2025台湾产业AI化大调查暨AI落地指引

PREFACE 縮短認知差距，打造AI落地的實踐路徑 人工智慧（AI）已成為全球產業升級與組織創新的核心技術之一。然而，AI的導入並非只是引進新工具或套用模型，更是一場牽涉到資料、流程、組織與治理的深層變革。為了掌握台灣產業在AI發展中的實際需求與挑戰，人工智慧科技基金會（AIF）自2022年起持續每年進行《台灣產業AI化大調查》，是由產業端發動、獨立第三方非營利組織進行的長期研究。希望透過系統化的觀察與趨勢剖析，為台灣產業提供一面映照自身AI化現況的鏡子，也作為政策制定與技術應用的參考依據。 2025年的調查聚焦於「AI在企業落地的關鍵」，調查進行時間為2025年1月至2月底。調查結果顯示，雖然企業對AI的關注與認知已明顯提升，但從「知道AI」到「用AI」之間，仍有一道難以跨越的實踐鴻溝。 比對歷年來調查結果，結合AIF實際輔導企業的經驗，並多方請教業內專家。可以發現雖然2025年有政策大力協助，培育許多人工智慧人才，但是如何從「聽到AI」、「知道AI」、「做到AI」，到全面佈署導入AI，仍然有幾個常見的環節難以跨越。例如： ·不了解應用場景的重要性，誤以為AI如同過去使用過的套裝軟體系統，只要導入、學會操作，就能立即看到效果； ·雖然缺乏AI人才，但不知道什麼是真正的AI人才，也不確定進來公司後的真正職能 ·缺乏對模型訓練、推論、裝置端AI與雲端AI等技術關鍵詞的準確認識； ·資料尚未整合或無明確治理策略，卻急於上線應用； ·重視外部工具導入，卻忽略內部組織能力的培養與明確策略。 雖然這兩年因生成式AI熱潮帶動企業競相投入，但仍然無法突破這些環節。因此，AIF集合多年企業輔導經驗，統整AI應用專家之建議，針對《台灣產業AI化大調查》的數據洞察，首度推出《企業AI落地指引》，提供可依循執行的落地路徑與實踐框架。 本指引的目的 本指引建構於歷年AI調查資料與實務輔導經驗之上，旨在協助企業與決策者在導入AI的過程中，掌握正確的知識架構、建立應用步驟、強化風險辨識、推動跨部門整合，並依據不同成熟階段設計合適的導入策略。其核心目標為： 1.釐清AI導入的基本條件與技術語言：協助企業釐清如裝置端AI、雲端AI、模型訓練與推論等技術核心觀念，避免誤用誤判。 2.辨識產業適配性與階段目標：根據企業所處的AI成熟階段（Unknowing、Conscious、Ready、Scaling），提供每個階段對應的行動建議。 3.提升資料治理與安全防護意識：回應調查中顯示的資料交換策略、AI資安認知落差等盲點。 4.促進內部能力建構與永續發展：協助企業評估現有人才、流程與組織是否具備AI化所需的能力條件與持續學習體系。 為便於不同規模與產業類型的企業應用，本指引設計具備以下三個特 性： ·分階段導航：企業可透過自我評估工具定位所處的AI成熟度（Unknowing、Conscious、Ready、Scaling），快速理解自身當前應聚焦的課題與風險。 ·跨部門功能整合：內容涵蓋從決策、技術、營運、人才到治理的多元面向，幫助企業從營運策略連結AI策略的整體觀，從第一個明確可行的步驟著手，逐步建立應用AI的知識、經驗與信心。 ·實作導向建議：每章節提供具體的操作建議、案例對照與常見陷阱提示，避免紙上談兵，協助企業真正從「想做AI」走向「會做AI」。 在AI普及的關鍵時刻，產業不僅需要科技，更需要一條明確可行的路徑。誠摯期待本指引能協助企業縮小認知差距、補齊治理漏洞、加速人才培育，讓AI在台灣真正落地，穩健發展，並在安全可控的前提下持續創造價值。 