經濟越差賺越多?麥肯錫:企業懂AI「4劇本」,催生3億營收新金雞
經濟越差賺越多?麥肯錫:企業懂AI「4劇本」,催生3億營收新金雞

高階主管一旦被創業生火,就很難澆熄熱情。

麥肯錫最新調查研究發現,已建立新業務的公司領導者會想要開創更多的新業務。研究發現,在過去5年內推出新業務的公司——也就是全新的產品、服務或業務,而非改版升級,最後成為新的收入來源——相比其他公司,更有可能將業務創建列為優先重點工作。受訪的高階主管表示,創業的回報十分快速且所需的投資比以往更少,而且建立的業務愈多,成功案例也愈多。

調查結果更顯示,企業的業務創建能力整體而言已逐漸成熟。在第6年調查中,受訪者回報的新業務比往年更早實現更大規模營收。同時,成功業務創建者所採用的作法已超越了往年所認定的成功因素,例如擁有C級主管的支持和充足的財務資源。

特別是創業有成的公司現在都用AI等技術來推動新業務的開創,且許多受訪者表示,數據及AI驅動的創業是他們未來的發展方向。

目前的總經環境,面臨地緣政治的動盪及貿易政策的改弦易轍,在在需要企業領導人的關注,2025年以來已為企業帶來不少挑戰。消費者信心跌至平均以下,反映出普遍的經濟不確定性。儘管存在這些潛在障礙,受訪的企業主管者仍表示,有新業務創建經驗的公司仍將繼續努力。

事實上,有經驗的業務創建者正準備加碼投資。在過去5年內建立過新業務的公司領導人可能在最近1年內提高新業務創建的優先順位,而他們這麼做的可能性比其他公司領導人高出13倍。對於58%的有經驗的業務創建者而言,新業務創建是他們的前5大優先事項之一,顯示有了新業務創建的經驗,公司更有動力持續投入於此。

經濟愈差愈賺,新業務成功率達5成

在計算過風險後,選擇創建新業務的公司通常都會成功。過去幾年調查中,有43%至44%的受訪者表示他們的新業務達到或超出母公司對成長或規模的預期; 最近1年的調查這一比率已接近50%

而他們的新業務也產生可觀的收入。 今年受訪者回報的新業務中,年營收超過1,000萬美元(約新台幣3.1億元)的比例更高。61%的受訪者表示他們的新業務已達此標準,高於2023年的45%

再細看可發現營收介於5,000萬至1億美元者幾乎翻倍,營收低於100萬美元的新業務也相對減少。調查指出,新業務創造價值的速度比往年更快。受訪者表示,年營收超過1,000萬美元的新業務的平均年齡已縮短至約2年半,相較早期研究中的平均年齡超過3年。

BN368麥肯錫
圖/ 數位時代

此外,創建新業務的數量愈多愈好。業務組合如果涵蓋許多不同事業,公司回報的獲益也更高。在過去5年內推出3個以上新業務的受訪企業領導人有59%表示,公司從業務創建中獲得的收入已超過整個企業總收入的10%;相比之下,僅推出1個新業務的公司只有32%的受訪者達到這個水準。

另一項洞察是, 企業對新業務創建的投資十分謹慎 。調查發現企業會根據經過驗證的概念或現有資產來創建新業務,大多數情況下仍然留在他們熟悉的行業內,並利用AI技術提高創建業務的效率;現在AI技術讓企業僅用少數員工就能創造顯著價值。因此他們能用較低的投資水位實現損益兩平,這點在創建最多新業務的公司中尤為明顯。

去年,新業務達到收支平衡所需的加權平均投資約為1.25億美元,今年已大幅下降至7,700萬美元。這相當於2025年核心組織年收入的約2%作為投資,以實現收支平衡。

創業經驗最豐富的公司,即過去5年內創建至少3個新業務的公司,他們的受訪者所回報的新業務績效也最豐碩。 這些受訪者表示,在達到收支平衡之前,每投入1美元就能產生1.9倍的收入,而僅創建1到2個新業務的公司則為1.3倍。

