員工用 AI 寫報告快了一倍，公司卻沒多賺錢，並不矛盾。省下的時間可能被下一輪核對吃掉；資料從客服交到庫存、再交到採購時，仍要人反覆整理。公司如果只統計「用了多少 AI 工具」，就很容易錯過真正的成本。

科技新報近日以「九成企業 AI 投資仍未回本」報導零售業主管的管理建議。這個說法值得拆開看。IEEE Spectrum 原文引用的 MIT NANDA 研究，談的是特定樣本中的整合型生成式 AI 試點，估計只有約 5% 創造顯著價值；它不能直接改寫成「全球九成企業都已證實虧錢」。麥肯錫 2026 年調查則顯示，80% 受訪者說 AI 改善個人生產力，37% 說已對公司息稅前利潤產生一些影響，約 6% 符合較高的財務成效標準。三個數字問的是不同問題。

零售業 AI 主管說，管理比多買一套工具更要緊

Lowe’s 企業 AI 策略主管、IEEE 資深會員 Sravan Vadigepalli 在 IEEE Spectrum 提出六項做法。它們不是一套開箱即用的軟體，而是主管和第一線可以討論的工作規則。

第一，找出員工在哪些地方只是「人肉轉接站」。例如每天把庫存表從一個系統複製到另一個表格，再寄給採購。這類傳遞工作適合交給系統；判斷缺貨是否該調整促銷，仍需要人。

第二，把單一規則提升為清楚的原則。規則只能寫「超過某金額就請主管簽」；原則還要說清楚遇到客訴、退款和長期客戶關係衝突時，優先保護什麼。第三，把不可跨越的底線、公司的取捨方式，以及個別工作步驟分層寫明，讓 AI 知道自己有哪些權限。

第四，讓不同風險走不同審核路徑。常見、低風險、資料足夠的案件可以先自動處理；信心不足或金額高的案件交人確認。第五，先整理上下文：合約、交易、客服紀錄如果各躺在不同地方，AI 再會寫也可能漏看關鍵資料。第六，只把真正的例外送給人，並留下誰批准、為什麼批准的紀錄。

小公司可以從一張表開始

不用立刻買企業級 AI 平台。挑一個每週反覆出現的流程，例如客服退貨：列出收到請求、查訂單、核對條款、退款、通知倉庫五步。記下每一步現在花多久、錯在哪裡、哪些決定必須由人負責。

接著只試一小段：讓 AI 整理申請資料並標記缺漏，暫時不讓它自行批准退款。連續觀察幾週，計算每件平均處理時間、退件率、客訴率與人工複查時間。如果速度變快、錯誤卻上升，這個試點就還沒回本。投資報酬率（ROI）白話說，就是「花掉的錢與時間，換回多少可驗證的好處」。

讀者常問

員工覺得 AI 很省時，為何財報沒感覺？

個人做事變快，不一定縮短部門交接、減少錯誤或增加收入。麥肯錫的 2026 年調查也分別量測個人生產力與企業財務影響，不能把兩者當成同一指標。

「九成 AI 投資沒回本」是真的嗎？

這不是可以套用所有企業的統一結論。不同研究的樣本、衡量期間與「回本」定義不同。引用時應指出研究對象及衡量方法，不能把「未達高績效門檻」說成「全部虧損」。

如果你的團隊正在續買 AI 工具，下一次開會先別問「大家有沒有在用」，改問「哪個流程的交接時間、錯誤或收入，真的改變了？」