在當前的科技浪潮中，產業界正瀰漫著一股濃厚的焦慮感。許多企業領袖與決策者往往陷入了「技術軍備競賽」的迷思，誤以為只要花大錢導入最新的 AI 模型、掌握最前沿的運算工具與超大算力，就能自動掌握未來的市場話語權。

然而，這種只看技術不看場景的盲目投資，往往帶來的是高昂的沉沒成本與內部員工的無聲抗議。正如人工智慧科技基金會（AIF）執行長溫怡玲所明確指出的，創新的核心正經歷一場深層的轉移：創新已經從早期的「技術創新」一路演化至「產品創新」，最終進入了「顧客體驗創新」的深水區。

在 AI 轉型的關鍵時刻，企業必須從技術的雲端走下來，回歸創新的最基本面——「解決人的問題」。如果不能解決人的痛點，再強大的算力也只是無用的消耗。

資服業的生存戰——從「專案化」走向「產品化」

長期以來，台灣的資訊服務業者多半仰賴「專案制」來維持營收。專案制的特色是高度客製化，但這也意味著高度依賴人力，難以規模化，且利潤空間極容易在無止盡的客戶修改與溝通成本中被消耗殆盡。對此，數位發展部部長林宜敬近年便大力倡導，資服業者應當積極從「專案化」轉向「產品化」，藉此降低企業營收對於人力的過度依賴。

根據人工智慧科技基金會的研究顯示，許多積極的資服業者其實已經敏銳地意識到 AI 帶來的產品化契機。但是，當他們試圖從熟悉的專案代工轉型時，往往會撞上兩大難題：「市場在哪裡？」以及「究竟該如何收費？」。過去按人月計費的模式，在產品化時代已不再適用。

為協助業者跨過這道轉型的死亡之谷，AIF 攜手資策會推動了《2026 資訊服務業者經營賦能計畫》，日前更舉辦了產品化經營核心課程。在首場課程中，溫怡玲執行長便是透過「創新用途理論」，引導業者進行根本的思維轉換，提供從專案型服務邁向產品化經營的方法論，期望讓技術能力轉化為具備真正市場價值的創新產品。

💡 【企業案例佐證：Adobe 的雲端產品化轉型】

回顧全球軟體巨頭 Adobe 的轉型之路，完美印證了「從專案/單次買賣轉向產品化服務」的威力。過去 Adobe 依賴販售單次授權的盒裝軟體（如 Photoshop CS 系列），這種模式如同專案，收入不穩定且難以持續推送更新，也無法累積用戶的使用數據。

後來，Adobe 痛下決心轉向 SaaS（軟體即服務）模式，推出 Creative Cloud。他們不再只是「賣軟體」，而是提供創作者「持續產出優質設計的工作環境」。這種從「買斷制工具」到「訂閱制體驗」的產品化轉型，不僅讓 Adobe 營收屢創新高，更徹底綁定了用戶的日常工作流。這正是台灣資服業者在 AI 時代需要思考的「產品化」路徑：你賣的不是一套寫好的 AI 程式碼，而是一個能持續幫客戶解決特定任務的「服務體系」。

破解「為何要用 AI」的迷思——深度解析「用途理論」

在協助客戶導入 AI 的過程中，我們常常聽到最淺層、卻也最致命的理由：「因為朋友都在用」、「因為競爭對手都導入了，我們不能落後」。這種因 FOMO（錯失恐懼症）而產生的需求，往往是最不穩固的。

溫怡玲指出，如果客戶根本不清楚自己為何要用 AI，即使資服業者成功協助導入，後續也極容易累積許多不滿。這些不滿並非是誰的過錯，而是因為客戶在導入後才開始思考：我究竟要拿 AI 來做什麼？。

這時，哈佛商學院教授克雷頓·克里斯汀生（Clayton Christensen）提出的「用途理論（Jobs to be Done）」就成了破局的關鍵。過去，企業在描繪目標受眾時，多半只著眼於個人的靜態資料，例如性別、學歷、居住地與收入等。但用途理論關注的焦點截然不同：顧客拿你的產品來完成什麼任務？。

換言之，成功與否的關鍵在於是否真正理解使用者。「客戶的任務與用途，才是決定產品前途的關鍵，」溫怡玲建議，當客戶自己也無法說清楚需求時，業者在一開始就必須協助他們共同釐清：到底要用 AI 完成什麼任務？。我們對於顧客的了解，以及對「顧客的顧客」的了解程度，將直接決定產品開發的成敗。