財團法人人工智慧科技基金會執行長 CONTENTS 目錄 CHAPTER 01 CHAPTER 02 2025台灣產業AI化調查結果 AI落地指引 21AI落地關鍵的五大能力 CHAPTER 03 行動方案 42政府建言 45企業行動建議 48風險管理與影響評估 專家建議：中小企業轉型思考 22呂正華：從「知道」到「做到」尋找產業AI化的引爆點 專家建議：數據治理如何進行 25胡筱薇：好數據才能讓AI真正落地，「數據治理1234原則」創造轉型價值 專家建議：軟體轉型勢在必行 29周幸蓉：不是「為了AI而AI」，強化企業韌性才是關鍵 專家建議：從算力到AI能力的提升 32吳漢章：不只是有算力，而是怎麼創造價值 專家建議：管理者的轉型心法 35葉福海：AI不只是工具導入，而是重塑流程、人才與資料的治理思維 專家建議：台灣產業AI新機會 38劉思泰：善用終端AI軟硬整合掌握智慧轉型契機 APPENDIX附錄 51AI化程度四大群體導入建議 CHAPTER01 2025台灣產業AI化調查結果 CHAPTER01 2025台灣產業AI化調查結果 企業AI認知提升，應用落地成關鍵挑戰 「台灣產業AI化大調查」透過企業AI能力評估，從「經營策略」、「人才培育」及「技術應用」三大面向進行分析，綜合評分後，將企業劃分為 「UnknowingAI」、「ConsciousAI」、「ReadyAI」與「ScalingAI」四個發展階段，以反映企業在AI認知與應用上的不同成熟度。 調查結果顯示，過去兩年來，台灣企業對AI的認知顯著提升， 「UnknowingAI」企業比例從45.5%降至39.4%，「ConsciousAI」則增長至31.7%，顯示AI相關知識正在企業間逐步擴散。然而，「ReadyAI」與「ScalingAI」的比例未見顯著增長，反映出企業在AI技術落地應用上仍面臨瓶頸，目前仍有七成企業未能跨越AI實際應用門檻，導入進程明顯受阻。 許多企業期望透過AI提升營運效率、優化決策或創造新商機，然而，在實際執行層面，仍面臨技術資源不足、內部數據整備尚未完善，或缺乏AI應用策略等根本性挑戰，這些問題與企業的數位轉型發展階段息息相關。AI導入並非單一技術升級，企業AI化的進程，往往取決於數位轉型的成熟度。唯有數據基礎建設完善、內部數位文化成熟，AI才能真正發揮價值。 整體而言，企業AI化進程的遲滯涉及策略規劃、技術認知與人才發展等多重因素。以下將進一步分析影響企業AI落地的關鍵挑戰，並探討如何縮短企業從AI認知到AI應用的落差，以加速台灣產業AI化進程。 年度整體平均分數變化 單位：平均分數 2022年2023年2025年 產業AI化指數 各發展階段家數占比 單位：%，因統計結果有四捨五入的情形，故加總數字可能產生小數點的誤差 2025年 2023年 2022年 四大群體分別反映企業在AI認知與應用上的不同成熟度，分別是： Business經營Talent人才Technical技術 UnknowingAI：AI認知缺乏階段ScalingAI：AI規模應用階段 ConsciousAI：AI認知覺察階段ReadyAI：AI導入準備階段 這四個階段可作為企業AI化進程的參考指標，協助企業評估自身定位，並規劃適合的AI發展策略。 CHAPTER01 2025台灣產業AI化調查結果 整體產業AI化指數 企業AI認知提升，製造業及政府進步最多 本次調查結果顯示，資通訊（ICT）產業的AI指數有所下降（由44.7降至41.7），推測主因在於企業對自身AI發展的評估方式轉變。由於本調查以企業自評為主，過去許多企業在尚未進行內部盤點前，對自身AI發展程度抱持較為樂觀的看法。然而，在實際導入AI後，著手進行內部資源盤點時，企業才意識到內部資料整備不足、數據治理機制等尚未完善，甚至是需要優化業務流程等，因而導致評分相較先前有所下滑，這也反映出從概念認知到實際應用的落差。 另一方面，在過去AI指數相對落後的製造業、政府機關及其他產業，則在本次調查中指數呈現顯著成長（由24.4提升至33.1）。這一變化顯示，近兩年來，生成式AI工具的發展加速了這些產業對AI的認識與應用，使其 AI指數有所提升。而這些企業多半仍在生成式AI工具的應用與探索階段。 