治理改革：

不僅是 UBI，

更要思考如何分配 AI 的產權 (UBI 的資金來源)、

如何提供非工作的「意義」給社會大眾。

能源意識

能源成為真正的稀缺/貨幣。

關注並投資於再生能源技術。

培養節約能源、提高效率的習慣。

將能源的獲取和使用視為一種重要的長期生活規劃。

圖表分析:



參考文獻

1. 原始預言資料
Elon Musk: A Different Conversation with Nikhil Kamath | People by WTF Ep. 16 發佈日期：2025年11月30日

https://www.youtube.com/watch?app=desktop&v=4l7XHQWHzLA


2. 自動化與就業——最重要研究
Acemoglu, Daron & Simon Johnson (2023). Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity. 
牛津大學/麻省理工學院經濟學家的當代最權威著作

Frey, Carl Benedikt & Michael A. Osborne (2017). "The Future of Employment: How Susceptible are Jobs to Computerisation?" Technological Forecasting and Social Change, 114, 254-280. https://www.sciencedirect.com/science/article/pii/S0040162516302244
Autor, David H. (2022). "The Labor Market Plays Out: Why Robots Don't Displace Workers (Yet)." Journal of Economic Perspectives, 36(2), 3-30. https://www.aeaweb.org/articles?id=10.1257/jep.36.2.3

3. AI經濟影響——官方評估
IMF (2024). World Economic Outlook: Artificial Intelligence and the Global Economy. https://www.imf.org/en/Publications/WEO
McKinsey Global Institute (2024). Generative AI and the Future of Work. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/generative-ai-and-the-future-of-work
Stanford University (2024). AI Index Report 2024. 

4. 全民基本收入——實證試點
Kela (Finnish Social Insurance Institution, 2020). Results of Finland's Basic Income Experiment 2017-2018.
Banerjee, Abhijit V., et al. (2022). "Understanding the Economic Impacts of UBI: Evidence from Kenya's GiveDirectly Universal Basic Income Experiment." NBER Working Paper Series, No. 28941.

5. 收入不平等——數據基礎
World Inequality Database (2024).
Piketty, Thomas (2014). Capital in the Twenty-First Century. https://piketty.pse.ens.psl.eu/en/capital21c

6. 通縮與貨幣政策——數據
Federal Reserve Economic Data (FRED). Consumer Price Index for All Urban Consumers 
U.S. Bureau of Labor Statistics (2024). Consumer Price Index - All Urban Consumers https://www.bls.gov/cpi/

7. 機器人與自動化進展
International Federation of Robotics (2024). World Robotics 2024 Industrial Robots Report. 

8. 能源經濟學
International Renewable Energy Agency (IRENA, 2024). Renewable Power Generation Costs in 2024. 
International Energy Agency (IEA, 2024). World Energy Outlook 2024. https://www.iea.org/

9.王伯達觀點(2025)

