在當前的科技浪潮中，企業領袖往往陷入「技術軍備競賽」的迷思，誤以為掌握最新模型或工具即掌握未來。然而，人工智慧科技基金會執行長溫怡玲指出，創新的核心正經歷一場深層轉移。創新已從早期的「技術創新」演化至「產品創新」，最終進入「顧客體驗創新」的深水區。在 AI 轉型的關鍵時刻，我們必須回歸創新的本質：解決人的問題。

數位發展部部長林宜敬近年大力倡導資服業者從「專案化」轉向「產品化」，降低營收對人力的依賴。根據人工智慧科技基金會（AIF）的研究，不少積極的業者已意識到 AI 帶來的產品化機會，但「市場在哪裡」與「如何收費」仍是發展產品時最關鍵的兩大難題。

為協助業者跨過這道門檻，AIF 攜手資策會推動《2026 資訊服務業者經營賦能計畫》，日前舉辦產品化經營核心課程，由人工智慧科技基金會執行長溫怡玲主講首場課程，透過創新用途理論，引導業者從思維轉換出發，走向實際應用，提供從專案型服務邁向產品化經營的方法論，讓技術能力轉化為具市場價值的創新產品。

先搞懂客戶「為何要用 AI」？以用途理論拆解資服業產品化關鍵

溫怡玲回顧，創新的焦點從早期的技術創新，走向產品創新，再到以 iPhone 為代表的顧客體驗創新。過去企業看顧客，多半著眼於性別、學歷、居住地、收入等個人資料，但用途理論關注的是另一件事：顧客拿產品來做什麼？換言之，關鍵在於真正理解使用者

同樣的道理也適用於客戶的 AI 導入需求。客戶為什麼需要 AI？最淺層的理由，往往只是「朋友都在用」。但如果客戶並不清楚自己為何要用 AI，即使協助導入，後續仍容易累積許多不滿。這些不滿並非誰的過錯，而是因為客戶才剛開始思考：究竟要拿 AI 來做什麼？
「客戶的任務與用途，才是決定產品前途的關鍵，」溫怡玲建議，當客戶自己也說不清楚時，業者一開始就必須協助共同釐清：要用 AI 完成什麼任務？我們對於顧客的了解，以及對「顧客的顧客」的了解，會決定產品開發能否成功。

AI 產品業者如果只想賣產品，就會落入陷阱

用途理論的核心在於，人們購買的並非產品或服務本身，而是希望讓生活變得更好。若無法讓顧客感受到「變得更好」，他們就不會購買，即使買了也難以持續使用。
溫怡玲以線上課程為例，人們購買網課，多半出於「想成長、想變聰明」的心理需求，但買完之後，因為沒看完也不會怎樣、工作又忙、課程可以無限期觀看，完課率因此偏低。對賣課的人來說，交易完成就已達成目的，使用者有沒有看完並不重要。但是，AI 產品業者若只想著把產品賣進去，就會落入「AI無用」的陷阱。

溫怡玲建議，AI產品業者要在意的真正問題是，當使用者導入後是否真的感受到有價值？這還要進一步針對不同情境進行拆解，包括對主管、對人資、對第一線使用者等不同利害關係人，「有用」各自代表什麼，才會清楚知道產品對使用者真正的價值。

但當我們想針對消費者進行市場調查，期待能更了解消費者時，溫怡玲提醒，許多人誤以為消費者在調查中說出口的，就是他們真正想要的，但事實並不盡然。

有一個廣為流傳的案例。某音響廠商召集受訪者，詢問新款喇叭該用什麼顏色。受訪者以「品牌要有年輕活力」為由，一致選擇以亮黃色取代經典的黑色。但研究真正的關鍵在結束時：廠商說要感謝參與，讓每人自由挑選一台喇叭，結果不約而同都挑選黑色。

因此，她提醒，不能只聽消費者怎麼說，還需要細膩的觀察，並盡可能搭配實際行為的第一手資料加以驗證。

AI技術複雜變化快，企業別「等發展成熟」

評估如何協助企業客戶導入 AI，溫怡玲建議，可從兩個面向切入。第一是需求：對企業是否高度需要，也就是「有沒有用」。但老闆覺得有用，與員工覺得有用，可能並不一致。第二是技術是否成熟穩定。最理想的情況，是技術成熟穩定、又是客戶高度需要的項目，能快速看到成效。

至於有時候會聽到企業說：「等 AI 技術成熟再決定」。溫怡玲也建議，業者應先與客戶溝通，AI實質上 只是一個籠統的概念，其中包括的技術種類繁多，實際上並不存在整體「成熟」的可能。

面對企業客戶，溫怡玲建議先釐清三件事：想達成什麼效益、有沒有能力做到（例如連一位工程師都沒有，就很難自建地端伺服器）、準備度如何。而不同規模的企業，卡關點也不同，例如中小企業多半覺得缺人、缺資料；大型企業常是組織受限於穀倉效應（silo effect），對於新創企業來說是不小的挑戰。

Shadow AI與workslop，是隱憂也是商機

溫怡玲提醒，不少企業以為只要先讓員工購買 AI 帳號，再導入專屬模型，最後導入 AI agent，就能一步步完成AI轉型，但這套做法在現在的環境已不適用。資服業者必須先正視以下兩大隱憂。

其一是影子 AI（Shadow AI）。根據國外資料，今年初約有八成專業工作者坦承在工作中使用生成式 AI，但僅約一成企業有實際的管理與治理機制。溫怡玲透露，台灣的數據差距可能更大。因此，她提醒企業，務必掌握員工將哪些資料上傳至 AI，並及早建立治理機制，以降低後續風險。

其二是「workslop」，這是去年的全球年度關鍵字，意指員工借助 AI 大量產出、看似完整卻品質低落的工作成果。《哈佛商業評論》（HBR）也曾針對此現象進行研究。

在研究中發現，收到workslop的人往往陷入兩難。要不要幫忙修改？一旦幫了，對方往後每次都會丟給你，但平均修改時間是兩小時。若不改，最終品質管理出現問題，該由誰負責？是否有能力負責？這是企業在快速導入AI的此刻，就必須正視「品質防線該畫在哪裡」的課題。

溫怡玲表示，這兩大問題既是隱憂，也是業者的機會。

此外，她發現，多數企業導入 AI 的第一步是建立內部知識管理。因此也建議業者可以此為切入點，協助企業打好基礎，並建立驗證與品質把關的機制。而品質管理做法十分多元，可從前端把關，也可從後端檢核，端看業者可著力之處。

從專案到產品，資服業的下一步升級

面對 AI 對商業模式的結構性衝擊，如何系統化地將領域知識與客戶經驗，轉譯為可規模化的產品？

後續AIF也將產品開發工作坊，讓學員在工作坊中產出四張畫布，組合起來就是完整的一套產品開發標準流程。後續參與工作坊的學員還可提出申請，由實戰經驗豐富的企業資深顧問，針對產品開發流程進行一對一輔導，協助把產品校正、調整到位。