AI 真的能幫公司賺錢,還是只是泡沫?哈佛商學院近期針對 515 家高成長企業展開了一場震撼調查,揭開了「AI 變現」的終極祕密。研究發現,那些真正搶到 AI 財富紅利的贏家,早就打破了傳統的工作架構,甚至在「一場電話會議的時間內」就能徹底顛覆你想像的賺錢效率。究竟這群贏家,到底偷偷做了什麼改變?
1. 買了 AI 工具業績卻沒增加?哈佛揭密贏家的變現祕密
當 AI 工具快速普及,許多企業早已把 ChatGPT、Claude 或各種 AI 工具導入日常工作,但為什麼有些公司用了 AI,營收卻沒有明顯增加?這篇研究指出,問題往往出在 AI 還停留在「輔助工作」的層次,沒有真正進入產品開發、營運流程等能創造營收的關鍵環節。研究團隊將這個難題稱為 AI 映射問題(Mapping Problem),簡單來說,就是企業沒有把 AI 放在最能創造價值的位置。如果只是把 AI 當成處理行政雜務的助理,它能帶來的效果大多只是省下零碎時間;但真正跑出成績的贏家公司,看懂了這背後的關鍵差異,選擇把 AI 從「輔助工具」升級為「重組工作流程的核心」,直接嵌入產品開發、客戶測試與營運流程中,讓 AI 不只是提高效率,而是開始改變企業創造營收的方式。
以 AI 簡報工具 Gamma 為例,過去開發新功能,通常需要經過寫規格、畫設計圖、寫程式、QA 測試等跨部門接力,流程漫長又耗時。但 Gamma 打破了傳統開發模式,讓 AI 自動偵測使用者行為,並產生多套產品版本,原本需要一整個團隊溝通數週的流程,被壓縮成產品經理一人就能掌握的快速開發循環。另一個由 Ryz Labs 分享的 AI 原型開發案例,更展示營運效率出現跳躍式提升。以前要跨出創業的第一步,光是為了做個「樣品」去試水溫,往往就要耗費大量的時間與人事成本;但在導入 AI 流程後,創辦人一口氣就能做出好幾種樣品外,甚至直接在「一場與客戶的通話中」一邊聽回饋、一邊請 AI 修改,即可當場完成產品測試。這兩個案例,直接點出 AI 變現的關鍵,AI 的價值不只在於讓事情做得更快。當企業有能力用 AI 重新設計生產流程,產品交付速度會大幅提升,開發成本也會明顯下降,進而徹底重塑企業創造營收的效率。
資料來源:Kim, Kim and Koning, Mapping AI into Production: A Field Experiment on Firm Performance, INSEAD Working Paper,2026,「鉅亨買基金」整理,資料日期: 2026/7/10。本圖依論文中 Gamma 與 RyzLabs 案例整理,說明 AI 導入企業後,價值不只在於提升單一任務效率,而在於能否重新設計產品開發、原型測試與營運流程,進而縮短產品交付時間、降低開發成本並提升營收效率。本圖為案例整理與概念示意,相關成效仍取決於企業本身產品、市場、組織能力與 AI 導入深度,不代表所有企業導入 AI 後皆能獲得相同成果,僅供研究與趨勢觀察參考。
2. 同樣用 AI,AI 原生企業案例營收高出 1.9 倍?
