AI 用咗幾耐，帳面見到嘢未？

一間公司同一時間可能運行唔定數量嘅 AI 平台、系統同工具——AI 客服、對話助手、工作流程自動化。每個都精緻、先進、反應快。但一開工，結果可能錯漏百出、對業務一嘢唔明。呢就係現時好多公司被困住嘅地方，亦係佢哋喺 AI 投資揾唔到回報嘅關鍵原因之一。

呢段由 Atlan 贊助、刊於 MIT Technology Review Insights 嘅分析（2026 年 10 月 28 日）引用咗同一機構嘅調查。調查話：每間受訪機構都已經喺用 AI，但真正從部署入面拿到「變革式價值」嘅唔到五分之一，即 16%。最大嘅一群（40%）話喺特定任務或團隊見「中度改善」，21% 話有「顯著收益」，餘下 23% 話回報極微或冇。

用家層面嘅分佈仲揭示一個冷峻現實：38% 嘅公司仲停喺試點（pilot）階段，35% 用 co-pilot 或聊天助手輔助員工，只有 12% 嘅企業有 AI agent（可獨立執行任務嘅代理）喺正式生產環境運作，而只有 3% 話 AI 已經承擔咗關鍵流程入面嘅大部分工作。

Atlan 聯合創辦人 Prukalpa Sankar 指出：「模型可以做到嘅嘢，同模型喺企業入面實際發揮到嘅作用，之間有一個好大嘅空隙。就實際用途嚟講，通用人工智能（AGI）已經喺度，只係喺大多公司入面真係冇用。」

佢話缺嘅係「context layer」

Sankar 話，缺嘅嗰層係「context layer」——即 AI 對業務嘅理解程度。佢指呢個係一個架構基礎設施，介乎企業嘅業務系統（systems of record、數據）同 AI 平台之間，將企業資訊翻譯成 AI agent 或模型可以用嘅、受治理嘅「機械可用上下文」，同時協助知識累積。

佢用嘅比喻：「冇呢個 context layer，就好似你僱咗全世界最聰明嘅實習生，矇眼、直接丟進公司入面。」

阿調搞兩下

呢個分析入面最值得留意嘅，唔係佢推銷自己嘅產品，而係佢敢喺自己篇稿入面放一個「16%」嘅數字。Sankar 話「AGI 已經喺度，只係喺大多公司真係冇用」——呢句真係好直接，冇任何粉飾。

但呢個「context layer」概念由一間產品公司提攜，本身就係一個值得留意嘅結構性矛盾：當問題被定義為「缺咗嗰層基礎設施」，解法自然指向「買嗰層基礎設施」。呢個唔係批評，呢係任何解決業務問題嘅服務供應商嘅基本商業邏輯，但讀者應該知道呢個框架由邊個提出。

對香港企業嚟講，呢個調查最有用嘅數字唔係「16%」而係「12%」——只有一成嘅公司有 agent 真正上線。問題唔係技術，係你公司嘅數據同流程，有冇整理到足夠讓 AI 讀到、用到嘅程度。呢個先至係真問題。

阿調｜深度調教