https://www.facebook.com/share/p/19cijPa2Ch/

馬斯克最近在一個訪談中說了一段很驚人的話：

  • 「3 年內，我們會面臨通縮。」
  • 「10-20 年內，工作會成為可選項。」
  • 「長期來看，金錢會消失。」

這不是科幻小說，是他基於 AI 發展速度的冷靜預測。

更驚人的是，他給出了具體的時間表和經濟邏輯。

⸻

＃第一階段：3 年內的通縮革命

Musk 用一個簡單的公式解釋通膨/通縮：

- 如果產出增長 < 貨幣增長 → 通膨

- 如果產出增長 > 貨幣增長 → 通縮

現在的問題是什麼？

美國每年增加約 2 兆美元貨幣供應（透過財政赤字），

但商品服務產出增長趕不上。

結果？通膨。

2022-2023 年，美國通膨率一度超過 9%，是 40 年來新高。

Fed 被迫激烈升息，從接近 0% 升到 5.5%。

但 Musk 說，這個局面很快會逆轉。

因為 AI 和機器人正在爆發性提升生產力，

而且這個速度，會超過政府印鈔的速度。

我在之前的貼文也提到過，

AI 終結鮑莫爾效應，服務業可能也要迎來大規模產出。

當 AI 能做所有腦力工作、機器人能做所有體力工作，

實質產出會爆炸性成長。

而貨幣供應？無法跟上。

結果：通縮。

這不是經濟衰退導致的通縮（需求崩潰），

而是生產力爆發導致的通縮（供給暴增）。

⸻

＃第二階段：10-20 年內工作成為可選項

Musk 說：

如果 AI 和機器人持續快速進步，

10-20 年內，工作將成為可選項。

不是所有人都會失業，

而是工作不再是「生存必需」，成為「個人選擇」。

想工作？可以。

不想工作？也沒關係。

因為 AI 和機器人會生產足夠的商品和服務，

滿足所有人的基本需求。

Musk 說：

人們可以擁有任何他們想要的商品和服務。

如果你能想到，你就能擁有。

＃UBI的必然性

如果工作不再是必需，人們如何生活？

答案可能是：全民基本收入（Universal Basic Income, UBI）。

Musk 說過：

在未來，每個人都會有『universal high income』（全民高收入），

不是 basic，是 high。

為什麼？

因為 AI 和機器人創造的價值太高了，

足以讓所有人過上富足生活。

但這會帶來一個深層問題。

＃當工作消失後我們是誰？

Musk 說：

我們正走向奇點（singularity）。

你不知道事件視界之後會發生什麼。

當工作不再是必需，人生的意義從哪裡來？

過去，工作定義了我們：

「你是做什麼的？」

「我是工程師/律師/老師。」

但如果工作成為可選項，

我們的身份認同從哪裡來？

Musk 相信這不意味著壞事會發生。只是意味著我們不知道。

或許，這是人類文明的下一個階段。

或許，我們會找到新的意義來源。

但現在，我們還不知道答案。

⸻

＃第三階段：金錢的消失

更激進的是，Musk 認為金錢最終會消失。

因為當 AI 和機器人能滿足所有人類需求，

金錢作為勞動分配資料庫的意義就會消失。

在傳統經濟中：

- 你工作 → 賺錢（你貢獻勞動，獲得報酬）

- 你花錢 → 買別人的勞動成果（食物、房子、服務）

金錢是中介，幫助我們交換「勞動」。

它本質上是一個「勞動力分配的資料庫」。

但 Musk 認為，這個系統即將失效。

為什麼？

因為「勞動」不再稀缺。

- AI 能做所有腦力工作

- 機器人能做所有體力工作

- 自動化系統管理整個供應鏈

當「勞動」變成無限供給，

「分配勞動」的工具，也就是金錢，便失去意義。

Musk 推薦 Iain M. Banks 的《文化》系列小說：

「我讀過對這個未來最好的想像是 Ian Banks 的《文化》系列。

在那個遙遠的未來中，他們也沒有金錢。每個人幾乎可以擁有任何他們想要的東西。」

這不是共產主義（國家控制生產資料），

而是「後稀缺經濟」（post-scarcity economy）：

科技讓稀缺性消失，分配問題不復存在。

聽起來很烏托邦，但 Musk 認為這是 AI 發展的必然結果。

⸻

＃能源才是真正的貨幣

那什麼會取代金錢？

Musk 說：「能源才是真正的貨幣。」

政府可以印鈔票，但不能「印」能源。

能源受物理定律限制，是真正稀缺的資源。

Musk 說：

你不能通過立法就突然擁有大量能源。生產或利用能源做有用的工作，非常困難。

＃能源是文明進步的基礎

Musk 提到「卡達舍夫指數」（Kardashev Scale）：

- 第一型文明：利用整個星球的能源（地球）

- 第二型文明：利用整個恆星的能源（太陽）

- 第三型文明：利用整個星系的能源（銀河系）

人類現在連第一型都還沒達到。

我們只利用了地球能源的一小部分。

Musk 說：

「文明進步的框架，就是在卡達舍夫指數上的完成百分比。」

＃太陽能的未來

如果能源是真正的貨幣，那最重要的問題是：能源從哪裡來？

Musk 的答案：太陽。

「太陽發出的能量，是人類總電力生產的 100 兆倍以上。」

這不是誇張，是事實。

太陽每秒鐘釋放的能量，遠超人類文明的總需求。

Google 的「捕日者計畫」（Project Suncatcher）就是要在太空部署太陽能衛星。

在太空中，太陽能效率比地球表面高 8 倍，沒有雲層、沒有晝夜。

如果太陽能足夠便宜、足夠豐富，

能源就會變成「免費」或「接近免費」的資源。

那時，連「能源貨幣」都可能不需要了。

⸻

長期追蹤馬斯克的人應該會知道，

他的預測通常是要打些折扣的。

輕，則拖延個幾年，重，則不太可能實現，甚至來個大轉彎。

我認為工作與金錢的消失，應該就是相當難以實現的。

但是通縮這件事，倒是有比較高的可能性，

因為工業革命後，製造業產能大幅上升，就帶來了 1870s - 1890s 的長期蕭條，接著是帝國主義的擴張，然後工業國們開始大亂鬥，爆發了兩次的世界大戰.....

不過這件事情應該也不會是在短短三年內，

至少也要等到機器人普及率大幅上升之後才有可能了。

而且十九世紀還是金本位時代，

現在的貨幣體系跟過去已經大不相同了。

那麼，你認為馬斯克的這幾個經濟預言，

有哪幾個會實現呢?

