AI 成熟度：對您的組織意味著什麼

AI 成熟度衡量的是組織對 AI 的使用發展有多完善且有多深思熟慮，而不僅僅是部署了 AI 工具。大多數框架將其描述為 AI 成熟度模型，從早期、無結構的實驗演進到完整的 AI 整合。

在最早的階段，少數員工會出於個人主動使用 AI。沒有人批准過它，也沒有人接受過相關訓練。結果往往不一致，而且這些工作也很少被其他人重複使用。

在下一個階段，各團隊會執行結構化的試點專案。某個部門會挑選一項特定任務，透過 AI 執行，並衡量其成效。Inteleos 是一個管理醫療認證考試的非營利組織，它引進了 Perplexity Enterprise 來協助草擬低風險的小考問題。一旦試點成功，Perplexity 便推廣到了 Inteleos 88% 的團隊中。

隨著企業的 AI 成熟度提高，他們開始將 AI 工具納入標準工作流程中，並將其連接到公司的資料與系統。例如，在 Paypal，企業風險管理團隊會將 Perplexity 作為標準安全工作流程的一部分，透過交互參照擁有權詳細資料來驗證 ID，並標記可疑帳戶。

而在最成熟的階段，公司已經調整了他們的產品、商業模式或營運方式，以全面納入 AI。他們也可能會使用 agentic AI 系統與能夠互相交接工作的模型。例如，在 Rox，AI 直接內建於產品本身：AI 代理程式會自動化部分銷售研究與 CRM 維護作業，而 Perplexity 的 API 則提供了支援這些工作流程的外部智慧。

來自 AI 的個人生產力提升相對普遍，根據麥肯錫 2026 年調查，有 80% 的受訪者回報了這一點。但只有 37% 的受訪者表示這對組織的 EBIT（息稅前利潤）有所貢獻。

成果上的差異似乎與公司 AI 使用的成熟度有關。麥肯錫的 AI 高績效企業（約佔受訪者的 6%）將至少 5% 的 EBIT 歸功於 AI，並形容其價值十分顯著。

具備成熟 AI 計畫的公司擁有以下一些核心行為：

他們圍繞著 AI 解決方案重組了工作流程。近四分之三的麥肯錫高績效企業因 AI 而重新設計了工作流程，相較之下，其他受訪者只有四分之一。
高階領導層致力於 AI 的使用。在 BCG 2025 年針對 1,250 名主管的研究中，在 AI 成熟度評分最高的前 5% 公司中，幾乎所有公司都回報了深度參與的高階主管團隊，而評分最低的 60% 公司中這一比例僅為 8%。
他們優先為員工進行 AI 技能開發。同年，這些評分最高公司預期會對超過 50% 的員工進行 AI 培訓，而評分最低的公司這一比例則為 20%。
他們引進了 agentic AI 解決方案。麥肯錫的高績效企業在大多數業務功能中擴展 AI 代理程式的可能性是其他企業的 3 倍以上。

Gartner 的 AI 成熟度模型根據 AI 融入其流程的程度來評估組織的成熟度。它針對七個領域分別對組織進行評分：策略、資料、治理、工程、營運模式、文化與 AI 價值。然後，組織會被歸入以下五個階段之一：

基礎級 (Foundational)：實驗性使用，缺乏協調
新興級 (Emerging)：執行早期試點，高階主管表現出一定興趣
營運級 (Operational)：AI 用於業務流程
擴展級 (Scaled)：AI 用於多個功能，可帶來可衡量的 ROI（投資報酬率）
轉型級 (Transformational)：AI 影響決策與營運模式，帶來顯著的競爭優勢

德勤 (Deloitte) 的 AI 自動化成熟度模型具體透過 AI 代理程式深入公司流程的程度來衡量成熟度。

第 1 級：標準自動化，未涉及任何 AI 代理程式。
第 2 級：基礎自動化，將 AI 代理程式引入現有流程中。
第 3 級：圍繞 AI 代理程式的功能主動重新設計流程。
第 4 級：組織本身圍繞著 AI 能力進行重組。

