資策會FIND 2025 AI應用大調查：AI競賽已經開始！跨越「AI應用鴻溝」，百工百業如何搶佔智慧轉型新紅利？

資策會FIND 2025 AI應用大調查：解析臺灣從數位轉型跨向智慧轉型的關鍵賽道

產業AI化：百工百業的智慧覺醒

長期以來，人工智慧（AI）多被視為資通訊產業（ICT）轉型的核心驅動與專屬工具。隨著生成式AI（GenAI）的快速普及，AI正逐步走出科技產業的範疇，轉變為一種可被各行各業運用的「普惠科技」。正如電力曾重塑工業格局，AI也正開始滲透企業的日常經營，不再僅是硬體或系統層面的競爭。

當前，全球企業正站在從「數位轉型（DX）」邁向「智慧轉型（IX）」的關鍵交會點。重點已不再只是累積數據，而在於能否透過AI將資料轉化為決策依據與實際生產力。根據IBM《2023年全球AI科技使用現況》調查顯示，全球已有約42%的大型企業已經積極建置AI科技；另有40%的企業正在探索與嘗試。根據歐盟統計局2024年統計資料，顯示中小企業的AI採用率雖僅約13.5%，但年成長幅度已達60%，顯示AI應用正加速向不同規模的企業擴散。

對比國際趨勢，臺灣的腳步正處於加速期。根據資策會FIND 2025年AI應用大調查，在臺灣針對2,032家企業的調查結果顯示，約兩成的企業進入實質評估、導入驗證或整合應用的階段。換言之，高達八成的企業仍處於初步摸索階段。這反應出AI從資通訊業普惠至百工百業，仍有極大的發展空間。

進一步從產業來看，對服務業而言，AI的價值在於透過行銷自動生成與智慧客服，快速緩解前線人力壓力並優化顧客互動；對製造業來說，則聚焦於品質控管與排程優化，降低對個人經驗的依賴。AI是否能真正成為企業的助力，關鍵不在技術本身，而在於企業是否準備好，讓AI進入日常決策與營運流程之中。

基於此，資策會FIND從AI準備度的角度切入，檢視臺灣企業在「數據基礎力、資源整備力、組織治理力、技術應用力、效益展現力」五個構面上的整體現況，並進一步觀察服務業與製造業，對AI應用的期待與需求。

01｜臺灣產業AI準備度現況：我們的AI落點在哪裡？

近年來，AI技術快速演進，各類應用如雨後春筍般湧現，在產業間引發高度討論。然而，相較於討論熱度，企業實際導入與落地的速度仍顯不足。

本次研究共涵蓋臺灣2,032家企業，其中服務業932家、製造業1,100家，並依AI準備度劃分為四個導入階段：Level1探索試用階段、Level 2評估準備階段、Level 3 應用導入階段和Level 4整合擴散階段。結果顯示，服務業與製造業的整體AI準備度平均值分別為17.0與15.0，皆落在Level 1探索試用階段，且超過八成企業集中於此層級。代表多數企業雖已接觸AI、並意識到其潛在影響，但相關應用仍以零星嘗試為主，尚未形成穩定、可複製的導入模式。即便製造業長期推動自動化，整體仍多處於由「數位化（Digitalization）」邁向「智慧化（AI）」的過渡階段，AI準備度亦呈現結構性落差。

進一步觀察服務業可發現，AI準備度的推進，與營運流程是否具備標準化有高度相關。住宿、餐飲及美容美髮等行業別，雖高度仰賴現場專業，但在預約管理、客服回應、行銷與行政作業等流程上較易標準化，已有部分業者開始系統性評估AI應用的可行性。相較之下，家事服務、洗衣業與汽車維修等規模較小、流程破碎且高度依賴即時判斷的行業別，AI多停留於支援性使用，整體仍集中於Level1探索試用階段。

在製造業方面，電子零組件、電腦與光電等電子資訊相關產業的AI準備度明顯領先，已有相當比例企業進入導入驗證，甚至展開規模化應用，主因在於其長期高度E化，系統佈建完整、數據密度高，並具備相對成熟的技術人才基礎。相較之下，金屬機電與多數傳統製造業，特別是橡膠、塑膠與非金屬礦物製品業，受限於製程離散、客製化比例高和數據整合不足，AI導入門檻相對較高。

整體而言，無論服務業或製造業，臺灣企業的AI導入仍以探索與評估為主，尚未形成大規模的落地。這也顯示，在進入具體應用之前，企業需先釐清自身在AI導入準備上的落點，而非急於選擇工具。

圖1：AI準備度等級分布
圖片來源：資策會FIND團隊

02｜五大構面解析：AI推動基礎已具雛形，深化應用仍在起步

為掌握臺灣企業在AI導入上的準備程度，本調查從「數據基礎力、資源整備力、組織治理力、技術應用力、效益展現力」五個構面進行分析。

綜觀來看，無論服務業或製造業，「數據基礎力」相對其他構面表現較為成熟，顯示多數企業已具備一定程度的資料蒐集與數位化基礎。對服務業而言，資料多來自會員、交易、行銷與顧客互動紀錄；製造業則累積於生產設備、品質檢測與管理系統中。然而，資料仍普遍分散於不同系統與場域，標準化與整合程度有限，尚未完全轉化為可支撐進階AI應用的基礎。