⸻

數據來源：

- Elon Musk: A Different Conversation w/ Nikhil Kamath | Full Episode | People by WTF Ep. 16（2025）

- 美國通膨數據（Bureau of Labor Statistics）

- 美國債務數據（Treasury Department）

- McKinsey AI 經濟影響報告

- 太陽能成本趨勢（IRENA）

- AI 發展速度（OpenAI、Anthropic）

- 卡達舍夫指數（Kardashev Scale）

10.鉅亨網新聞中心(2025) AI時代終極預言：馬斯克稱未來20年人類將不再需要工作 貨幣可能消失

https://news.cnyes.com/news/id/6257935

11.美股艾大叔(2025)馬斯克不是在開玩笑，而是當成了此生最大使命在執行，anue鉅亨

https://hao.cnyes.com/post/209436

12.北風窗(2025)我們很可能正走向一個“無工作社會”，anue鉅亨
。AI社會或將帶來「有閒階層」（leisure class）的崛起
AI可能帶來的一項影響是：
消解大多數專業職業的工作崗位。
一個專業人士，配合幾個AI，
就可能完成一個團隊的工作。
一所大學、一家公司，甚至一個政府部門，
都可能或多或少出現「一個人+ 一百個AI」
就能運作的情況。
…
在未來的AI社會幾乎所有人都是這樣的「有閒者」。
有大量的多餘時間去享受一個閒暇的生活，
享受創造性的、有意義的生活，
而非無聊的、繁瑣的工作事務。
………………
。AI時代的教育將從「培養勞動力」轉向「教人去生活」
面對一個不再需要靠「工作」定義自我價值的時代，
我們的教育準備好了嗎？
我們要教會下一代的，
可能不再是「如何找一份工作」，
而是如何在不被繁瑣與壓力巨大工作所困的情況下，
過上有創造性、有意義的生活。
……………..
。AI時代，「創意共有」可能重構知識產權制度
在AI時代，可能大多數創作都會「引用」、「融合」，
無數他人的知識產權，
而個人貢獻可能只是極小部分且難以認定。
可能很難再說「這是我的作品」、「這是我完成的」，
一切創意將逐漸變成某種意義上的「共同財產」（common property）。

因此，在AI的世界裡，
要「識別」、「界定」並保護個人知識產權，
將變得非常困難。

13.RexAA(2025)馬斯克資訊量炸裂的最新訪談: AI, 意識與未來的重構，anue鉅亨

 https://hao.cnyes.com/post/212217



14.Daron Acemoglu, Simon Johnson(2023)權力與進步：科技變革與共享繁榮之間的千年辯證，天下文化
(Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity)
https://www.books.com.tw/products/0010974659?gad_source=1&gad_campaignid=23312345916&gbraid=0AAAAAD4DKPwakKQ4kIuU_5kS7qbgFk21O&gclid=Cj0KCQiAosrJBhD0ARIsAHebCNoBauJ-vxWNzvkyV2Q3g5KSyCUwR7IyncxguKbEPRtjH1ZQHh7OKdoaArU2EALw_wcB
在《權力與進步》這本最新力作中，艾塞默魯和強森討論的是時下最熱門的議題：
AI的出現，對於社會制度、權力平衡、資源分配會產生什影響？
而本書副標「科技變革與共享繁榮之間的千年辯證」，則點出人類社會本來就是持續不斷地面對這個困境。
只是這一次，人類面對的是速度之快、範圍之廣、影響之深都前所未見的AI，我們究竟能不能逢凶化吉、化險為夷？
還是，我們能找到理由相信：「這次沒有不一樣」（This Time It’s NOT Different）？
...
本書的核心論點非常清楚：
今日AI的發展路徑，不但會加速所得不均，也會增強獨裁者社會控制的能力，因此不論對於經濟或民主社會的影響，都是偏向於負面的；尤有甚者，這兩個問題又彼此互為表裡、相互增強。
因此兩位作者強調，不能只想著用AI來替代人類，而是要能夠善用科技來增強人們的工作能力；換句話說，強化人類能力的排序要高於全面自動化。
另外，AI的發展也必須協助公民「抵銷社會上的既有權力結構」，協助鞏固而非削弱民主。
而實證的結果又是如何呢？
Acemoglu & Restrepo（2020）利用美國七百二十二個通勤區域之間機器人使用差異的實證資料，發現機器人的採用對就業和工資的影響是負面的。
根據他們的估計，每千名工人多出一台機器人，會使整體就業率降低約0.2個百分點、工資下降約0.42%。
也就是說，每增加一台新的機器人，將使大約3.3名工人失去就業機會。
而對不同人口群體的影響也不盡相同：
自動化對男性的負面影響大於女性；
對於教育程度低於大學的人來說，自動化對就業和工資都有負面影響，
但對擁有碩士或博士學位的人來說，卻沒有正面效應。
...
整體來說，AI的未來發展在與經濟誘因、政策選擇，以及跟制度設計相互作用之後，將會對工作的多寡、品質，以及市場所需求的勞動技能有直接影響。
因此，我們現在對AI所做出的政治、經濟與社會安排，將會直接形塑未來世界的樣貌，這也是我們必須即刻面對，找出解方的重要課題！
...
本書的另一個重要論點是，AI已經變成獨裁政府執行社會控制、鞏固自身政權的最佳利器。
（Martin Beraja、Andrew Kao、David Y Yang & Noam Yuchtman, 2023）2023年發表在《經濟學季刊》（The Quarterly Journal of Economics）一篇標題為〈AI專制〉（AI-tocracy）的文章，對此給出非常明確的實證結果。
四位作者收集自2010年起，AI廠商從中國政府獲得的政府契約完整內容，以及中國社會抗爭的資料。該研究發現，專制政權真的很懂AI的好，當地方抗爭愈多，政府採購契約裡就會愈包含如人臉辨識等便於政治控制的AI項目；反過來說，地方政府的AI採購增加之後，人民的抗爭也就減少了。
...
「讓科技重新導向」，作者提出一個包含三個面向的公式：
  1. 改變敘事觀點與價值規範、
  2. 培養制衡力量，以及
  3. 提出政策解決方案作為解方。

