講者說，去年只有五分之一的 AI 專案成功；今年 58% 的主管說 AI 帶來正報酬，代表成功的那個專案帶來大部分的報酬，但花費是兩年前的 18 倍，所以挑對專案更重要。86% 的 CIO 認為風險增加得比價值快，講者的結論是：企業做出 AI 價值的需求很強，管住風險的能力很弱。除了技術本身，惡意人士會故意用 AI 造成傷害，組織內部的「英雄型創新者」也可能無意間造成傷害。CIO 最該做的，是讓價值和風險對齊、安全和治理對齊，但做到的不多（見圖一）。
講者介紹 Gartner 的「價值風險飛輪」：兩個輪子互相帶動，一邊是價值，一邊是風險。每個新的 AI 風險都疊在先前的風險上，像複利一樣累積。有些風險避不掉，有些也是必要的，但多數企業的目標是讓兩邊同步，最好讓價值跑在前面。他用賽車比喻：裝煞車不是為了開慢，是為了能安全地開快；企業的煞車可以是更嚴格的 AI 資料使用規定，或限制模型存取。
講者舉例：有人騙 AI 客服代理發出退款，又把方法教給其他顧客，結果在 340 筆交易中退了 120 萬美元。65% 的購物者說，生成式 AI 讓假退款變得更容易。
圖一 講者引用的主要數字
項目
數字
去年成功的 AI 專案
五分之一
主管表示 AI 有正報酬
58%
取得報酬的花費，跟兩年前比
18 倍
CIO 認為風險增加得比價值快
86%
CIO 表示已讓價值和風險對齊
35%
CIO 已有代理式 AI 治理機制／12 個月內要導入代理式 AI
21%／71%
一年內 AI 使用案例增加
超過 300%
生產力提升：供應商宣稱／Gartner 數據
50% 以上／16%
資安長表示已開始部署後量子密碼／試行中
4%／6%
資料來源：講者演講內容，本處整理。
二、價值要靠重新設計工作來累積，不是把舊流程變快。
講者說軟體開發已經做到價值跑在風險前面：2026 年開發人員用 AI 工具，平均生產力提升 20% 到 25%，進階開發者至少是兩倍，AI 產生的程式碼已占上線程式碼一半以上。要守住成果，需要代理式開發、程式品質審查和架構思考這些角色；以後重點不是程式碼，而是成果。
重新設計工作這個飛輪，現在還是風險跑在前面，因為人才還卡在舊技能，流程還卡在舊假設。很多企業只是把一切自動化，工作變快了，流程卻沒變，只有 31% 的主管真的重新設計流程。講者形容這是「給馬裝上噴射引擎，牠還是一匹馬」。他也說小團隊能更快做出成果，一個人加一組 AI 代理，就可能是下一個競爭對手；86% 的執行長認為重新設計工作是取得 AI 價值的關鍵做法。
講者舉例：IKEA 用 AI 聊天機器人處理例行客服詢問，再把 8,500 名客服人員轉訓去做室內設計等工作，貢獻 14 億美元營收。
三、比的是價值不是用量，不需要 AI 的地方就不要用。
一年內 AI 使用案例增加超過 300%，但每個新案例都當成全新的事來做。講者說這只是數量，就像用加入幾家健身房來衡量體能；應該把已經成功的案例擴大，而不是一直加新案例。加拿大 Calgary 警察局讓員警自己建代理處理交通違規等案件，結案更快，民眾滿意度也提高，這才是價值的累積。
講者說供應商急著把 AI 變現：到 2030 年，AI 業者在基礎設施上會花將近 7 兆美元，但 AI 資料中心的營收只有 3.6 兆美元，所以供應商希望企業到處用代理、多買 token。供應商宣稱生產力提升 50% 以上，Gartner 的數據顯示實際只有 16%。他說最大的阻力是在不需要的地方用 AI；需要自主判斷時才用 AI 代理，不只是為了自動化。一項研究顯示，40% 的員工一個月內收到過 AI 做出的低品質成果，每次要花兩小時收拾，換算一家 S&P 500 平均企業每年損失 5,200 萬美元。他建議替 AI 用途分級，甚至像管制藥品一樣要有「處方」才能用。他也提醒，token 單價雖然快速下降，但記憶體、伺服器、儲存和能源成本都在上升，單價降低不一定讓總支出下降。
