AI數據提煉成金2／AI泡沫化？意藍總座楊立偉點出企業導入AI「卡住了」3大原因

吳玲臻

2025年11月5日週三下午6:43

AI科技巨頭動作頻頻，落地應用端反而相對冷卻，讓市場憂心AI可能泡沫化。（示意圖，取自pexels）

2025年被視為企業AI的落地元年，然而，近期「AI是否泡沫化？」又再度受到市場討論。許多企業主也發現，AI從熱鬧的單點試驗到真正融入到日常營運，「最後一哩路」困難重重。深耕企業AI應用，意藍資訊總經理楊立偉指出企業導入AI時普遍面臨3大障礙：對AI「幻覺」的不信任、難以預估的浮動成本，以及最關鍵的數據安全與合規風險。他直言，若無法克服這些障礙，再強大的算力投資都可能淪為空轉。

面對近期質疑過度炒作AI、恐怕迎來「AI泡沫化」的爭點再啟，5日在意藍資訊（以下簡稱意藍）的新品發布會後，意藍資訊總經理楊立偉坦言，現階段企業的算力投資，是為了因應未來的應用跟需求，「如果應用、需求沒有跟上的話，其實這些設備的折舊是非常驚人的。」

楊立偉點出儘管市場熱度高，但多數企業導入AI，仍停留在小規模的試用與概念驗證（PoC），不敢將AI大規模整合進核心工作流程，「我覺得導入元年是沒錯，可是現在企業的導入有點卡住了。很多企業變成好像買一批帳號發給同仁，好像就算導入了。」

楊立偉表示，企業建置了算力，自然都很關心要如何應用，卻在軟體應用層卡關，「為什麼不融入到流程？就是因為AI會出錯。」

楊立偉指出，企業級AI的首要條件，必須是「不知道就要說不知道，不可以亂講話」，要建立可信賴的基礎，才可能有後續的應用。他表示，對講求精確的金融、製造、高科技等產業而言，若是在PoC階段發現AI出錯，即使是某個小地方的數字加錯，都很容易就此卻步、不敢貿然擴大導入應用。也因此，在目前提供AI解決方案的競爭賽道上，減少錯誤率是AI服務商爭取客戶的關鍵指標之一。

再者，目前主流的雲端AI服務多以使用量計費，「到底要燒多少的Token（詞元，計算文字量的單位），變得很難估算。」楊立偉表示，企業在編列預算時會陷入兩難，不確定應該鼓勵員工多加使用，還是要設下用量限制以控制成本。

而對於受到高度監管的行業來說，楊立偉指出數據安全與合規，則是不可逾越的紅線，企業會憂心將內部敏感的機密資料上傳到雲端AI模型進行分析，可能暴露在風險之中。他表示，為了回應客戶的疑慮，許多AI服務商，也都會提供能夠在企業防火牆部署的地端或邊緣端解決方案。

楊立偉表示，在應用層解決企業卡關的疑慮相當重要，「不然算力買了那麼多，結果大家都還是不太敢用的話，其實就可能有現在講的泡沫化情況。」