AI 基礎設施供應商依賴：為什麼有更多 AI 晶片可以選，還是不一定容易更換供應商？（副本）

很多企業導入 AI 的第一步很相似。購買 ChatGPT、Microsoft 365 Copilot 或其他 AI 工具，開放給更多員工使用，安排教育訓練，再看帳號啟用率、使用人數與使用頻率。但問題通常出現在下一階段：工具買了，員工也開始用了，但董事長或總經理如果問： 「AI 到底改變了公司哪一項重要的工作結果？」，答案可能突然變得很難說清楚。

微軟 9 月 17 日公開自身數百項 AI 轉型活動的經驗，提供了一個值得企業注意的案例。這家公司已經把 AI 工具授權給超過 20 萬名員工，但它自己的經驗是，大規模部署與使用本身，並不會自然改變工作怎麼完成。早期的銷售導入就曾出現使用率停滯、預期影響沒有出現的情況。

這不代表 AI 工具沒有價值。員工用 AI 寫信、整理資料、摘要會議、搜尋文件，本來就可能節省時間。但是單一任務變快，不等於整段工作方式已經改變。這個差別會直接影響企業下一筆 AI 預算應該花在哪裡。

使用率可以證明有人在用，不能單獨證明工作已經改變

企業第一階段用帳號數、啟用率、活躍使用人數或教育訓練完成率衡量 AI 導入進度，並沒有問題。

如果員工根本沒有開始使用，再好的 AI 工具也很難產生價值。但是當企業已經完成基本導入，目標開始從「讓大家用起來」變成「改善營運結果」，原本的指標就不夠了。

假設一名採購人員每天要搜尋資料、比較供應商、確認需求、建立採購單、等待主管核准，再進行後續追蹤。

AI 可以幫他更快搜尋、更快整理文件，也可以更快產生採購說明。可是如果資料仍然散落在不同系統，需求判斷仍要人工來回確認，核准流程沒有改變，後續執行也沒有與 AI 串接，那麼原本七個步驟可能仍然是七個步驟。企業得到的是局部效率改善，這個雖然有價值，但它與重新設計整段工作，是兩件不同的事。

微軟供應鏈案例提供了另一種做法

微軟在自己的雲端供應鏈導入 AI 時，並不是先把 Agent 塞進既有流程。

公司組成超過 150 人的跨部門團隊，先盤點並簡化端到端工作流程，建立共同資料來源，再把超過 111 個 AI Agent 部署到規劃、採購、履約與物流等工作。過程中也重新處理 Agent 可以做什麼、哪些動作需要人工核准，以及如何監控與介入。

微軟公布的內部數據顯示，在 2026 年 4 月至 8 月的五個月度規劃週期中，相關流程平均需要的時間，從大約 10 個工作天縮短到不到 2.5 個工作天。

而另一項需求計畫調查，原本需要五到七天才能找出變化原因並提出經人工確認的解釋，後來縮短至數小時，部份案例甚至不到 20 分鐘。

雖然這些都是微軟特定流程與期間的內部結果，不能直接推論其他企業也能取得相同幅度的改善，但它說明了一個更值得借鏡的機制：

一旦企業從單一任務走到完整工作流程，問題也會跟著改變。

• AI 要使用哪些資料？

• 可以自己完成哪些動作？

• 哪些判斷一定要由人覆核？

• 什麼情況需要停止並交回人工處理？

• 最後又要用什麼結果證明這段工作真的變好了？

這些問題，比「員工會不會下提示詞」更接近企業真正的 AI 導入。

下一筆 AI 預算，要先回答一個不同的問題

對於剛開始接觸 AI 的企業來說，繼續購買工具、安排教育訓練、讓員工建立基本使用能力，仍然可能是正確的投資，但另一類企業已經進入不同階段：

帳號買了，教育訓練做過了，員工也確實開始使用。可是管理階層仍然說不清楚：哪一項重要的工作結果因此改變？

如果公司正處在這個階段，下一筆 AI 預算就不應預設繼續複製第一階段的做法，先挑一段重要、重複發生，而且要看改善之後能夠衡量結果的工作，重新檢查它怎麼完成。

例如，一份報價從需求進來到送出需要多久？

一項採購異常要花幾天才能找出原因？

客服案件有多少比例需要人工轉手？

某項內部審批需要經過多少次等待與交接？

這時 AI 導入的問題，就會從：

有多少人在使用 AI？

變成另一個問題：

哪一段工作因為 AI 而改變？

這兩個問題都重要。

但前者告訴管理者 AI 有沒有被使用，後者才開始回答企業投入的資源有沒有改變工作結果。

先選工作，再選 AI 放在哪裡

因此，企業下一輪審查 AI 專案時，可以先要求每個專案回答三件事：

• 要改變哪一段工作？

• 希望改變哪個結果？

• 目前的基準是多少？

如果這三個問題還沒有答案，就算工具使用率繼續增加，也很難判斷 AI 投資到底產生了什麼。

微軟的案例並不能證明所有企業都應該採用同一套方法，也不代表企業應該停止擴大 AI 工具使用，它比較像是一個提醒。

當公司已經完成第一階段 AI 導入，卻仍然無法把使用率與業務結果連起來，下一個問題可能已經不是：怎麼讓更多員工使用 AI？

而是：

作者＝InfoAI 編輯部

你不需要讀完所有 AI 新聞。你需要掌握的是：哪些變化值得關注、哪些應用值得理解、哪些風險不能忽略，以及這些訊號可能如何影響企業決策。

訂閱 InfoAI 電子報，把全球 AI 訊號，轉化為更清楚的商業判斷。

InfoAI Line 群提供最新文章發佈通知，讓你不用每天上網查看，也能快速掌握新上線的 AI 產業解讀、應用案例與知識內容。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

AI 協作與人工編輯聲明

本文由 InfoAI 編輯部進行主題判斷、內容策劃、事實查核與文字編輯，並使用 AI 工具協助資料整理與內容製作。最終觀點、內容取捨與發佈版本均由人工編輯確認。

你不需要讀完所有 AI 新聞，你需要知道的是：

有哪些變化值得注意，可能會如何影響你的產業、工作與決策。