數位轉型準備不足是最大的挑戰 儘管部分產業的AI指數有所進步，但企業在AI導入過程中仍面臨諸多挑戰。隨著ChatGPT等技術的普及，企業開始意識，並對AI懷抱興趣。然而，在真正落實AI應用時，由於缺乏數位轉型的基礎而窒礙難行，必須先建立良好的數位基礎，包括完善的數據治理、數位化流程，以及內部AI人才培育。唯有如此，才能確保AI技術的落地應用發揮最大價值，為企業帶來真正的競爭優勢。 產業AI化指數 單位：平均分數 2022年2023年2025年 全體資通訊科技(ICT)專業服務業零售貿易服務業製造業/政府機關/其他 各層面分數表現 單位：分 經營層面人才層面技術層面各產業AI發展趨勢與挑戰： 「經營策略」層面表現持平，平均僅32分，顯示企業在AI導入的策略性思考仍有待加強。 「技術應用」層面成長最為明顯，平均達47分，ICT產業仍為表現最佳的領域。 「人才培育」層面最為不足，平均僅31.5分，其中47%企業尚未規劃AI人才發展策略，顯示AI專業人才的培育與訓練仍是國內企業面臨的重大挑戰。 CHAPTER01 2025台灣產業AI化調查結果 經營層面 現況分析：缺乏長期策略，應用仍停留在工具應用層面 2025年與2023年在企業經營層面，AI指數平均僅32分，與往年持平。AI納入企業發展策略的議題，自2022年起即持續受到關注。調查結果顯示，越來越多企業已經開始將AI納入發展規劃，相關比例較往年有所提升，反映出企業對AI的戰略價值有更高的認識。然而，近五成企業未宣佈AI相關的發展策略，2025年的表現亦僅37.6分，尤其零售貿易服務業僅13.7分，表現最低。顯示目前多數企業仍停留在工具與技術的輔助層級，尚未建立完整的AI導入路徑圖（Roadmap）。這不僅限制了企業內部對於AI應用的可能，也無法發揮AI在提升營運效率與創造競爭優勢上的價值。 各產業在數據治理與依循AI準則的表現皆偏低，超過四成企業表示沒有或不確定採用AI準則，平均分數更為所有指數中最低（20.4分）；即使ICT產業也僅20.3分。 要突破AI在企業經營層面的發展限制，企業必須從整體營運目標與願景出發，結合決策導向，制定清晰的AI發展路線圖（Roadmap）。在導入AI技術時，企業的發展策略應與可信賴AI原則緊密結合，以確保AI系統的合法性、倫理合規性與穩健可靠性。將這些原則納入發展策略，不僅有助於企業充分發揮AI潛力，也能有效降低風險，進而建立使用者與社會的信任。 此外，企業應強化風險管理、國際標準對標與人才培育，並將數據治理與可信賴AI原則納入核心策略，以確保AI技術能夠在合規、安全與透明的基礎上推動業務發展。唯有透過完整的策略規劃與風險管理機制，企業才能真正發揮AI的長期價值，推動數位轉型，並在全球競爭環境中保持領先優勢。 經營層面整體平均分數變化 單位：平均分數 經營層面AI化指數計算 單位：分 2022年 2023年 2025年 B1：使用AI工具 B2：AI發展策略 B3：資料採用的 B4：可信賴AI準則 或技術協助的工作 上的規劃 數據治理 全體資通訊科技(ICT) 專業服務業 零售貿易服務業 製造業/政府機關/其他 CHAPTER01 2025台灣產業AI化調查結果 經營層面 在個資隱私保護之外，缺乏對資料治理的理解與實踐 調查結果顯示，企業在數據治理方面認知普遍不足。儘管2025年企業在數據治理的整體表現（25.2分）較2023年（16.4分）進步，顯示出企業對數據治理的重視逐漸增強。然而，仍有三分之一的企業未採用明文規範，或對此表示不確定。在已採用規範的項目中，多數企業集中於資料隱私、資安管理系統以及資料日常管理等基本治理領域。 儘管資料隱私與資安管理一直是企業的主要關注點，資料治理的核心不 應僅限於保護個人隱私，更應著重於挖掘具有商業價值的資料。尤其是非個資資料，它們被視為當今數位經濟中的「新石油」。這些資料的價值不僅來自於內部使用，還應透過與外部合作夥伴（如供