一項針對美國大型企業高階主管的最新調查顯示，許多公司雖然大量引進各類 AI 工具，卻因缺乏系統整合而無法發揮效益。
研究指出，高達 85% 的企業無法有效連結內部的人工智慧（AI）應用，導致整體投資回報率（ROI）低於預期。
企業引進上百種 AI 工具 卻面臨重複投資與整合難題
這份由 WSJ Intelligence 與 Code and Theory 合作進行的研究，調查了 801 位來自年營收達 5 億美元以上企業的高階主管。結果顯示，受訪企業平均擁有 183 種 AI 工具，但軟體過多卻帶來負面影響。有三分之二的組織指出，內部經常重複購買相同功能的工具，導致策略執行陷入停滯。
此外，94% 的受訪主管認為，要帶動業務成長，對各項工具進行有效編排（Orchestration）與串聯至關重要。也有 85% 的主管表示，現在的投資必須帶來營運效率提升或客戶滿意度增加等可衡量的具體績效。
組織心態與權責混亂 成為工具編排的最大瓶頸
調查顯示，阻礙 AI 工具整合的主因大多源於組織與文化層面，而非技術限制。前三大障礙分別為孤立的企業文化（61%）、分散且不相容的資料模型（58%），以及缺乏集中操作層（56%）。
在權責歸屬上，企業內部也缺乏共識。有 25% 的公司承認沒有明確的負責人；而在其他企業中，42% 的執行長（CEO）認為自己該負責，卻同時有 57% 的技術主管認為責任在自己，顯示權責劃分相當模糊。
這代表什麼
這份報告顯示，企業導入人工智慧已從單純採購軟體，轉向考驗系統整合能力的階段。過去企業急於購買各種單一功能的 AI 工具，最終卻造成資料孤島與資源浪費。對台灣企業與中小企業主來說，這說明單靠購買工具無法自動創造價值。
未來的競爭關鍵在於能否串聯內部資料與作業流程。企業必須建立統一的系統對接標準並釐清管理權責，才能讓各項 AI 工具發揮加乘效果，轉化為實質的營運效益。
背景補充
在企業資訊架構中，「工具過度增殖」（Tool Sprawl）是指軟體採購缺乏統籌，導致系統過多且資料分散的現象。為了處理這項挑戰，業界提出了編排層的概念。
編排層就像是企業系統的指揮中心，能串聯人員、既有資訊系統與資料庫，讓不同演算法與工具在同一架構下協同運作。研究指出，人工智慧無法自主實現價值，必須透過編排層與明確的營運指標，企業才能精確評估投資回報，確保資源發揮最大效益。
常見問題
為什麼企業採購大量 AI 工具卻看不到效果？
主要原因在於缺乏連結多套軟體的編排層，導致資料散落且工具功能重疊，加上組織內部權責不清與文化障礙，阻礙了整體效益發揮。
什麼是 AI 工具的「編排層」？
編排層是一種集中式的整合架構，負責串聯企業內部的人員、資訊系統與資料庫，讓多種獨立的 AI 軟體可在統一規則下協同運作。
中小企業應如何避免 AI 投資效益不佳？
企業應先整理內部資料標準並釐清管理權責，優先建立整合與串接流程，避免盲目採購功能重複的單一軟體工具。