許多高階主管表示,其公司已在打造新業務的各樣工作中廣泛使用AI,並預計在未來數年有更多應用AI的方式。過去12個月在新業務創建上最常見的用法包括提升工作流程效率、監測新業務擴張等營運面向;也涵蓋更具創意的應用,例如產生新業務構想或制定行銷活動。我們愈來愈常看到,AI代理能在整個新業務打造流程中提供支援:從創意發想到首版原型,再到擴大進入市場的計畫,使企業能以少數員工建立數百萬美元的事業。

BN368麥肯錫
圖/ 數位時代

另一方面,新業務營收愈高的公司,AI使用也愈進階。那些表示把AI用在更複雜創業工作的企業(像是以AI為核心價值訴求來打造全新業務、驗證早期商業概念等來精進進入市場方式),其新業務營收規模,是只把AI用於初階工作者的2倍,更是少數表示企業不使用AI者的4倍。

而經驗最豐富的「連續創業者」,即在過去5年打造超過3個新業務的企業,最有可能是進階的AI使用者。這些公司有72%的受訪者表示將AI用在較複雜的工作上。相較之下,創建較少新業務的公司,此一比率僅有60%。

就算新業務的主軸不是AI,幾乎所有預期自己公司未來5年會打造新業務的受訪者也認為,公司會使用AI來輔助;僅有3%的受訪者認為其公司不會使用AI來協助未來數年的新業務建造。此外,84%的受訪者表示,未來5年其公司會需要把AI或自動化整合進新業務的創建流程中。

BN368麥肯錫
圖/ 數位時代

新業務要成功,先把「人才」搞定

新業務的成功與否,取決於打造新業務的人才、文化和技術。過去5年來,企業在建立新業務的基本操作方面已有所進步,而現在也意識到「把人搞定」是預示成功的領先指標。

去年,成功的新業務創建者最顯著的特質還是最高主管的贊助、專用資金,以及系統化的監控與評估等。然而最新調查顯示,這些已成為「基本功」, 反而是員工相關的能力,例如技能提升的能力,以及使用最新技術的能力,才是真正區別成敗的因素

對於企業領導者,創建新業務是策略要務。大多數受訪者仍預期在未來12個月內,創建新業務會是其組織追求的最重要策略行動之一,與2024年的情況一致。正如研究所見,受訪者普遍預期會在未來5年內創建以數據、分析或AI為核心的新業務,在科技、媒體與電信業、金融服務業及先進製造業中尤為明顯。

創建新業務也是當前企業從AI中捕捉價值的4種常見方法之一:

  1. 透過將新的AI驅動功能嵌入現有產品和服務中進行創新。
  2. 透過產品或商業模式將數據變現。
  3. 建立一個全新的AI原生業務部門。
  4. 利用最先進的AI工具和技術重塑整個組織的業務組合。

企業領導者也有信心新業務在未來5年會對整體企業收入產生正面貢獻。過去5年內建立的新業務在各行業中平均貢獻了約12%的整體企業收入。展望未來,受訪者預期將在未來5年內增長至約19%。

在經濟不確定時期,企業領導者往往會回頭關注期獲利能力,推遲如新業務創建等長期成長的計畫。然而,這可能是代價高昂的錯誤。投資新業務創建的公司,特別是那些能用AI來提高業務啟動效率的公司,較可迅速創造符合或超越預期的新收入來源。

這種成功會催化更多的成功。一旦企業領導者成功創建了一個新業務,他們會渴望打造更多新業務。相比之下,只是「淺嘗即止」的企業,就無法達到與重複創業者相同的成功水準。重複創業者能夠以與其他公司相似的投資規模,開發出收入更高的新業務。

企業領導者把火力集中於成功機率更高的新業務,在創建新業務方面的能力也比以往更純熟。尚未起步的公司,可以從培訓員工著手,使其掌握拓展新業務所需的技能。

延伸閱讀:對AI瘋狂施壓會怎樣?Scale AI揭實驗結果:Gemini抗壓不佳,壓力山大就會「找藉口使壞」
管理者都是怎麼用AI的?日本企業訪談50人之後,最推薦3種應用場景

責任編輯:蘇柔瑋

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