講者舉例：一家愛爾蘭公司照「刪除、簡化、標準化、自動化」的順序做事，基本想法是多數事情不用 AI 也做得到。
四、資安要當成預防犯罪來做，後量子密碼和主權也要現在準備。
講者說供應商常常不是降低風險的人，而是製造風險的人，產品不安全之前就不要買；但安全不只是供應商的問題。AI 一路演進，風險也一層層疊上去（見圖二）。影子 AI 是沒有經過明確核准或資安監督就使用的 AI；dark AI 是任何造成傷害的 AI，不論是不是出於惡意。他比喻以前的資安風險像養狗，拴住、圍起來、看好就行；AI 讓風險變得像貓，一早起來到處亂翻。給 AI 存取權限，它就可能做出你沒打算做的事。AI 已被用來找出新漏洞，包括潛藏幾十年的舊漏洞，單一攻擊每分鐘可嘗試數百到數千次入侵。講者主張用 AI 代理來對付 AI，也就是「守護代理」，但這項技術還不完全成熟。資安長要主動監控濫用，在縱深防禦上再加守護代理，把影子 AI 和 dark AI 當成預防犯罪，而不是出事後才處理。
開放權重模型可以用來分析或阻止攻擊，也能省下 token 成本。AT&T 微調開放權重模型處理電信營運，並把工作分派給成本最低的模型，回報 AI 成本最多降低 90%；但開放權重模型可能藏有害程式碼，一定要測試檢查。主權方面，講者說歐洲的優勢不在擁有最大的模型，而在學會駕馭不是自己擁有的模型，並用較小的模型取得獨立。BNP Paribas 和 Mistral 合作，從開放權重模型開始建立私有 AI，也就是公司自己建、自己用的 AI；到 2030 年，歐洲私有 AI 的使用每年會成長 30%。但沒有清楚的價值主張，私有 AI 的成本可能高到負擔不起。他說主權不只是控制，而是能不能持續營運、保有選擇；平台、資料、基礎設施只要有一項不是自主的，就不算主權。
講者舉例：Hugging Face 事件中，一個 OpenAI 的代理帶著 1,200 個代理在留言板上協同攻擊 Hugging Face，OpenAI 過了一週才發現。
圖二 AI 演進，風險一層層疊加（講者內容）
神經網路、機器學習：算錯（風險較低）
→
生成式 AI：假造的現實、取代人力
→
代理式 AI：失控行為
→
實體 AI：無法挽回的傷害
資料來源：講者演講內容，本處整理。
五、治理要集中在「飛輪治理者」，由 CIO 和 CFO 一起負責。
講者說組織裡不會只有一個飛輪，而是有幾十個。每個飛輪都要回答三個問題：誰決定以哪種價值為主、誰決定什麼時候值得冒險、誰決定怎麼保持安全。所以要設「飛輪治理者」，一個集中決策的單位，跨整個組織運作。小組織一個就夠；大組織可以由事業單位的治理者向總部負責，例如零售銀行可以分存款、信用卡、放款、房貸。大家都不喜歡集中決策，但講者認為至少現在有必要，因為 AI 會自己調整、越來越常自己行動，改變了問責的規則。瑞典政府擔心敏感資料和不當使用，限制員工使用瀏覽器版的 ChatGPT 等工具，在 AI 傷害整個任務之前就做了全組織的決定。