15.Iain M. Banks (2021)Iain M Banks Culture Series 10 Books Collection Set

(Consider Phlebas, The Player of Games, Use of Weapons, The State of the Art, Excession, Inversions, Look To Windward, Surface Detail & More)

https://www.amazon.com.br/Collection-Consider-Excession-Inversions-Windward/dp/9124105317 ;

https://www.amazon.com/-/zh_TW/Iain-banks-culture-books-collection/dp/9123690976



16.Stephen Broadberry, Kevin H. O'Rourke (2010)

The Cambridge Economic History of Modern Europe: Volume 1, 1700–1870: 1700-1870

https://www.amazon.com/-/zh_TW/Stephen-Broadberry-ebook/dp/B004K6M8UA?ref_=saga_dp_bnx_dsk_dp#

The Cambridge Economic History of Modern Europe: Volume 2, 1870 to the Present

https://www.amazon.com/-/zh_TW/Stephen-Broadberry-ebook/dp/B004K6M8O6?ref_=saga_dp_bnx_dsk_dp


17.老高與小茉Mr & Mrs Gao (2025)【震撼】迪納赫預言，3906年的未來世界|

https://www.youtube.com/watch?v=uN3WOJqMpHM



於 沒有留言:
標籤： , , , ,

2025年11月28日 星期五

   《 AI浪潮下，管理顧問業的轉型與重生 》



當ChatGPT在2022年底橫空出世，全球管理顧問業集體屏住了呼吸。

這個能夠撰寫商業計畫、分析市場趨勢、提供策略建議的AI工具，似乎正在挑戰顧問們賴以為生的核心能力。

麥肯錫(McKinsey Company)、波士頓顧問集團( Boston Consulting Group)、貝恩( Bain  Company)等頂尖諮詢公司的合夥人們，開始認真思考一個問題:當AI可以在幾秒鐘內完成過去需要初級顧問花費數天的分析工作時，這個行業還需要多少人?

然而，幾年過去，管理顧問業不僅沒有被AI取代，反而正在經歷一場深刻而富有希望的變革。這場變革不是關於生存，而是關於進化——
AI不是顧問的終結者，而是催化劑，推動著整個行業向更高價值的領域邁進。

本文從多個角度深入分析，探討AI對管理顧問業的衝擊和影響。

  1. 效率革命 - AI如何改變資料分析和報告製作的方式。
  2. 專業門檻重新定義 - 傳統入門工作消失，新技能需求出現。
  3. 關係模式轉變 - 從提供答案到共創解決方案。
  4. 新專業領域 - AI轉型顧問、AI倫理治理等新機會。
  5. 價值重心上移 - 從執行層面轉向策略和人性層面。
  6. 人性化復興 - 同理心和人際技能成為核心競爭力。

1.效率革命:從資料搜集到洞察產出

管理顧問工作的基礎，向來建立在大量的資訊蒐集、整理與分析之上。

一個典型的專案可能需要團隊花費數週時間，翻閱產業報告、整理財務數據、訪談利害關係人，然後將這些原始資料轉化為可操作的商業洞察。

這個過程耗時且人力密集，往往佔據了專案預算的30%到40%。

AI的出現徹底改變了這個遊戲規則。

現在，進階的語言模型可以在幾分鐘內掃描數千頁的產業報告，提取關鍵趨勢和數據點;機器學習演算法能夠分析複雜的財務模型，識別出人類可能忽略的模式;自然語言處理技術可以將訪談記錄自動分類和主題化。

這種效率提升的影響是多層次的。

首先，大幅降低了專案的初期成本，使得顧問服務對中小型企業變得更加可及。過去只有大型企業才負擔得起的策略諮詢，現在有機會惠及更廣泛的市場。

其次，解放了顧問們的時間，讓他們能夠將更多精力投注在真正需要人類智慧的工作上——創意思考、情境判斷、人際互動和價值觀的權衡。

某國際顧問公司的合夥人在內部會議中坦言:「AI讓我們的初級顧問不再需要花整晚時間製作投影片，而可以專注於思考這些數據背後的意義。這不僅提升了工作品質，也改善了團隊的生活品質。」


2.專業門檻的重新定義

然而，效率提升也帶來了殘酷的現實:許多傳統上被視為「入門級」的顧問工作正在消失。

那些主要依賴資料搜集、報告撰寫和基礎分析的職位，正面臨被AI取代的威脅。這對整個行業的人才培養模式構成了挑戰。

過去，管理顧問業有一條清晰的職涯路徑:

從分析師做起，逐步累積經驗和專業知識，最終成為合夥人。

但當AI能夠完成大部分基礎分析工作時，新進顧問該如何學習和成長?