💡 【企業案例佐證：麥當勞奶昔與「雇傭」任務】

用途理論最經典的案例，莫過於麥當勞的奶昔研究。為了提升奶昔銷量，麥當勞起初針對「喜歡奶昔的客群（年輕人、愛吃甜食者）」進行調查，並根據他們的回饋調整口味與配方，結果銷量毫無起色。

直到研究人員實地觀察才發現一個驚人事實：近一半的奶昔是在早上 8 點前賣出的，且顧客都是獨自開車購買，買完就走。深入挖掘後發現，這些早晨通勤族的「任務（Job）」是：在漫長無聊的開車過程中找點事做，同時需要一點能撐到中午的飽足感。比起香蕉（吃太快）或甜甜圈（容易弄髒手和方向盤），濃稠的奶昔完美解決了這個任務。

於是，麥當勞沒有繼續改變客群，而是將奶昔做得更濃稠（延長吸食時間），並加入果肉（增加吸食的驚喜感），甚至推出快速結帳通道，銷量隨即大增。

在 AI 產品開發上也是如此。客戶買 AI 不是為了「擁有神經網絡技術」，而是為了「在下班前 10 分鐘，快速產出一份不會被老闆退件的財報摘要」。找準這個「任務」，AI 才有變現的價值。

價值陷阱——不要成為「買了卻沒看」的線上課程

用途理論的核心精神在於：人們購買的並非產品或服務本身，而是希望透過它讓生活變得更好。如果無法讓顧客感受到「變得更好」，他們就不會購買；就算一時衝動買了，也難以持續使用，更遑論明年的續約。

溫怡玲以線上課程作為生動的比喻。現代人購買線上課程，多半是出於「想成長、想變聰明」、緩解知識焦慮的內在心理需求。但購買之後，因為「沒看完其實也不會怎樣」、日常工作又太忙，加上課程通常可以無限期觀看（缺乏急迫性），導致整體的完課率普遍極低。

對於賣課的人來說，交易完成就算達成目的，使用者有沒有把課看完，對他們短期的營收似乎並不重要。但是，AI 產品業者如果抱持這種「只想把產品賣進去」的心態，絕對會落入「AI 無用論」的致命陷阱。一旦企業客戶發現 AI 工具就像那些堆積如山的線上課程一樣，買了卻沒人用、用了也沒改善流程，明年絕對會大筆砍掉這筆預算。

溫怡玲建議，AI 產品業者必須真正在意的是：當使用者導入 AI 後，是否真的感受到其帶來的價值？。這需要進一步針對不同情境進行拆解，因為在同一家企業中，「有用」的定義因人而異：

● 對主管而言： 「有用」代表的是決策數據的透明化、跨部門協作的效率提升，以及整體營運成本的降低。

● 對人資而言： 「有用」代表的是招募履歷篩選的精準化、員工培訓與差勤管理的自動化。

● 對第一線使用者而言： 「有用」代表的是減少無聊的重複性勞動、自動生成會議紀錄，讓他們能準時下班。

唯有細緻地釐清不同利害關係人對「有用」的各自定義，才會清楚知道產品對使用者的真正價值所在。

戳破市調的假象——聽消費者說，不如看他們怎麼做

在釐清價值的過程中，許多企業會直覺地想要進行傳統的市場調查或發放問卷。但溫怡玲提醒，當我們想針對消費者進行市場調查，期待能更了解他們時，許多人常誤以為消費者在調查中「說出口的」，就是他們「真正想要的」，然而事實往往並不盡然。

業界有一個廣為流傳的經典案例：某家音響廠商為了開發新款喇叭，召集了一群受訪者，詢問他們喇叭應該使用什麼顏色。在討論過程中，受訪者可能為了展現自我品味或迎合大眾氛圍，以「品牌應該要展現年輕活力」為理由，一致投票選擇以亮黃色取代經典的黑色。

但這場研究真正的關鍵，發生在訪談結束之際：廠商為了感謝大家的參與，宣布讓每位受訪者免費自由挑選一台喇叭帶回家。結果極具戲劇性——那些剛剛在會議桌上大力讚揚亮黃色、高喊活力的受訪者們，最後不約而同地全都挑選了最安全、百搭的「黑色」。