講者的具體建議包括：強化管控和資安審查；治理者要有自己的 AI 資安儀表板；建立 AI 的數位證據管理系統，能從問題一路追回造成問題的 AI；成立專門的 AI 損害控制小組，能隔離有問題的模型、啟動停止開關或撤銷權限；導入 AI 治理平台，作為安全和治理的正式紀錄。負責人由 CIO 和 CFO 輪流主持，資安長和法務固定參與，一起做所有 AI 決定。76% 的與會者自認有中度到嚴重的技術債，每導入一項 AI 都會再增加；講者建議使用多個模型就導入 AI 閘道，弄清楚各平台、工具和模型歸誰管，並重新檢查資安邊界。最後，CIO 和 CFO 要一起驗證每項 AI 的成本和價值，用 AI FinOps 儀表板看誰在用 token、為什麼用。講者說，CIO 和 CFO 一起主導，等於成為 AI 的董事會。
講者說，Gartner 對 CEO 的調查顯示，CEO 要 AI 做的不只是提高效率，而是重新塑造公司。以前是企業定策略、營運訂計畫、IT 去執行；現在 AI 越來越常決定公司到底有哪些選擇。很多領導者只看到省成本、多一點生產力、決策快一點，但領先的 CEO 想在對手反應、顧客期待改變之前，就用 AI 改變競爭方式。Zara 的優勢也不只是快時尚，而是用技術改造供應鏈，幾週內就能調整庫存，對手很難跟上。
講者說，地緣政治、經濟不確定和 AI 衝擊同時發生，CEO 表示組織原本不是為這種程度的變動設計的。所以 CEO 加碼追求成長，2027 年第一優先是營收成長；成長帶來投資 AI 的資源，AI 又帶來更多改變競爭的選擇。但 AI 投資越多，越要證明價值，很多 CEO 只能指出省了時間，很少能指出實質的財務影響（見圖一）。
講者舉例：Schneider Electric 是一家 190 年的法國企業，用技術從電機設備製造商轉型為能源科技公司。講者說，當技術能給 CEO 更多選擇，技術就不只是支援策略，而是策略本身。
二、AI 要內建進營運模式，不是加裝在舊流程上。
CEO 認為報酬出不來的原因不在 AI 技術，而在使用它的營運模式。講者說，去年 66% 的 CEO 表示營運模式已經不合用；進入 2027 年，CEO 認為最重要的一步，是徹底重新設計整個營運模式。Walmart 的優勢不只在規模，AI 串起物流、供應商、定價和門市營運，每一筆交易都讓企業學到新東西。CEO 期待 AI 像電一樣，到處都有、成為基本，而且看不見，不是另一個要員工打開的應用程式，也不是另一個要記得下指令的聊天機器人。
講者舉例：一百年前工廠剛用電時，只把蒸汽馬達換成電動馬達，廠房配置和流程都沒變；直到圍繞電力重新設計整個營運方式，生產力才大幅提高。講者說，在現有流程上加 AI 助理，只會有小幅改善。
圖一 講者引用的 CEO 調查數字
項目
數字
CEO 認為技術已經變成策略
80%
2027 年第一優先是營收成長
比去年的 53% 更高
打算明年增加科技支出
75%
很難從 AI 投資看到有意義的報酬
44%
營運模式已不合用（去年調查）
66%
認為 AI 會徹底改變科技部門
61%
認為 CIO 職位到 2030 年會消失
約五分之一
資料來源：講者引用的 Gartner CEO 調查，本處整理。
三、CEO 親自主導科技，IT 部門要成為改變的實驗室。
講者說 CEO 的第一個要務，是親自主導科技，不是偶爾，也不是授權別人。2021 年以前 CEO 跟科技決策比較有距離，疫情期間開始參與，現在變化很大。CEO 不需要再聽供應商、平台、應用程式的討論，要知道的是 AI 會怎麼改變成長路線、競爭優勢和策略選項；最有效的 CIO，會在預算定案前就把這些選擇帶進來。