這個問題正在迫使整個行業重新思考人才培養策略。

領先的顧問公司已經開始調整他們的訓練計畫。

重點不再只是教授財務分析或市場研究的技術，而是轉向培養AI難以複製的能力:批判性思維、跨領域整合、客戶關係管理、變革引導，以及在模糊情境下的判斷力。

有些公司甚至開始要求所有顧問都必須學習基本的AI工具使用和提示工程技巧，將AI視為必備的工作技能，就像過去的Excel或PowerPoint一樣。

這種轉變也重新定義了「資深」顧問的含義。

在AI時代，真正的專業性不再僅僅來自於知識的廣度或分析的速度，而是來自於能夠提出正確問題的能力、理解複雜組織動態的智慧，以及在不確定性中指引方向的勇氣。


3.從提供答案到共創解決方案

AI對管理顧問業最深遠的影響，或許在於它正在改變顧問與客戶的關係模式。

傳統的顧問模式往往是「專家導向」的:顧問被視為擁有專業知識的外部專家，他們進入客戶組織，分析問題，然後交付一份精美的報告和建議方案。

客戶支付高額費用，換取這些「答案」。

但這種模式一直存在一個根本問題——再好的建議，如果客戶組織缺乏執行的能力和意願，最終都只是書架上的裝飾品。

AI的普及正在加速這種模式的轉變。

當客戶企業自己也能使用AI工具進行基礎分析時，他們對顧問的需求就從「告訴我答案」轉向「幫助我們建立能力」。

顧問的角色越來越像是教練和引導者，而不只是專家和建議者。

這種轉變體現在專案執行方式的改變上。

越來越多的顧問公司採用「嵌入式」或「共創」模式，顧問不再只是旁觀者和分析者，而是與客戶團隊並肩工作，一起使用AI工具探索可能性，一起建立分析框架，一起設計解決方案。

AI成為了共同的工作平台，降低了專業知識的壁壘，讓客戶能夠更深度地參與策略制定過程。

一位長期服務於製造業的資深顧問分享:「現在我花更多時間在會議室裡與客戶團隊一起工作，而不是關在飯店房間裡準備投影片。我們一起用AI探索不同的情境，即時調整假設，當場討論結果的意義。這種互動讓決策過程更加透明，也讓客戶對最終方案有更強的擁有感。」


4.新的專業領域正在誕生

AI不僅改變了既有的顧問工作方式，也創造了全新的專業服務需求。

最明顯的是「AI轉型顧問」這個快速成長的領域。

當各行各業都在思考如何應用AI時，他們需要的不只是技術實施，更需要策略思考:

  • 哪些流程最適合自動化?
  • 如何重新設計組織結構以配合AI工具?
  • 如何管理AI帶來的風險?
  • 如何培養員工的AI素養?

這些問題正好落在管理顧問的專業範疇內。

另一個新興領域是「AI倫理與治理」。

隨著AI在企業中的應用越來越廣泛，如何確保AI系統的公平性、透明度和可問責性，成為董事會層級的關切。

顧問公司正在幫助客戶建立AI治理框架，制定使用政策，評估演算法風險，設計人機協作流程。

還有一個有趣的發展是「反AI顧問」——幫助企業識別哪些工作和決策不應該交給AI。在AI炒作的浪潮中，保持清醒的判斷力，知道人類價值在哪裡不可取代，本身就是一種稀缺的專業能力。

這些新領域的共同特點是，他們都需要跨領域的知識整合——既懂技術又懂商業，既理解效率又關注人性，既能看見機會又能評估風險。這正是管理顧問的強項所在。


5.價值重心的向上移動

AI帶來的最根本變化，是整個管理顧問業的價值重心正在向上移動——

從執行層面移向策略層面，從技術問題移向人的問題，從最佳化移向轉型。

當基礎的分析和報告工作可以由AI快速完成時，客戶願意付費的部分就越來越集中在那些需要深度判斷、情境智慧和人際技能的領域。

比如，在併購交易中，財務盡職調查可以大量自動化，但評估兩家公司的文化契合度、判斷關鍵人才的去留意向、設計整合後的組織架構，這些仍然需要經驗豐富的顧問。

再比如，在企業轉型專案中，AI可以快速模擬不同的營運模式，但決定公司應該往哪個方向轉型、如何克服組織內部的抗拒、如何激勵團隊擁抱變革，這些關鍵問題的答案無法從數據分析中自動浮現，需要顧問運用同理心、說服力和變革管理的藝術。