這個案例深刻地提醒我們：在開發 AI 產品時，絕對不能只聽消費者「怎麼說」，還必須具備細膩的觀察力，並盡可能搭配實際行為的第一手數據與資料，加以交叉驗證。

💡 【企業案例佐證：Netflix 的行為數據演算法】

Netflix 早期曾讓用戶填寫「偏好問卷」來推薦電影，結果發現用戶在問卷上都會勾選自己喜歡《辛德勒的名單》或嚴肅的高深紀錄片（為了展現高雅品味），但到了星期五晚上，他們實際點擊觀看、且完播率最高的，卻是《亞當等大人》這類輕鬆無腦的喜劇。

如果 Netflix 盲目相信用戶「說的話」，其推薦系統將會是一場災難。因此，Netflix 放棄了靜態問卷，轉而全面依賴「行為數據」：用戶在哪裡暫停、在哪裡快轉、半夜看什麼、週末看什麼。AI 時代的科技產品轉型也是如此，不能只發問卷問員工「你需要什麼 AI 工具」，而是必須透過監測員工實際與系統互動的日誌（Logs）和行為路徑，才能挖掘出他們不敢說或沒意識到的真正痛點。

拒絕「等 AI 成熟」的迷思——企業導入的務實之道

面對日新月異、幾乎每週都有新模型發布的技術環境，許多企業老闆常常會抱持觀望態度，說出：「那我們等 AI 技術發展成熟一點再決定好了」。

對此，溫怡玲強烈建議，業者應該先與企業客戶進行深度溝通。她強調，AI 實質上只是一個「籠統的概念」，其背後涵蓋的技術種類繁多（從傳統機器學習、自然語言處理到最新的生成式對抗網絡等），因此，實際上根本不存在整體「完全成熟」的可能。技術永遠在迭代，等待所謂的「成熟」，只會錯失市場先機。

在評估如何協助企業客戶導入 AI 時，溫怡玲建議可從兩個務實的面向切入：

1、需求面（有沒有用）： 對企業是否具備高度需求。但必須注意，老闆覺得有用的東西（例如員工監控），基層員工可能覺得是個阻礙，兩者的認知可能並不一致，必須取得平衡。

2、技術面（穩定度）： 該項特定應用技術是否已經成熟穩定。最理想的切入點，就是選擇「技術成熟穩定」且同時是「客戶高度需要」的項目，這樣才能在短期內快速看到成效（Quick Wins），建立組織內部的信心。

此外，面對企業客戶，溫怡玲建議要先釐清三件關鍵問題：

1、想達成什麼效益？（是省時間、降成本，還是增加新營收？）

2、有沒有能力做到？（例如：若企業內部連一位軟體工程師都沒有，卻妄想自建地端伺服器與專屬大型語言模型，這就很難實現）。

3、準備度如何？（資料是否已經數位化？網路架構是否能支撐？）

不同規模的企業，在轉型路上遇到的「卡關點」也截然不同。中小企業面臨的最大痛點多半是「缺人、缺資料」，連基礎的數位化都沒做好；而資源豐富的大型企業，反而常常受限於組織內部的「穀倉效應（Silo effect）」，各部門資料不互通，這對試圖推動全面創新轉型的業者來說，是不小的挑戰。

AI 的雙面刃—看見「Shadow AI」與「Workslop」的隱憂與商機

許多企業天真地以為，只要先花錢讓員工購買 AI 帳號（如 ChatGPT Plus），接著導入專屬模型，最後再導入 AI agent，就能順理成章地一步步完成 AI 轉型。但溫怡玲嚴肅提醒，這套過於理想化的做法，在現在複雜的商業環境中已經完全不適用了。資服業者與企業經營者必須正視以下兩大隱憂：

隱憂一：影子 AI（Shadow AI）的資安未爆彈

根據國外的調查資料顯示，今年初大約有八成的專業工作者坦承，他們已經在工作中使用生成式 AI，但令人震驚的是，僅有約一成的企業擁有實際的 AI 管理與治理機制。溫怡玲透露，若將場景換到台灣，這中間的數據差距恐怕會更大。 員工為了求快、求表現，私自將公司機密資料、客戶名單上傳至公開的 AI 平台，形成了企業 IT 部門看不見也管不到的「影子 AI」。因此，她強烈提醒企業，務必要掌握員工究竟將哪些資料上傳至 AI，並且必須及早建立內部治理機制，以降低後續可能引發的商業機密外洩風險。