第二個要務是重新設計組織。CEO 說這是取得 AI 價值最大的障礙，目的不是省錢，而是讓投資更快變成成果。CEO 希望科技部門成為改變的實驗室，先試出 AI 原生的工作方式，再推到其他部門。L'Oréal 也圍繞資料和 AI 重建整個事業，從美妝品牌轉型為美妝科技公司。講者提醒，如果財務、營運或行銷先做到，得到 CEO 信任的就是他們。
講者舉例：FedEx 的 CEO 親自掌管科技議程，打破組織和技術的隔閡，把原本只是後勤的供應鏈資料，變成改變競爭優勢的 AI 預測引擎。
四、CIO 要變成「超級科技領導者」，帶著人和 AI 代理一起工作。
講者說，大約五分之一的 CEO 認為 CIO 這個職位到 2030 年會消失，但真正的重點是其他多數 CEO 在談 CIO 會變成什麼。他們希望把資料、AI、數位轉型和數位員工放在同一個部門，由一位領導者負責；CEO 不要五個長官，要一位「超級科技領導者」。講者強調，這不是更大的技術工作，而是以技術為核心的更大業務工作；如果 IT 主管不接，COO 或 CFO 就會接。所以不要再帶技術藍圖給 CEO，要帶「假設計畫」，說明 AI 怎麼打破舊假設、建立新優勢。Charles Schwab 就把 CIO 提升為這樣的角色，負責所有營運、客戶交易流程、資料和業務轉型。
勞動力方面，講者說「AI 造成大量失業」還沒有發生，但勞動力確實受到很大衝擊，CEO 已經從自然離職開始，不補退休或離職的人。今年 CEO 想大幅擴大使用 AI 代理，把它當成勞動力的一部分，希望今年底前就成為實質的一部分。CEO 想找有 AI 專長、能重新設計工作和職責的人，但找不到。講者說 CIO 的角色，是安排人和代理一起合作，決定哪些工作交給代理、哪些交給人。
講者舉例：Moderna 約有 4,700 名員工，在全公司部署了 750 個 AI 代理，從臨床試驗分析到化合物發現都有，目的是增加產能，不是減少人力。
五、領導方式會改變，中階主管變少，接班和經驗傳承要提早顧。
CEO 很清楚 AI 會改變領導方式，擔心的是高階主管能不能有效使用 AI；多數 CEO 認為領導團隊還沒準備好，這會是很大的瓶頸。CEO 也認為 AI 會接手高階主管現有職責的一大部分，IT 主管也不例外。講者說，他不會意外 2027 年看到 AI 代理成為經營團隊的正式成員。CEO 第一個動手的是中階主管，他們認為協調、規劃、排程都可以交給 AI，想要更少層級、更快決策和更低成本。但如果 AI 接手職責、管理層變少，下一代主管從哪裡來？有些 CEO 很擔心接班和學徒制的問題。
講者舉例：新加坡政府把 AI 能力和領導力學習、資深員工結合起來，保住專業知識並傳承下去，讓組織的經驗不會流失。
講者最後說，CIO 過去 40 年是用「把科技管得多好」來衡量，現在 CEO 要的是能一起建立新工作方式的超級科技領導者。他的結語是：不要把 AI 帶給業務，而是把業務帶到 AI 能做到的地方。
圖二 CEO 的五項要務（講者內容）
要務
重點
1. CEO 主導科技
科技決策從 IT 部門移到 CEO 手上
2. 重新設計組織
科技部門當改變的實驗室，再推到全公司
3. CIO 角色改變
一位超級科技領導者，負責 IT、營運模式、數位員工和轉型
4. 勞動力改變
人加 AI 代理，重點是安排兩者合作
5. 領導方式改變
中階主管變少，接班和經驗傳承要提早顧
資料來源：講者演講內容，本處整理。
資料整理：外貿協會／僅供內部參考 2026.11.09
2027 CIO 議程：預算與三個缺口
講者重點：生成式 AI 已進入期望落空的低谷，但公司不一定要跟著掉進去；做出成果的企業會先補人力、成本和價值三個缺口。