這種價值重心的移動，實際上讓管理顧問工作回歸到它最原初的本質——

  • 不是提供標準答案，而是在複雜性和不確定性中提供指引;
  • 不是展示技術專長，而是運用智慧幫助組織做出更好的決策。


6.人性化的復興

諷刺的是，AI這個最「非人」的技術，正在推動管理顧問業經歷一場「人性化的復興」。

當技術性工作越來越多地被自動化，人類顧問的比較優勢就越來越體現在那些最「人性」的能力上:

傾聽的能力、同理的能力、建立信任的能力、處理衝突的能力、激發潛能的能力。

這些能力在傳統的顧問培訓中往往被視為「軟技能」，但在AI時代，他們正成為核心競爭力。

一些頂尖的顧問公司已經開始在招募時更加重視候選人的情商和人際技能，而不只是學歷和分析能力。

訓練計畫中也加入了更多關於教練技巧、引導技術、非暴力溝通的內容。

有些公司甚至邀請心理學家和社會學家加入顧問團隊，帶入新的視角和方法。

這種轉變反映了一個深刻的認識:企業的挑戰歸根究底是人的挑戰。

  • 策略再完美，如果領導團隊缺乏執行的決心和能力，也只是紙上談兵。
  • 組織再優化，如果員工感受不到意義和價值，也無法發揮效能。

而理解人、影響人、發展人，正是AI目前最難以複製的領域。


邁向未來的思考

站在2025年的此刻回望，AI對管理顧問業的衝擊既是挑戰也是機遇。

  • AI淘汰了一些職位，但也創造了新的可能性;
  • AI提高了效率門檻，但也拓展了服務邊界;
  • AI改變了工作方式，但也幫助行業回歸本質。

對於正在這個行業中或考慮進入這個行業的人來說，關鍵的問題不是「AI會不會取代顧問」，而是「能提供什麼AI無法提供的價值」。

答案可能包括:

  1. 在模糊情境下的判斷力、
  2. 跨領域的整合思維、
  3. 深度的人際連結、
  4. 倫理和價值觀的權衡、
  5. 創意和想像力的發揮，以及
  6. 在變革過程中陪伴和支持組織的能力。

對於顧問公司而言，成功的關鍵在於擁抱變革而非抗拒變革。

這意味著投資於AI工具和能力，重新設計工作流程和團隊結構，培養新型態的專業人才，以及勇於探索新的服務模式和商業模式。那些能夠將AI的效率與人類的智慧有機結合的公司，將會在未來的市場中脫穎而出。

最終，AI對管理顧問業的影響，可能不是讓這個行業變得更「機械」，而是讓他變得更「人性」。

當機器處理了資料和邏輯，人類顧問就有更多空間去發揮同理心、創造力和智慧。

這不是一個終結，而是一個開始——

一個讓管理顧問工作回歸其最高使命的開始:

不只是解決商業問題，而是啟發人、發展人，幫助組織和社會創造更美好的未來。

在這個意義上，AI不是威脅，而是禮物。

AI逼迫我們重新思考什麼是真正有價值的工作，什麼是人類不可取代的貢獻。

而對於願意進化和成長的人來說，這個時代充滿了前所未有的機會。



參考文獻

1.     McKinsey & Company (2024)"The state of AI in early 2024: Gen AI adoption spikes and starts to generate value". May 30， 2024.
Al adoption worldwide has increased dramatically in the past year, after years of little meaningful change.
Survey findings suggest that organizations are using AI in more business functions now than in previous years.
Respondents most often report generative AI adoption in their marketing- and-sales, product- and service-development, and IT functions.
2.McKinsey & Company (2025)"The state of AI in 2025: Agents, innovation, and transformation". November 2025.










3.Boston Consulting Group (2024) "Where's the Value in AI?". October 2024.
4.Boston Consulting Group (2024)"BCG AI Radar: From Potential to Profit with GenAI". February 2024.
5.  Boston Consulting Group (2024) "AI Adoption in 2024: 74% of Companies Struggle to Achieve and Scale Value". October 24,2024.
6.Boston Consulting Group (2024) "BCG's Leap Into AI". April 23, 2024.
7.Duncan， D. S.， Anderson， T.， & Saviano， J. (2025)"AI Is Changing the Structure of Consulting Firms". Harvard Business Review， September 10, 2025.
8.Raczynski， J. (2025) "How AI Is Upending How Consulting Firms Hire Talent". Harvard Business Review,October 2,2025.
9.Wilson， H. J. & Daugherty， P. R. (2024) "Embracing Gen AI at Work". Harvard Business Review,September 2024.
10. Spisak， B. R. (2023)"How Leading Consultancies Can Better Manage AI Risk". Harvard Business Review, November 6, 2023.
11.Accenture (2023)"Accenture to Invest $3 Billion in AI to Accelerate Clients' Reinvention". June 13,2023.
12.Accenture (2024) "New Accenture Research Finds that Companies with AI-Led Processes Outperform Peers". October 10,2024.
13. Dell'Acqua， F.， McFowland III， E.， Mollick， E.， et al. (2023)"Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality". Harvard Business School Working Paper.
14. Gregoire， E. (2024) "McKinsey Sees AI Surge Helping Boost Consulting Industry Following Slump". Bloomberg,August 14, 2024.
16.蘇柔瑋(2025)AI幻覺惹禍！Deloitte澳洲分公司亂掰判決、學術研究，被迫退還875萬報告費，數位時代
17.葉亭均(2025)麥肯錫也動手了 AI裁員潮席捲頂尖顧問業 200科技職位一夕消失，世界新聞網
18.Clayton M. Christensen, Dina Wang and Derek van Bever (2013)Consulting on the Cusp of Disruption , Harvard Business Review , October , 2013.