隱憂二：粗製濫造的「Workslop」現象

「Workslop（AI 餿水）」是去年備受全球職場矚目的年度關鍵字，意指員工借助 AI 大量產出、外表看似完整、字數龐大，但實質內容卻毫無靈魂、邏輯不通且品質低落的工作成果。《哈佛商業評論》（HBR）也曾針對此一現象進行深入研究。 研究中發現，在職場中收到「workslop」的人往往會陷入一種焦慮的兩難。要不要幫忙修改？一旦你展現出善意幫忙修改了，對方往後每次都會食髓知味地把半成品丟給你處理，而平均修改一份這樣的文件，往往需要耗費兩小時，比自己重寫還累。但如果不幫忙改，最終產出的品質管理出現漏洞，責任該由誰扛？企業是否有相應的能力來負責？。這是所有企業在追求快速導入 AI 的此刻，就必須立刻正視的問題：「品質防線到底該畫在哪裡？」。

溫怡玲強調，這兩大嚴峻的問題既是企業的隱憂，但同時也是資服業者的巨大商機。誰能提供解決這些痛點的產品（例如企業級安全私有模型、AI 內容品質檢核系統），誰就能在 AI 時代脫穎而出。

💡 【企業案例佐證：三星電子的慘痛教訓與內部防線】

2023 年，韓國科技巨頭三星電子（Samsung）的半導體部門爆發了嚴重的資安危機。工程師為了加快工作效率，將機密的程式碼直接貼上公有雲的 ChatGPT 尋求 debug 協助，導致公司核心機密直接外洩給 OpenAI。這就是最標準的「Shadow AI」災難。

事件發生後，三星立刻祭出禁令，禁止員工在公司設備使用外部生成式 AI，並轉向與資服業者合作，斥資開發具備嚴格存取權限控管的內部專屬生成式 AI 工具。這完美證明了企業對 AI 的需求無法壓抑，資服業者的龐大商機正存在於「如何打造一個安全、可控、具備治理機制的企業級 AI 產品」。

下一步行動——從知識管理出發，建構規模化產品

面對 AI 對於傳統商業模式帶來的結構性衝擊，資服業者究竟該如何系統化地將自己的領域知識（Domain Knowledge）與服務客戶的多年經驗，轉譯為可以無限規模化的標準產品？。

溫怡玲在實務觀察中發現，對於多數企業而言，導入 AI 最務實也最穩健的第一步，其實是建立「內部知識管理」。她建議資服業者可以將此作為切入點，協助企業客戶將散落各處的紙本資料、PDF、歷史專案等非結構化資料進行結構化，打好 AI 應用的基礎底層，並為企業建立有效的「驗證與品質把關機制」。

而品質管理的做法可以十分多元，無論是從前端的使用者輸入權限把關（限制提示詞範圍），還是從後端的產出內容檢核（防幻覺機制），端看業者能夠著力、發揮專長的地方在哪裡。

為了徹底落實這些理念，不僅停留在聽講，AIF 在後續也將舉辦產品開發工作坊，讓參與的學員能在實作中產出四張畫布，並將其組合為一套完整的產品開發標準流程。參與工作坊的學員甚至可以提出申請，由具備豐富實戰經驗的企業資深顧問進行一對一輔導，確保產品開發流程能夠被精準校正、調整到位，真正孕育出具備市場競爭力的 AI 產品。

回歸「人」的本質，才是 AI 時代的護城河

科技的浪潮瞬息萬變，從大數據、區塊鏈、元宇宙到如今的生成式 AI，技術的更迭從未停歇。但透過「用途理論」的視角，我們應當深刻體認到：無論底層技術如何強大，創新的終極目標永遠是解決使用者的真實痛點，讓他們的生活與工作變得更好。

台灣資服業者的未來，不在於誰能去拼湊最酷炫的 AI 模型或打價格戰，而在於誰能最細膩地洞察使用者的任務，劃定好企業最在意的資安與品質防線，並將這些洞察化為具備市場價值的標準化產品。唯有將技術完美融入人類的真實用途，才是 AI 時代科技轉型的真正致勝之道。