麻省理工學院的新報告嚇壞了科技投資者 一、背景與報告內容概覽 1.報導來源與摘要: ①FT(Financial Times) 報導指出,該份報告來自 MIT 的 NANDA 計畫,指出「95% 的組織從生成式 AI 投資中沒有獲得回報」,僅有約 5% 的 AI 試點計畫能夠快速創造財務價值,絕大多數仍停留在實驗階段,未能對損益表造成可衡量影響 金融時報。 ②TechRadar 補充:美國企業在生成式 AI 工具上花費 350–400 億美元,但 95% 沒有得到實質成果,僅有 5% 成功部署到大規模操作。失敗原因並非基礎設施或人才不足,而是 AI 系統「無法適應、學習與持續運作」。 ③其他媒體如 AInvest、The Register、Virtualization Review 等,也報導了這些關鍵數據,稱這狀況可被視為「GenAI Divide」(生成式 AI 分隔)的明確證據。 2.報告的研究方法: ①標題為《The GenAI Divide: State of AI in Business 2025》,使用多元研究方式:研究者分析超過 300 個已公開的 AI 部署案例,進行 52 次企業領導者訪談,並收集 153 名商業專業人士問卷回覆。 ②失敗主因並非 AI 效能,而是企業內部 導入策略不佳、流程整合困難、缺乏情境記憶與自適應能力。例如,ChatGPT 類型的工具雖靈活,但無法適應企業特定流程,也難以持續學習。 ③成功案例通常聚焦於解決明確的痛點,且多透過外部工具與策略合作(成功率約 67%),顯著高於自行打造系統的成功率(約 33%)。 二、是否言過其實?立場與看法: 1.報告是否過度誇大? 這份報告的數據整理頗完整,涵蓋大量實際部署案例與企業訪談,並非單純概念推測。它所指出的是「企業在生成式 AI 技術的運用上普遍落後於預期」,而非暗示 AI 本身無效能。因此不能說報告是在誇大,而是提出了一種 警示:企業未真正掌握導入方法與策略,導致投資未轉化為回報。 2.是否認同這樣的結果? 我認為報告指出的這些問題確實值得警惕: ①位於技術與企業落差之間的「學習缺口」(learning gap)確實存在; ②AI 模型能提供能力,但若企業缺乏流程整合與內部支持,就難以轉化為績效; ③成功案例常見於明確應用定位與外部協作,顯示企業導入策略的重要性。 所以,我基本認同報告的核心:生成式 AI 的整體價值尚未普及成功,主因不是技術本身,而是企業的導入與整合能力不足。 三、市場影響:為何引發美股暴跌 1.根據 FT 報導,美國科技股週一股價大跌;許多與 AI 相關的龍頭企業如 Nvidia、Oracle、AMD、Palantir、Arm 等皆出現明顯回跌:Nvidia 跌約 3.5%,Palantir 跌 9.4%,Arm 跌 5%,Nasdaq 下跌 1.4%,S&P 500 跌 0.7% 金融時報。 2.投資人憂慮 AI 可能正處於「泡沫」階段,已開始懷疑投資熱潮是否合理。這些擔憂同時受到 OpenAI CEO Sam Altman 說出「投資者過度熱情」可能導致泡沫形成的言論加深 金融時報。 這是一個值得企業與投資者深思的時刻 —— 技術本身仍具潛力,但真正的問題是「如何將技術轉化為真正的商業價值」。 個人觀點:AI目前缺乏有系統性的教育課程 1. 傳統科技為什麼能普及? 電腦的例子:之所以今天人人會用 Word、Excel、瀏覽器,不是因為這些軟體「直覺好用」而已,而是因為: ①教育體系把「資訊教育」納入國中小、大學、甚至職場訓練。 ②軟體設計逐漸標準化(例如圖形介面 GUI、快捷鍵、作業系統規範)。 ③社會有明確需求(文書處理、會計、設計、娛樂)。 換言之,電腦技能變成了社會必備的「素養」,而教育系統有計畫地培養這種素養。 2. AI 為什麼難以普及? ①教育缺口:AI 還沒有像數學、英文、電腦那樣被正式系統化成課程。很多人接觸 AI 只是「聽過新聞、玩過 ChatGPT」,但缺乏深度的「教學路徑」。 ②應用不直觀:不像 Word 打字那樣明確,AI 的應用場景太廣,但又缺乏標準化的「任務模板」,導致大家不知道該怎麼「正確使用」。 ③工具快速更迭:AI 工具更新太快,課程一旦設計出來,可能一年後就過時,讓教育者不敢輕易投入。 ④跨領域門檻高:AI 要發揮價值,往往需要結合特定產業知識(醫療、法律、工程…),這不是單靠「AI 課程」就能解決。 3. 未來該如何做? 把 AI 系統化地植入教育體系。可能會有幾個層次: ①AI 素養教育(基礎層) 從小學/中學開始,讓學生理解 AI 是什麼、如何運作、優缺點與倫理議題。 類似「資訊素養」的必修課。 ②AI 工具訓練(應用層) 在大學、職業學校,學習如何將 AI 工具應用到專業領域(行銷、設計、醫療、金融…)。 類似過去「電腦輔助設計 CAD」、「統計軟體 SPSS」這種技能課。 ③AI 與產業結合(專業層) 醫學院、法學院、商學院等,設計針對本領域的 AI 應用課程。 例如:醫學專業結合 AI 影像診斷,法律結合 AI 法規分析。 ④AI 教師/助理的角色 未來教育甚至可能不是「教人用 AI」,而是 AI 自身成為「教學助手」。 學生學習時,AI 即時輔導、解答、給回饋。 https://www.ft.com/content/ce3b23b0-68d7-4ce8-8e21-ebdb510a76b8?utm_source=chatgpt.com