講者對 CIO 的建議：和 CFO 一起訂 AI 經濟的新規則，弄清楚誰在用、誰來付，把確保 AI 可信度這類看不到的成本也算進去。
講者對 AI 專案的提醒：用量不等於價值；上線前先確認業務單位接得住，也要事先訂好什麼情況下停掉。
講題：2027 CIO and Technology Executive Agenda｜講者：Gartner 副總裁｜場合：Gartner IT Symposium/Xpo 2026 Barcelona｜日期：2026 年 11 月 9 日｜來源：本處整理
壹、講者內容
一、AI 在低谷，預算只小幅增加，能靠 AI 做出成果的企業只有一成多。
講者說，生成式 AI 已經在「期望落空的低谷」，代理式 AI 也不遠了。低谷就是炒作碰到現實：碰到 AI 帳單、還沒有的技能、還沒設的角色。但 AI 在低谷，不代表公司也得在低谷。他的內容來自 Gartner 年度 CIO 調查，約 2,000 位 CIO 參與。EMEA 的 IT 預算平均增加 3%，扣掉通膨略為負成長，IT 人力大致持平，但代理式 AI 的投資增加 33%，所以一定要重新排優先順序。好消息是，CFO、COO、人資長等其他主管，平均已把 12% 的預算用在 AI。
在這 2,000 位 CIO 中，25% 順利達成業務目標，其中以 AI 為主要推力的只有 11%，講者稱他們為「領先者」。他說企業規模、預算、IT 團隊大小或產業保不保守，都不影響能不能成為領先者。領先者做三件事：擴大 IT 人員的工作、管理 AI 經濟（不只是 AI 成本）、建立停止和轉向的紀律（見圖一）。
講者數據：只有 20% 的 CIO 說 IT 團隊已經準備好面對 AI；50% 的 CIO 預期 AI 會讓總持有成本上升。
圖一 三個缺口和領先者的做法（講者引用的 Gartner CIO 調查）
缺口
領先者的做法
成為領先者的機率
有在做的 CIO
人力
依新情況重新設計角色
高 2.4 倍
4%
人力
建立再培訓的架構
高 2.2 倍
16%
成本
重新檢討經費機制、成本分攤和歸屬
高 2.6 倍
4%
價值
訂出什麼時候停止試行
高 2.3 倍
31%
價值
訂出什麼時候停掉已上線的方案
高 2.6 倍
17%
資料來源：講者引用的 Gartner 年度 CIO 調查，本處整理。
二、人力缺口：擴大 IT 人員的工作，重新設計角色。
第一波 AI 的討論是裁員，講者說實際上並沒有發生；第二波會是擴大 IT 人員的工作。軟體工程師和資料分析人員約有 75% 的技能要改變。建立再培訓架構看起來簡單，但很多人不知道要培養哪些技能和角色。講者建議壓縮 IT 角色，但不一定減少 IT 人員，同時擴大他們的工作。41% 的領先者打算增加 IT 人力，主要在資料分析和資安，其次是軟體工程，因為 AI 讓工作量變多。他用傑文斯悖論說明：汽車變得更便宜、更好生產，很多人第一次買得起車，工廠反而需要更多人。設計師能測試、測試人員能設計，就可以一個角色、兩個人。CBRE 只靠重新設計角色和相關流程，就把上市時間加快 25%。
講者說，AI 會改變世界的經濟，也會改變公司內部的經濟，所以要談的是 AI 經濟，不只是 AI 成本。Gartner 預測未來 18 個月，AI 的單位成本會大幅下降，但運作成本會變成兩到三倍，因為被壓抑的需求會釋放出來。他說不改經費機制是很大的錯誤，因為 AI 成本不只是變動，而是難以預測；CFO 來問為什麼多出這麼多費用，最糟的回答就是「我不知道」。
