為什麼導入AI的公司中，30%表示生產力反而下降？
知名企管顧問公司麥肯錫（McKinsey & Company）在2026年9月發布年度《科技趨勢展望》報告。以上的30%，是報告中引人深思的數字之一。
AI走進工廠和太空
今年是這份報告發表的第六年。麥肯錫每年分析全球最先進的科技，今年點出14個趨勢，比去年多兩個。兩個新面孔是Agentic Software Development（AI代理人開發軟體）和AI for Scientific Discovery and Engineering（AI用於科學發現與工程）。
報告開宗明義指出：AI已從螢幕，走進實體世界。過去幾年，AI改變了螢幕上的工作，從生成文字、摘要報告到起草合約，但2026年的AI，已快速走進工廠、藥物研發實驗室和地球軌道。
如小米位於北京昌平的黑燈工廠，佔地8.1萬平方公尺，耗資24億人民幣（約新台幣114億元）打造，11條產線完全沒有真人，機械手臂全天候抓取、焊接、檢驗、組裝，平均每秒鐘就能產出一支手機。
而在藥物研發實驗室，AI已能在短時間提出成千上萬個候選藥物分子。但後端由真人主控的實驗室驗證、臨床試驗和法規審查，仍然快不起來。
至於在地球軌道，數以千計的衛星，形成低軌通訊網路。這些衛星必須閃避彼此和太空垃圾。根據SpaceX向美國聯邦通信委員會（FCC）提交的報告，2024年12月到2025年5月半年間，他們的第二代衛星不靠地面控制中心的指令，而靠AI執行了84990次閃避動作。
AI普及 不代表效率提升
麥肯錫報告今年的新主題Agentic Software Development（AI代理人開發軟體）是指AI能自主寫程式、測試、並且部署。導入這項技術的公司，的確讓程式的產出量提高了180%，但能用的程式只多了三成。同時，近30%的公司發現：團隊開始使用代理式AI工具後，生產力反而下降。幾乎所有人都在用AI寫程式，但未必能創造價值。
原因是沒有系統化的方法，就急着大規模部署，導入時忘了三件事：
沒設定明確的成功指標：工程師覺得自己在用AI高速工作，但公司從沒定義怎樣才算真的有效，所以做完也說不出到底改善了什麼。
資料基礎建設分散破碎：AI工具再強，專案資訊、程式碼庫的結構若是零散的，產出品質自然打折。
測試的場景獨立在既有工作流程之外，員工得額外切換工具才能用，熱度一過或推動的人離開，專案就默默收場。相對的，那些成功導入的企業，都能將AI嵌進日常工作流程。想像客服人員得先把客訴內容複製到另一個AI助手網頁，等回覆生成後再貼回客服系統裏，每通信件都得「跳出去再跳回來」，很快就沒人想用了。草稿直接顯示在客服信箱旁的側欄，執行者看一眼、改幾個字就能送出，跟平常回信的動作沒有兩樣。這正是為什麼GitHub Copilot能在工程師間快速普及──它直接嵌在工程師每天都在用的程式編輯器裏，而不是要工程師另外打開一個聊天視窗。
量子運算與AI相輔相成
長久以來，量子運算（Quantum Computing）似乎永遠活在五年後。每次有新突破，就有人說「再五年就能商業化」。但2026年的麥肯錫報告卻說量子運算已經來到「商業引爆點」（commercial tipping point）。麥肯錫合夥人Henning Soller說：「2026年是量子運算從單純承諾轉變為戰略管理議題的一年。」換句話說，你現在不把它放進董事會議程，就落後了。
量子運算能解決什麼問題？傳統電腦計算某些特定問題（比如模擬藥物分子的化學反應、優化跨越幾千個變數的物流路徑）需要很長時間。量子電腦在特定情境下可大幅壓縮這個過程。製藥業、金融業的複雜風險模型、材料科學，正是量子運算的主場。阿斯特捷利康（AstraZeneca）與IonQ、NVIDIA、AWS合作的實驗顯示，混合量子──傳統運算模擬化學反應的速度，比純傳統運算快了20倍。這正是製藥業和金融業提前卡位的原因。