Google 雲端的 AI 採用框架追蹤三個階段的成熟度。

戰術級 (Tactical)：簡單、狹隘的 AI 使用案例，通常缺乏針對下一步的連貫計畫。
策略級 (Strategic)：AI 能夠帶來永續的商業價值，並在生產環境中部署和維護多個系統。
轉型級 (Transformational)：AI 是組織的核心，能推動創新並由進一步擴展它的結構所支援。

它還將成熟度劃分為六個主題，每個主題都由兩個核心領域（人員、流程、技術與資料）的交集形成。

學習 (Learn)：建構 AI 技能的計畫之品質與規模。
領導 (Lead)：AI 工作是否獲得領導階層的支持以及跨團隊的協調。
存取 (Access)：在整個組織中共享和重複使用資料與 AI 資產的容易程度。
擴展 (Scale)：雲端原生服務是否能夠處理實際規模的 AI 工作負載。
安全 (Secure)：資料與 AI 系統受到保護及負責任治理的程度。
自動化 (Automate)：AI 系統在生產環境中執行的可靠程度。

雖然這些框架在焦點與衡量標準上有所不同，但它們描繪了相同的成熟度歷程：無結構的實驗，接著是獲得領導支持的試點，然後是將 AI 內建於日常工作中，最後是 AI 重塑組織本身。

有四個障礙往往會妨礙組織達到 AI 成熟度。以下是如何應對這些障礙：

在引入跨職能的 AI 試點專案時，請選擇第一個 AI 使用案例，然後識別它所依賴的一個或兩個資料來源。確保這些來源具備以下特點：

有組織：將使用案例所需的記錄保留在同一個地方。
準確：移除重複項、修復過時的記錄，並檢查錯誤。
有人負責：指定專人負責保持資料準確，並決定誰可以更改資料。

只有在第一批資料來源產生可靠的答案之後，才新增更多資料來源。在 AI 工具所讀取的同一個地方定義共用術語，例如什麼算作活躍客戶。

在行事曆上設定重複的區段（每日或每週），讓大家可以獨自或以小組形式在自己的工作上練習 AI。教導員工如何檢查 AI 來源並評估其輸出結果。

在推出新的 AI 工作流程之前，請執行該任務的人員寫下步驟、試用 AI 版本，並指出其不足之處。將 AI 連接到已在使用的工具，並在更廣泛推出之前先與少數使用者進行測試。

關於工具、資料和審查的明確規則，能讓 AI 的使用在不增加風險的情況下快速成長與擴展。發布一份核准工具的簡短清單，並要求進行公司登入。設定資料層級，以規範哪些類型的資料可以進入哪些工具。

決定每種類型的工作需要多少人工審查，將每個 AI 輔助工作流程歸入以下三個類別之一：AI 自主、人工審查或人工主導。並記錄哪項工作使用了哪些 AI 工具以及誰審查了輸出結果，以便能夠追蹤錯誤的來源並加以修正。

BCG 發現，在成熟度評分最高公司中，有超過 60% 的公司嚴格追蹤 AI 價值，相較之下，成長停滯的公司這一比例為 17%。挑選一個可衡量的工作流程並記錄基準：時間、成本和錯誤率。在試點開始之前設定成功標準和決策日期。從第一天起追蹤每次使用的成本，並且只有在結果優於基準時才進行擴展。