為了驗證 AI 究竟能不能真的轉化成企業績效,研究團隊針對 515 家高成長新創公司進行實驗,並將它們分成控制組與實驗組。兩組都能取得 AI 工具,也同樣擁有 API 額度、技術訓練等資源;真正的差別在於,控制組主要學習「怎麼使用 AI 工具」,實驗組則多了一層案例訓練,透過前面提到的 Gamma 與 Ryz Labs AI 原生企業案例,理解 AI 如何改變工作流程、團隊分工與商業模式,進一步學會如何把 AI 放進企業最能創造價值的位置。
結果顯示,這個差異很快反映在企業表現上。實驗組不只是多用了 AI,而是找到更多能真正推動業務成長的 AI 應用場景。相較控制組,實驗組的 AI 使用情境增加 44%、完成任務數增加 12%、取得付費客戶的機率提高 18%,最終營收更達到控制組的 1.9 倍。更關鍵的是,這些公司在成長加速的同時,並沒有同步增加人力需求,資本支出反而下降 40%,代表 AI 帶來的不是單純的成本節省,而是讓企業能用更少資源,完成更多工作、取得更多客戶,並創造更高營收。值得注意的是,實驗組新開發的 AI 應用,並不是集中在寫文案、整理資料、客服回覆這類較簡單的行政工作,而是高度集中在「產品開發」、「產品/策略設計」與「企業營運流程」等核心功能上。這代表真正看懂 AI 映射問題的企業,已經不再把 AI 當成效率小幫手,而是把它升級為核心產能的放大器。當 AI 開始深入產品創新、客戶驗證與策略決策,企業的競爭優勢也會從基礎的成本節約,進一步推向產品速度、商業模式與市場反應能力的全面升級。
資料來源:Kim, Kim and Koning, Mapping AI into Production: A Field Experiment on Firm Performance, INSEAD Working Paper,2026,「鉅亨買基金」整理,資料日期: 2026/7/10。本圖將控制組設定為 0%,呈現實驗組相對控制組的變化幅度。營收達控制組 1.9 倍,換算為增加 90%;資本需求下降 39.5%,圖中四捨五入為 - 40%;勞動需求無明顯增加,因此以 0% 表示。研究樣本為 515 家高成長新創公司,結果不代表所有企業導入 AI 皆能獲得相同成效,僅供趨勢觀察參考。
3. AI 效益並非雨露均霑,前段班企業率先拉開差距
導入 AI 之後,真的能讓每一家企業都營收暴增、資本支出下降嗎?從營收數據來看,導入 AI 並沒有讓每家公司都立刻大賺錢。在收入排名比較後面的企業中,營收表現其實差不多,多數公司都還沒有明顯賺到錢。真正拉開差距的,是收入排名前 10% 的前段班企業。這代表如果企業只是把 AI 用在寫信、整理資料這類表面工作,沒有放進真正會影響收入的關鍵環節,就很難帶來明顯的營收成長。真正明顯勝出的,是那些懂得把 AI 用在產品開發、客戶測試與市場策略等核心環節的前段班企業,尤其在第 90 到 95 百分位數之間,實驗組與控制組的營收差距開始快速拉大。到了第 95 百分位數的頂尖區間,實驗組的贏家營收暴衝至逼近 50 萬美元,而只把 AI 當助理的對手卻停留在不到一半約 23 萬美元。再從「資本支出」來看,這群前段班企業在營收放大的同時,資本支出也更低。在第 90 到 95 百分位數,控制組需要約 270 萬美元來維持營運時,實驗組只需要約 200 萬美元,足足省下整整約 70 萬美元的資金依賴。這代表它們有能力用更少的資源,創造更高的成長。
當越來越多企業看到前 10% 的贏家透過流程重組展示了如此強悍獲利效率後,後續的導入需求也將被迫大規模擴散。隨著 AI 應用逐步滲透到金融、醫療、製造、零售等各行各業,市場對雲端運算、AI 伺服器、半導體與相關供應鏈的需求也有望持續擴大,成為 AI 長期投資趨勢的重要支撐。
資料來源:Kim, Kim and Koning, Mapping AI into Production: A Field Experiment on Firm Performance, INSEAD Working Paper,2026,「鉅亨買基金」整理,資料日期: 2026/7/10。本圖呈現不同營收層級企業中,實驗組與控制組的營收差異;實驗組為接受 AI 原生企業案例訓練的企業,控制組為一般 AI 工具訓練企業。圖中金額由原始數據換算為萬美元。X 軸為企業營收分位數,代表將企業依營收由低至高排序;分位數越高,表示企業營收表現越突出。
鉅亨投資策略
AI 價值走向營收,美國市場成為布局核心
AI 真正的價值,在於企業能不能把它放進產品開發、客戶測試與市場策略等核心流程,進一步提升營收效率。對投資來說,美國是 AI 浪潮中最核心的受惠市場,從雲端平台、軟體服務到大型科技企業,都有機會孕育出下一批 AI 成長贏家。若看好 AI 長期趨勢,可透過美國股票型基金分散布局相關企業,更有效率地參與長期成長機會。