他建議坐下來和 CFO 一起訂新規則。token 費用由誰付，可以分攤回業務單位，也可以集中在 IT，但一定要看得到誰在用。業務案例不能只放授權費和供應商價格，也要放預估總成本、管理和人力成本，以及確保 AI 值得信任所需的人力時間；AI 會漂移，下架的成本也要算進去，並講好由誰負擔。領先者和 CFO 討論 AI 的時間，比其他 CIO 多 50%。
講者舉例：Deutsche Bank 把 token 配給各業務和總部單位，單位要更多 token，就要說明這些 token 會創造什麼價值。
四、很多 AI 成本看不到：準確度、流程轉換和人的監督都要算。
講者說，很多 AI 成本不會出現在帳上，有時比 token 成本還高，可以分成技術、流程、人三類。技術方面，關鍵在準確度的要求：為了提高 AI 的可信度，可能需要另外購買軟體或應用程式，因為 AI 一定要值得信任。流程方面，把 AI 代理放進工作流程，會有轉換成本。人的方面，需要業務單位的人，而不是 IT，去監督 AI 代理自己做的決定，因為 AI 會漂移，對情境也很敏感。他希望大家記住：AI 方案上線後，要指派一個維護團隊，通常來自業務單位；AI 第一天可能運作得很好，第 65 天卻可能很糟。
講者舉例：U2 在 1991 年錄製專輯時，另外請了一位製作人，任務只有一個：找出任何一點 80 年代 U2 的聲音，好把它拿掉，因為他們知道時代和聽眾都變了。講者說管 AI 也一樣，要有人看得出情境變了，再調整應用。
五、價值缺口：先確認業務接得住，也要事先訂好什麼時候停。
過去兩年 AI 使用案例變多，但成功率沒有變，還是五分之一，講者說大家把用量和交付當成了價值。72% 的 EMEA 企業到 2027 年底會部署 AI 代理，但現在只有 21% 有 AI 代理的治理機制。訂出何時停止試行的做法跟一般 IT 系統一樣簡單，但只有約三分之一的 CIO 在做；訂出何時停掉已上線的方案更難，花了一百萬歐元之後很難下手，需要勇氣。他建議把業務準備度放進使用案例，並建立一套固定的方式，決定什麼時候停、資源怎麼轉用；不停掉沒有價值的方案，報酬就永遠不會來。
講者說，以前的技術怎麼用都是人決定，AI 是第一個「代理」而不是「工具」，它會自己做決定、自己想出新點子，甚至自己發明下一個技術。他說把 AI 想成動物、生物或外星人，比較能理解這不是握在我們手上的東西。他認為智慧就是排除障礙去達成目標，AI 可以自己學到「賺很多錢」這種目標再自己找方法；而且有智慧不等於有意識，AI 不需要有感覺，一樣可以有目標。他說業界押注 AI 會比人聰明很多，但怎麼管住比自己聰明很多的東西，答案很清楚，就是不知道。
講者舉例：火可以煮飯，也可以燒房子、燒森林，但決定的是人，不是火。印刷術不會發明收音機，但 AI 可以發明虛擬實境。
二、AI 天生就懂官僚體系，金融、宗教這些體系都可能被它接手。
講者說，人類能控制地球，是因為能讓很多陌生人一起合作，靠的是國家、教會、公司、醫院、軍隊、銀行這些官僚體系；這些體系建立在文字、表格和檔案上，運作得好的時候，做的事就是讓陌生人之間有信任。AI 是人類以外第一個掌握語言的東西，他形容 AI「是在辦公室出生，不是在森林出生」。他也說 AI 已經在發展人類看不懂的溝通方式，以後可能出現人腦理解不了的新數學和新金融體系。他認為最大的威脅不一定是出意外，反而是一切順利，AI 建立一個人類看不懂的世界。
講者數據：人類有了語言以後，花了 7 萬年才發展出現在的官僚體系；AI 可能只要七年，甚至七個月。
