【我的預測】迷信大模型無法帶來實質ROI，企業轉向將「主權AI」納入未來戰略，建立對AI系統的高度掌控性。利用內部資料開發特定用途的「垂直小模型」，將成為商業市場的主流趨勢。
【我們正在做】協助企業建構多模型管理平台，串接多個模型、多個代理AI系統，促成跨部門的流程自動化，並建立可信任、透明且可溯源的資料治理機制。
【我的建議】把AI視為提高效率的自動化「工具」，停止為了技術開發專案。利用AI改善內部最複雜、人工介入最多的核心瓶頸，才能帶來最顯著的效益。
趨勢1 放棄模型迷思，建立主權AI韌性
過去幾年間，企業界狂熱追逐大模型與極致算力，但這些技術表象終究只是市場「喧囂」，難以轉化為真正的競爭優勢。
多數企業實際營運時，並不需要一個萬能的大模型來解決所有問題。
以「信用卡點數客服助手」為例，ChatGPT這類通用模型雖大，卻不了解內部的特定數據和商業規則，難以為每家企業提供符合規範的精準答案。
事實上，企業只需運用內部自有資料，訓練垂直領域的專業小模型，就足以提供精準且正確的商業服務。這樣的AI應用，選用任何底層模型都能完成，與市場上的熱潮沒有直接關連。
未來商業級市場的變數只會更多，競爭核心將回歸「主權AI」的基本功。IBM商業價值研究院調查顯示，93%的企業高階主管已將AI主權議題納入2026年的業務發展策略，力求確保企業數據與AI系統的自主韌性。
要落實主權AI，企業必須建立「端到端的掌控性」，充分掌控並治理自家AI系統、數據和基礎架構，才能將AI成功規模化，在高度不確定的環境中站穩腳步，產出實質的ROI。
趨勢2 多模型管理平台將取代單一模型
對企業級AI而言，選用哪個模型並非關鍵，重點在於平台化架構與完善的資料治理。
在複雜的商業應用場景中，單一模型無法應付日益多元的市場需求，未來將由多個不同功能的Agent與小模型協同作業。
到了2026年，企業開發的AI將以「流程」為核心，發展出「多模型、多代理人（Agent）混用」的串接模式，需要一個強大的大型管理平台進行調度，確保所有工具各司其職。
當這些AI應用直接鑲入企業的核心業務流程，大幅減少人為介入，原本的流程將轉化為制式的自動化程序。
隨著自動化程度提升，這些無人化的程序需要一套嚴密的資料治理機制進行監管，保護如「金礦」般珍貴的企業內部資料。這套機制不能只會解決一次性問題，必須具備「即時」處理能力，在系統效能受數據偏差影響前，就主動介入。
資料治理的目標，是為了確保所有資訊達到可信任、可解釋、透明及可溯源的標準。除了保護企業資產，也呼應消費者對AI透明度與可信度的要求，讓企業在推動規模化應用時，有更強的市場說服力。
行動1 鎖定最複雜流程，停止「為AI而AI」
面對轉型壓力，企業別只想著做AI應用，應該思考如何實現「自動化」，將AI視為解決問題的工具之一，而非目的本身。
過去企業為了追求快速見效，多半選擇最簡單的流程來實驗，結果往往欠缺顛覆性。
真正有效的做法，是直接挑戰組織內部「最複雜、人工介入比例最高、串接最多組織層級」的流程，一旦這些核心瓶頸成功自動化，隨之提升的效率與利潤回饋才最有感。
具體行動上，可以引導員工逐項檢視日常工作流程，區分哪些任務適合由AI強化或全自動化處理，哪些關鍵環節應由人類主導。這種分工模式能有效率地配置組織資源，釋放出最優秀的人才，投入AI難以取代的重要領域。
未來城市＠天下｜台灣IBM總經理李正屹2026年AI趨勢觀點：
A： 不一定。以「信用卡點數客服助手」為例，ChatGPT 這類通用大模型雖強大，卻不了解企業內部的特定數據與商業規則，難以提供精準答案。真正的競爭優勢來自「主權AI」，企業利用自有資料訓練垂直領域的專業小模型，不僅精準度更高，也能建立對 AI 系統的端到端掌控性。
A： 關鍵在於從單一模型思維轉向「多模型管理平台」架構。未來企業導入AI將以流程為核心，發展多模型、多代理人（Agent）混用的串接模式，透過大型管理平台統一調度。同時必須建立嚴密的資料治理機制，確保所有資訊達到可信任、可解釋、透明及可溯源的標準，在自動化程度提升的同時保護企業內部資料。
A：停止「為AI而AI」，應將AI視為解決流程瓶頸的工具。建議直接鎖定組織內部「最複雜、人工介入比例最高、串接最多組織層級」的核心流程優先自動化，而非從簡單流程實驗起步。具體做法是引導員工逐項檢視日常工作，區分哪些任務適合AI全自動化處理，有效釋放人才投入AI難以取代的高價值領域。
