台灣與大中華區企業 AI PoC 落地率調查:到底只有多少專案真正上線?

我們花了十八個月,追蹤大中華區(以台灣為核心)128 個企業生成式 AI 專案的下場。結論一句話:真正推上生產線、而且三個月後還有人在用的,只有 18%。

其餘八成呢?41% 死在 PoC 與 Demo 階段,連生產環境的門都沒摸到;22% 上線了,卻在半年內被冷凍,實際使用率跌到 10% 以下;還有 19% 卡在「永遠的 pilot」,時程拖成原訂計畫的兩倍以上,誰也不敢喊停,也沒人敢真的上線。

這就是我們今天想公開的一組數字——企業 AI PoC 落地率。市面上談 AI 導入的簡報很多,願景很滿,卻幾乎沒人把「到底有多少專案真的上線」攤開來講。尤其在繁體中文語境下,你幾乎查不到本地數據。所以我們自己算了一遍。

我們怎麼定義「落地」

先把尺說清楚,不然數字沒有意義。一個專案要被我們計為「上線」,得同時跨過三道門檻:一,進入正式生產環境,而不是還跑在測試機或 sandbox;二,有真實業務使用者在用,不是專案團隊自己 demo 給自己看;三,連續使用滿 90 天,而且掛著至少一個被追蹤的業務指標(工單分流率、處理時間、轉換率之類)。三個都達到,才算數。

這把尺刻意嚴。因為「上線」在很多公司的定義,是「我們辦了一場上線發表會」,不是「有人真的在用」。Demo 很美不算數,有人天天在用才算數——我們用這條線去篩,18% 這個數字就是這麼來的。

方法論交代清楚:樣本是 2024 Q4 到 2026 Q1 之間,我們實地接手、盤點或深度訪談過的 128 個專案,橫跨金融、醫療、製造、零售、物流、車用六大產業;另外對 60 位導入負責人做了匿名問卷。這是一份實務樣本,不是全國普查,會有選擇偏誤(會來找顧問的,通常是已經卡住的),數字請當成方向,別當成聖經。

企業 AI PoC 落地率:六大產業的差距

整體 18%,但拆開產業看,差距不小。

金融落地率最高,不是技術特別強,而是它被合規逼著把流程寫得清楚,AI 有明確接點。醫療墊底,卡點幾乎都在資料治理與責任歸屬——模型答錯一次的代價太高,大家寧可不上線。

換一個切法,按專案類型看更刺眼:內部知識問答與 Copilot 類只有 12% 上線,是所有類型裡最低的;反而是目標明確的 Agentic 流程自動化有 21%。原因很直接。Copilot 是「給所有人用」的通用工具,沒有一個非它不可的場景,最容易變成沒人點開的分頁。

把落地率翻倍的三個變因

我們回頭比對這 128 個專案,有三個變因跟「有沒有上線」的相關性,強到不像巧合。

第一,有沒有一個可量化的業務指標。從第一天就綁定指標(例如「把一線客服工單分流 30%」)的專案,落地率是沒綁的三倍。沒有指標的專案,通常連「算不算成功」都吵不出結論,自然拖成 pilot。

第二,有沒有高階主管當 sponsor。有 C-level 掛名扛的,落地率大約是沒有的兩倍。這不是辦公室政治,是資源問題——上線的最後一哩永遠要跨部門、要動 IT 和資安,沒人有權限拍板,專案就死在會議室裡。

第三,也是我們自己最有感的:有沒有工程師真的進場,扛到上線。純顧問模式(交一份報告和路線圖就走人)的專案落地率是 9%;有人駐點、把邊角案例一個一個修掉、陪跑到採用率爬起來的,是 34%。差了將近四倍。

18% 這個數字,說難聽是行業的難堪,說實在是機會——多數專案不是輸在模型,是輸在沒人把它扛過最後一哩。我們在 Tenten 做前線部署工程(FDE),做的就是這件不性感的事:工程師進客戶現場,把 PoC 一路推到有人每天在用,並且盯著那個業務指標不放。這份數據我們每季會更新;如果你手上也有一個卡在 Demo 的專案,歡迎把你的數字丟過來,我們一起看它卡在哪一關。