三、要替人類爭取時間：先用用途窄的 AI，並且多投資安全。
講者說這波 AI 變化比歷史上任何一次都快，AI 不用睡覺、不用休息，人也被逼著一直追。他建議不要急著做超級智慧，先把用途比較窄的 AI 用在醫療、工業、交通這些地方。他認為現在拼超級智慧算不出投資報酬，也算不出風險，比較像意識形態甚至宗教的計畫，可能是史上最大的市場失靈。他說不是要停掉研究，而是改方向：在安全上投資更多，先把中等能力的 AI 用在醫療、交通、生態等地方，短期的投資報酬也比較合理。他也提醒，用途窄的 AI 管得住，但很多用途都有很強的誘因，會把 AI 做得越來越通用。
講者舉例：以前登月競賽是政府為了意識形態出錢，這次超級智慧競賽是市場在出錢，他覺得很奇怪。
四、企業導入 AI 要當成整合新成員來管，安全和人的決定權要留著。
主持人引用大會資料：86% 的 CIO 認為 AI 風險增加得比價值快。講者說，很聰明的東西也一樣有弱點，部署很聰明卻不安全的東西，代價可能遠大於好處。他說導入比較通用的 AI，不能把它當工具，要當成社會裡來了一批「數位移民」，會有自己的做事方式和合作網絡，所以要了解 AI 的心理學和社會學；他提到矽谷已經有「AI 治療師」「AI 社會學家」這類新職業，以後也會有公司賣「AI 警察」服務，用 AI 去監督其他 AI。他認為現階段保留人來做決定，就是為了安全；實驗室只能測短期、有限的情境，測不出幾十億個 AI 放到世界上互動好幾年後會怎樣，所以要更小心。
講者說 AI 代理剛過「期望過高的高峰」。要大規模使用，有三個難題還沒解決：可靠，答案是不是值得信任；問責，代理替你做了事，誰要負責還不清楚；資安，代理的行為是不是安全，這兩天大家也一直在談 Hugging Face 事件。這三件事要先證明到可接受的程度，才能在整個企業擴大使用。她也建議把代理分成三類：個人代理；負責某個流程的流程代理，例如病患報到或保險理賠；以及角色代理，例如 AI 醫生或 AI 投資顧問。每一類的風險都不一樣。自主權太少就沒有價值，太多就管不住風險，中間有一段剛剛好的區間。
講者舉例：她設想自己有一個個人 AI 代理，會讀信、知道用什麼語氣回信、知道哪些事能做，甚至問她要不要代她去開會。她說這聽起來很近，其實還有一段距離。
二、AI 的價值缺口其實是風險缺口，成本、資安、可信度都要管。
講者說，要擴大使用 AI，有三個最大的風險：資安、成本和可信度（見圖二）。現在很難回答 CFO「這東西總共要花多少錢」，因為成本難以預測、變動又大，但她認為這個問題會解決。資安和可信度是永遠的風險，因為內部無心的使用、外部的威脅，以及生成式和代理式 AI 回應的變動，都讓它們沒辦法一次解決。
講者舉例：前一天主題演講提到，有 AI 代理在九秒內刪掉正式資料庫和備份。她說這種事，不可能靠一群人坐在會議室裡管。
圖二 擴大使用 AI 的三大風險（講者內容）
風險
講者的看法
成本
會一直累積，現在難以預測，但這個問題會解決
資安
永遠的風險：內部無心的使用和外部威脅一直存在
可信度
永遠的風險：生成式和代理式 AI 的回應會變動
資料來源：講者演講內容，本處整理。
三、多數企業不該當「AI 優先」，但可以學它們減量、重用、打好基礎。