在「資源整備力」方面，企業已逐步意識到AI人才與導入規劃的重要性，但整體仍停留在初步布局階段。服務業多受限於人力與組織規模；製造業則面臨IT、製程與現場部門間的協作斷層，使AI推動多為單點嘗試，尚未形成系統性規劃。相較之下，「技術應用力」與「效益展現力」仍屬相對薄弱的構面，反應目前企業對AI的使用多集中於測試、輔助或單一情境應用，具備較大的成長空間。

整體而言，五大構面的表現反應出臺灣企業已具備導入AI的基礎條件，卻仍受限於組織協作、流程整合與效益累積機制尚未成熟，也呼應本次調查結果，多數企業仍集中於Level 1探索試用與Level 2評估準備階段。

圖2：五大構面分布
圖片來源：資策會FIND團隊

03｜需求分化：服務業種「快落地」、製造業種「可量化」

• 服務業聚焦「行銷與顧客互動」應用

  從服務業對AI應用需求來看，企業期待明顯集中於可快速落地、能即時緩解第一線營運壓力的情境，其中以行銷內容自動生成、智慧客服聊天機器人需求最高，反應服務業在人力有限、客戶互動頻繁下，亟需AI分擔高頻溝通與內容產出工作。其次，自動化庫存管理與AI個人化推薦亦具一定需求，顯示部分業者已開始關注資料應用對營運效率與顧客體驗的改善，但整體仍以解決當前營運問題為優先，尚未延伸至組織管理或策略層面。

圖3：服務業對AI應用服務的需求
圖片來源：資策會FIND團隊

• 製造業聚焦「生產效率與品質控管」應用

  製造業對AI的首要期待集中於提升生產效率與品質穩定度。在製程端，企業希望AI協助排程最佳化、製程參數調整與異常預警，以因應少量多樣與急單插單的生產壓力；在品質管理上，AI視覺檢測被視為提升良率、降低人力依賴的關鍵工具。設備維護方面，預測性維護與設備健康監測需求持續升溫，反應企業對降低非預期停機風險的高度重視。

圖4：製造業對AI應用服務的需求
圖片來源：資策會FIND團隊

整體而言，服務業與製造業在AI應用需求上呈現明顯分化：服務業優先關注能即時分擔第一線人力、提升顧客互動效率的應用；製造業則聚焦於能實際改善生產流程、穩定品質並具備可量化效益的應用模式。這顯示AI導入並不存在單一通用解方，惟有準確對接各產業的核心營運痛點，才能轉化為實質價值。

跨越「AI應用鴻溝」，走向AI智慧轉型的關鍵下一步

綜合本次調查結果可發現，多數企業並非抗拒AI，而是卡在「不知道該從哪裡開始、如何評估成效、以及是否具備足夠能力推動」三個關鍵問題。因此，跨越AI應用鴻溝的關鍵，並不在於一次性導入大型系統，而在於是否能走對第一步、建立應用能力，並讓決策層看見具體效益。

在實務上，多數企業更適合從「快速有感、門檻較低」的應用切入。例如，服務業可先由行銷內容生成或智慧客服等前線場景著手；製造業則可聚焦於流程優化或品質輔助判斷，讓組織先實際感受到AI對營運的幫助，再逐步深化應用層次。然而，調查亦顯示，「技術應用力」與「效益展現力」正是臺灣企業普遍最薄弱的環節，使得許多導入嘗試停留在測試階段，難以擴散。

在此情境下，具備產業理解力與技術轉譯能力的第三方輔導角色，成為加速AI落地的重要關鍵。如FIND團隊長期以來，透過系統化的評估與輔導機制，協助企業化被動為主動。首先，透過評量讓企業先掌握自身現況；再者，釐清企業最迫切的需求與營運痛點；最後，對應合適的應用與解決方案夥伴，並協助建立實際應用能力與效益指標，讓AI投資能被量化、被理解，進而促成決策層的信心與投入。

臺灣擁有完善的硬體鏈與紮實的數據基礎，是絕佳的「商業試驗場域（Business Sandbox）」。當AI普及至百工百業，無論是製造龍頭還是服務業的「螞蟻雄兵」，只要能準確對接痛點並快速落地，在這場全球AI賽局中脫穎而出，進而將臺灣的智慧方案輸出國際。

封面圖片來源：本團隊以ChatGPT生成圖片

參考資料來源：

1. IBM發布《2023全球企業AI科技使用現況》調查結果（https://taiwan.newsroom.ibm.com/2024-03-15-IBM-2023-AI）

2. 經濟部國際貿易署：希臘人工智慧發展相悖：新創企業快速成長，但企業採用緩慢（https://www.trade.gov.tw/Pages/Detail.aspx?nodeid=45&pid=797169）

3.OECD COGITO：The AI race is on: Businesses and regions off the blocks（https://oecdcogito.blog/2025/02/11/the-ai-race-is-on-businesses-and-regions-off-the-blocks/）