數字在說話。2025年全球量子技術投資飆升至126億美元，比前一年暴漲6.3倍。目前有超過 300家公司正積極與量子技術供應商展開合作，包括空中巴士（Airbus）、摩根大通（JPMorgan Chase）和德國製藥巨頭百靈佳殷格翰（Boehringer Ingelheim）。麥肯錫分析的162家量子相關企業中，有33%每年投入超過1000萬美元，7%更超過5000萬美元，最大的單一預算高達2億美元。這個市場到2035年可能創造1.3兆至2.7兆美元的全球經濟價值。
除了量子運算，AI用於科學發現也同步爆發。AI代理人可以在臨床藥物開發過程提升生產力35%至45%。並將試驗設計時間縮短一半。量子運算如果能和AI結合，藥物研發的速度將大幅增加。
此外，麥肯錫報告也把Future of Robotics（機器人的未來）、Future of Space Technologies（太空科技的未來）、AI for Scientific Discovery and Engineering（AI用於科學發現與工程）和AI Infrastructure and Model Architectures（AI基礎設施與模型架構）列為2026年投資預計超越2025年兩倍以上的趨勢。資本正在用百億美元的規模，押寶AI從實驗室全面走向實體世界。
值得一提的是，能源基礎設施也跟着這股浪潮大爆炸。AI的訓練和推論需要龐大電力，2025年能源科技吸引了近2000億美元投資，在所有科技領域中得到最多資本。AI讓算力（compute）需求爆炸，算力需求讓能源需求爆炸，能源需求讓電廠、電網和能源儲存技術的投資跟着爆炸。
你的職位安穩嗎？
麥肯錫的趨勢報告是給企業高層讀的，但如果你是在台灣科技業或金融業工作的中年專業人士，這份報告對你個人也深具啟發。
首先要釐清：機械人的崛起，不等於純手工勞動先被取代。一般人直覺以為AI和機器人最先搶走的是低技能工作，但麥肯錫的報告顯示，最先被代理式AI取代的是數位工作流程中的中間層──那些負責蒐集資料、整理報告、發送提醒、填寫表單的角色。換句話說，你的職位如果主要是在不同系統之間搬運資訊，你被取代的風險超過工廠的作業員。
Agentic Software Development（AI代理人開發軟體）對軟體工程師的影響深遠，但不同職位影響不同。在2024至2025年間，軟體開發職缺增長了221%。但這不代表每位程式設計師都受益。實際上，增長的是能夠管理、審核和部署AI生成程式碼的職位，而純粹執行標準功能開發的職位正在被壓縮。
值得注意的是信任缺口帶來新的機會：全球有46%的開發者不信任AI工具的準確性，僅3%高度信任。這個數字告訴我們，未來三到五年內最有價值的工程師，不是最會用AI工具生成程式碼的人，而是最能判斷這段AI生成的程式碼到底有沒有問題的人。批判性審核能力，將比生成速度更值錢。
對製造業的從業者，機器人勢不可擋。Amazon部署了超過100萬個機械人，並導入名為DeepFleet 的AI系統統一調度，使機械人的效率提升了10%，加快訂單處理速度、降低運營成本。麥肯錫合夥人Ani Kelkar預測：在2040年以前，機器人和實體AI至少創造1兆美元的經濟價值，主要集中在製造業和物流業。但他特別強調，這不只是取代人力、提升生產力，而是重新發明產品的製造方式。這個區別非常重要：它意味着適應這波浪潮的人，不是那些能跑得最快的人，而是那些能重新定義「怎麼做」的人。
從麥肯錫的報告，可以延伸出三個行動建議，幫助一班上班族增加自己在這些科技變動中的價值：
審核比生成更值錢：學習如何評估AI輸出的品質，而不只是學習如何讓AI輸出更多。
跨領域溝通是護城河：能夠在技術語言和業務語言之間的翻譯者非常搶手。量子運算專案需要既懂量子技術，又能銷售這項技術的業務員。AI新藥開發需要既懂生物，又懂AI的工程師。
能源和基礎設施正在重新定價：在電力、散熱、電網管理相關領域的人才炙手可熱！因為AI的算力需求讓這些過去被視為無聊產業的領域，突然變成了整個科技生態的基礎。
麥肯錫發表了年度《科技趨勢展望》報告。我們個人，也值得思考並寫下自己個人的趨勢展望報告。
原刊於創新拿鐵，本社獲作者授權轉載。