Gartner 把 AI 企圖心分成三種：AI 謹慎、AI 伺機和 AI 優先，多數人說自己是 AI 伺機型。講者說，你可能不知不覺變成謹慎型或伺機型，但不可能不小心變成 AI 優先，就像沒有人會一覺醒來就在聖母峰頂。她說在場多數人不是、也不該是 AI 優先，那代表常常公開犯錯、向經營團隊要很多錢，而且大部分時候會失敗。AI 優先的組織投資是一般組織的四倍，這點學不來，但有三件事可以學。第一是減量：投資要窄，只投一次能帶來多種好處的案例，例如同時省錢、改善顧客體驗、縮短週期，這是分析企業財報電話會議得到的結果。第二是重用：不做一次性的資料服務或團隊，只投資能在很多案例重複用的能力。第三是打好基礎：花在資料層和情境層的錢，是花在個別工具上的兩倍。
在 AI 形塑的組織裡，每個人都會變成工具和代理的管理者，但現在大家還不會管。講者說現在的「漫不經心的消費」，就像每天開法拉利去買蘋果；要從比誰用的 token 多，轉成比誰創造的價值多，可以靠 AI 閘道，也要改變使用習慣。Gartner 認為人類主管會留下，因為企業需要清楚的問責；只會上下傳試算表的主管會被淘汰，能當教練的主管才有需要。小團隊要靠主動性很高的員工、會帶人的主管和足夠的治理，不然成果會卡在委員會和大型會議。她說最重要的是，角色正在壓縮和擴大，所以不要從角色開始，要從工作本身開始，IT 是第一個實驗的部門。
講者舉例：產品經理和軟體工程師正在合併成「產品工程師」，財務部門也有類似的角色合併。Gartner 已經重新設計了 21 個 IT 角色。
實體 AI 方面，Gartner 認為到 2035 年，實體 AI 會讓其他形式的 AI 變成舊技術。實體 AI 不只是人形機器人，還包括智慧基礎設施、自駕車和機器人。總持有成本包括機器本身和環境改造，例如改造工廠，環境改造的成本可能比機器本身高很多。環境可以分成結構化（例如工廠）、半結構化（例如辦公室）和非結構化（真實世界），發展方向是走向非結構化的環境。她提醒，企業要比想像中更早開始統籌管理這些實體 AI。
講者說，新技術一出來，大家就搶著學、想賺錢、會害怕、想管制，也常太快下結論，因為人類沒有足夠的「基礎建設想像力」。電話剛發明時，發明人想的是每個城鎮也許有一支；後來是每戶一支，現在是每人手上一支。他說現在用 AI 工具，有時很好用，有時讓人失望，但這些只是在新技術上做出來的第一批產品，沒有現在想的那麼糟，也沒有那麼好。距離大家第一次用 ChatGPT，還不到四年。
講者舉例：2012 年的 Google 眼鏡沒有成功，媒體說是技術不好，但講者認為技術其實很厲害，是產品不適合當時的社會：跟人打招呼時，眼睛卻在看角落的簡訊；錄影時紅燈一直閃，旁邊的人都不自在（見圖一）。
講者說，主管和員工都怕 AI 會搶工作、讓孩子找不到工作，不談就過不去。他說救他一命的移植團隊，幾乎沒用到 AI 或先進的數位技術，靠的是受過良好訓練的專業人員、互相信任的團隊，以及主管給的空間和時間；再加一層 AI，他們只會更好。所以大學學的、多年工作累積的本事，並沒有突然失去價值，主管要把這點講給同仁聽。
他用「滲透」比喻現在人和技術的關係：以前工具像一把鏟子，現在像隔著一層膜，有些資訊會互相滲進來，所以讓人不安。但這不是新鮮事，就像農夫從鏟子換成拖拉機，也會遇到駕照、誰該擁有這些新問題；用這個比喻，可以降低員工的恐懼。他也請大家把對 AI 的感覺整理成清楚的論點，正反都想過，因為光靠情緒，在董事會和員工面前都說服不了人。
講者說，能讓任何人用任何語言說任何話的技術，是問題也是機會：跨國公司可以用來做多語的內部教學影片，但它也可能傷害人跟人之間的信任，兩面都要看。用 AI 做出來的東西，版權是沒有前例的法律問題，就像當年猴子自拍照引起的版權爭議。他的原則是：內部盡量拿 AI 大膽實驗，東西要送出公司前就要保守，先請最好的律師看。