20.Sharon Shih (2020)管理顧問業的論古知今（上）： 130 餘年歷史的起點，與雄霸天下的「三巨頭」們

https://crossing.cw.com.tw/article/13340

21.Sharon Shih (2020)管理顧問業的論古知今（中）：當管理學大師自己開的顧問公司聲請破產，管顧業正面臨最好或最壞的時代？

https://crossing.cw.com.tw/article/13341

22.Sharon Shih (2020)管理顧問業的論古知今（下）：管顧業的最新趨勢是什麼、明星又是誰？你為什麼想加入它？

https://crossing.cw.com.tw/article/13342

23.陳建鈞(2025)OpenAI前30大客戶名單意外曝光，Duolingo、Salesforce⋯還有誰在「一兆Token俱樂部」？數位時代

https://www.bnext.com.tw/article/84738/openai-1-trillion-tokens-user

24.勤業眾信（Deloitte）(2026)導入 AI 三年，為何有人效率翻倍有人原地踏步？
勤業眾信從實戰經驗告訴你：多數企業都錯在這，數位時代




25.李靖棠(2026)想進顧問龍頭不只要名校高學歷！麥肯錫面試大改版，如何有效操控AI成為求職重點之一，風傳媒

Is McKinsey losing its crown to AI?

https://www.youtube.com/watch?v=QXAXNcRs7gQ&t=1s

麥肯錫面臨成長停滯挑戰，競爭對手如波士頓諮詢集團和新興AI公司崛起，可能迫使其回歸核心戰略顧問角色。


1.知情人士表示，假如試點結果良好，麥肯錫預計將在未來數月內，將這項測試擴大適用至「所有初階顧問」的招募流程。
已開始在其嚴苛的招募測試中，要求求職新鮮人使用自家AI工具Lilli。
參與試點計畫的候選人，被要求在其中一場面試中，使用該聊天機器人、模擬未來預期顧問在辦公室的新工作方式。
求職者需要利用Lilli協助分析個案研究，並對AI生成的結果進行修正與校正，產出最終版本結果報告。
不過，整場面試重點，面試官會著重觀察應聘者是如何向機器人下指令，以及是否具備「好奇心與判斷力」，能夠消化Lilli產出的內容，甚至進行質疑、並放入客戶具體需求進行校正，最後產生真正可用且符合需求的諮詢報告。
2.除此之外，新科技引入，也將讓這群顧問公司，逐步打破實行數十年的傳統「金字塔式」人力結構：由少數資深顧問（合夥人），帶領大量初階分析師執業的營運模式。
26.6 萬名員工有 2.5 萬個是 AI 代理！麥肯錫 CEO：希望每個員工都獲 1 個代理支持

https://techorange.com/2026/01/13/ces-mckinsey-ai-agent/

AI 做不到的三件事，正在重定義人才標準

1.首先是抱負與願景設定。

AI 可以協助執行，但決定組織要前往近地軌道、月球還是火星，並說服他人為此投入，仍是人類領導力的核心。

2.第二是判斷力。

模型本身沒有價值觀，也沒有是非對錯，人類必須為 AI 設定正確的框架與邊界，讓其行為符合企業文化、社會規範與倫理期待。

3.第三則是真正的創造力。

現有模型本質上仍是推論系統，擅長找出「下一個最可能的步驟」，但人類具備跳脫既有路徑的正交思考能力，能創造出非線性、非機率性的全新想法。

這也直接影響麥肯錫的招募策略。

公司正逐步降低對學歷、名校背景的依賴，轉而關注應徵者的韌性、學習能力與跨領域協作經驗，甚至鼓勵從人文與自由學科背景中尋找具創造潛力的人才。

27.林柏源(2025)傳麥肯錫將裁員 10%！一百周年慶時刻，３大挑戰全面襲來：顧問巨頭也因 AI「頭疼」，經理人

https://www.managertoday.com.tw/articles/view/71436

1.首先，是客戶支出緊縮。
企業普遍採取保守的財務策略，減少在顧問服務上的支出。這直接導致麥肯錫傳統顧問服務需求的放緩。像埃森哲（Accenture Plc）等其他顧問巨頭也已示警，政府削減顧問支出將阻礙其增長。
2.其次，是地緣政治因素的影響。
中國市場曾是麥肯錫的重要增長引擎，但近年來，北京積極鼓勵本土顧問公司的發展，並對國際顧問公司採取限制措施。這使麥肯錫在中國的業務面臨嚴峻挑戰。
3.最後，人工智慧（AI）的崛起，更是帶來了顛覆性的影響。
隨著 AI 技術的成熟，許多過去由顧問人工完成的數據分析、市場研究甚至部分策略規劃工作，現在都能由 AI 協力完成。
2024年 11 月，麥肯錫就裁減了約 200 個全球科技職位，正是為了利用人工智慧自動化部分工作。AI 的發展迫使麥肯錫必須重新思考服務模式和組織架構，以適應新的技術環境。
28.風雲學堂(2025)麥肯錫2025 AI報告揭密：88%企業已採用AI，但僅6%真正獲利，怎麼解讀？