AI 採用：AI 工具被使用的程度。這經常與 AI 成熟度交替使用，但兩者截然不同：成熟度指的是在整個組織中系統化地使用 AI。採用僅僅意味著有多少人在使用它。

AI 整備度：基礎設施和資料是否到位以妥善使用 AI。如果組織尚未針對 AI 的功能調整其營運方式，即使擁有乾淨的資料和穩健的基礎設施，其成熟度仍可能落後。

AI 成熟度：使用 AI 的刻意程度與有效性。採用和整備度使成熟度成為可能，但不能保證成熟度。

AI 治理：決定如何在組織內部負責任地使用 AI、誰來批准新的使用案例以及審查內容的規則與流程。

Agentic AI：能夠自主採取行動並執行多步驟任務的 AI 系統，而不僅僅是回應單一提示詞。

編排 (Orchestration)：執行多個 AI 代理程式，其中一個代理程式可以將任務的一部分交給另一個代理程式，而不是孤立地使用每一個代理程式。

回答幾個問題可以讓任何員工大致了解其組織所處的位置。

	要問的問題
策略	這家公司是否有明確的 AI 目標，且具體到能夠複述出來？下一季的 AI 使用計畫是否包含特定的目標？是否有負責 AI 決策的高階主管或團隊？
資料	AI 工具通常能否存取相關的上下文、過去的對話、文件、記錄，還是每次都需要手動輸入？當發現使用 AI 的有用方法時，是否會與團隊的其他成員分享？是否有一個 AI 工具連接的中央資料庫，還是每個團隊都管理自己的資料庫？
治理	如果 AI 產生嚴重錯誤，是否有現有的流程來攔截它，接下來會發生什麼事？對於 AI 在無需審查的情況下可以做什麼是否有明確的限制，還是按個案情況決定？新的 AI 使用案例是否需要批准，還是任何人都可以自行開始使用新工具？
技術	正在使用的 AI 工具是否相互連接，以便一個工具可以將工作交給另一個工具，還是每個工具都獨立運作？建立新的 AI 輔助工作流程是否需要 IT 或工程支援？
人才	在過去六個月中，是否有任何特定的任務因為 AI 而改變？是否有關於如何善用 AI 的正式培訓，還是大家都主要是靠自己摸索？

Perplexity Computer 將 20 種先進模型整合到一個系統中（涵蓋研究、分析、內容與程式碼），而不是將每種模型作為獨立工具執行，藉此支援邁向組織 AI 成熟度的旅程。它直接在這些模型之間路由工作，這正是成熟度更高階段的編排特徵。

什麼是 AI 成熟度模型？
一個評分組織 AI 能力並根據其 AI 使用發展與深思熟慮程度指派級別的框架。

AI 成熟度的階段有哪些？
大多數框架描述了類似的發展軌跡：無結構的實驗，然後是結構化的試點，接著是內建於日常工作流程中的 AI，最後是以自主方式在整個組織中執行的 AI。

AI 成熟度與 AI 採用有何不同？
採用衡量的是是否正在使用 AI 工具。成熟度衡量的是使用這些工具的有效程度。

AI 成熟度與 AI 整備度有什麼區別？
整備度衡量的是基礎設施和資料是否到位以妥善使用 AI。成熟度衡量的是組織是否真的圍繞著該能力建立了其營運。

什麼是 AI 治理？
決定如何在組織內部負責任地使用 AI 的規則與流程，包括誰來批准新的使用案例以及部署前會審查哪些內容。

什麼是 agentic AI？
能夠自主採取行動、執行多步驟任務而不是僅僅回應單一提示詞的 AI 系統。

什麼是 AI 編排？
將多個 AI 模型或系統運行在一起，以便一個工具可以將任務的一部分交給另一個工具，而不是孤立地使用每個工具。

組織如何提升其 AI 成熟度？
透過擺脫孤立的實驗，轉向具有清晰負責人的結構化試點，然後將 AI 連接到真實的資料與工作流程，並針對 AI 可以在無需審查情況下行動的範圍建立治理機制。

什麼是 AI 成熟度

為什麼 AI 成熟度很重要

AI 成熟度：熱門框架

AI 成熟度：常見阻礙

1. 資料品質

2. 技能

3. 治理

4. 商業價值

AI 成熟度：詞彙表

AI 成熟度：快速自我評估

Perplexity 的定位

常見問題 (FAQs)