麥肯錫（McKinsey）《2025 年 AI 現況報告》

（The state of AI in 2025: Agents, innovation, and transformation）

麥肯錫2025年11月最新發布的《2025 AI應用現況報告》顯示，
雖然88%的企業已在至少一個業務功能中使用AI，但大多數組織仍停留在實驗階段，僅39%實現企業級獲利。
報告特別指出AI代理(AI Agents)成為新焦點，62%企業開始實驗這項技術。
更值得關注的是，真正從AI獲得顯著價值的高績效企業僅佔6%，他們的成功秘訣在於：
設定轉型目標而非僅追求效率、重新設計工作流程、以及高階主管的全力投入。
核心發現三大重點：
1. AI普及，但規模化困難：
88%企業使用AI，但僅三分之一達到規模化部署，多數仍在試點階段。
2. AI代理成為新趨勢：
62%企業開始實驗AI代理技術，23%已進入規模化階段。
3. 高績效企業僅6%：
真正從AI獲得顯著價值（EBIT影響≥5%）的企業極少，
成功關鍵在於轉型思維、流程重設計與領導承諾。
  • 麥肯錫2025 AI報告揭密：88%企業已採用AI，但僅6%真正獲利，怎麼解讀？
  • AI代理時代來臨：62%企業開始實驗
  • 創新效益顯著，但財務影響有限
  • 高績效企業的六大成功要素
1. 設定轉型目標 
2. 重新設計工作流程 
3. 更廣泛和深入地使用AI 
4. 強大的領導承諾 
5. 實施關鍵管理實務 
6. 投入更多資源 
  • AI對勞動力的影響：預期各異
  • AI風險管理日益受重視
  • 從試點到轉型的關鍵路徑
無論是製造業、科技業還是服務業，關鍵不在於是否採用AI， 
而在於如何從試點走向規模化，從效率提升邁向業務轉型。 
唯有設定遠大目標、重新設計流程、獲得高層承諾，並投入足夠資源， 
才能在這場AI革命中真正脫穎而出。
29.李岱君(2025)麥肯錫：只有 6% 企業真正靠 AI 賺到錢！他們做對哪些事？經理人
根據麥肯錫（McKinsey）最新發布的《2025 年 AI 現況報告》（The state of AI in 2025: Agents, innovation, and transformation），全球已有 62% 的企業開始實驗 AI Agent。
但真正能把 AI Agent 大規模導入核心業務的，不到 10%。
想讓 AI Agent 真正落地，企業得先跨過 3 道關卡：
1. 可靠性： 如何確保 Agent 的輸出不出錯？
2. 協同性： 多個 Agent 在複雜流程中如何合作？
3. 監督性： 什麼該讓它自動做，什麼該讓人來決定？
麥肯錫調查顯示，那些能夠從 AI 獲得顯著 EBIT（息稅前盈餘，扣除利息和所得稅之前的利潤）影響的 6% 企業，都做到了這種系統性的整合。而其他 94% 的企業，還在各自為戰。
麥肯錫將這 6% 的企業定義為「AI 高績效企業」。他們做對了什麼？有 4 項因素：
1.野心
2.流程重塑
3.投資
4.領導力
30.殷阿笛 (Adi Ignatius)(2026)麥肯錫的挑戰：當客戶都去問AI，我們如何轉型？哈佛商業評論繁體中文版
問：
AI在你們公司的角色愈來愈吃重，麥肯錫的諮詢師要具備哪些人類技能才能成功？ 
答：
我們還在研究這個問題，不過AI模型有一件事做不好，就是設定願景；它不擅長設定適當高度的願景。優秀的領導人會設定一個願景，然後鼓勵員工挑戰自我來達成它。所以，我們正在全力研究怎麼提升這項技能。
 AI模型做不好的第二件事就是判斷力。AI模型沒有包含真理，所以它沒有判斷力。這些參數要由人類加進去才行。所以你要怎樣培養這種能力？ 
最後，你要怎樣才有真正創新的思維？AI模型擅長用線性的方式解決問題，不擅長做出非連續的跳躍。我們開始思考，哪些背景的人容易提出最有創意的解決方案，而不是只提出合乎邏輯的下一步。我們現在更注意過去不太重視的文科主修，把它們當成可能的創意來源。


於 沒有留言:
標籤： ,
訂閱： 文章 (Atom)

精選文章

服務業數位轉型，需可實戰的創新方法論

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...