如果有一個工具，能讓你的員工產出速度提升三倍，但做完之後需要花兩倍時間修正它的錯誤，你還會說這是「效率提升」嗎？
九月第一週，一條跨越多個來源的證據鏈，正在翻轉我們對 AI 生產力的基本假設。
HBR 刊登了一項 Syracuse 大學與 Ipsos 合作的研究：研究團隊拿了 10 個品牌（從 Cheerios 到 Visa）、20 支廣告，用同一份創意簡報（creative brief）分別交給人類團隊和 AI 生成——然後讓 3,000 名美國消費者來評判。
結果出乎意料——卻又在情理之中：
消費者幾乎分不出來。 只有 13% 的觀眾「有點信心」自己看到的是 AI 做的廣告，而懷疑人類廣告是 AI 的比例也差不多。人類和機器的界線，在大眾眼中已經模糊。
但業績會說話。 人類廣告在 Ipsos 的銷售影響力指標上，比基準值高出 11 分；AI 廣告則低了 5 分。換句話說，AI 做的廣告看起來沒問題，但它就是賣不動。
研究主持人 Adam Peruta 說了一句很精準的話：「AI 可以做出『夠好』的東西，但『夠好』不等於『有效』。」
同一週，經理人月刊引述的調查顯示：65% 的白領上班族懷念沒有 AI 的日子，花在修正 AI 錯誤的時間，比省下來的還多。Wired 則揭露了一個更荒謬的場景：求職者用 AI 大量投履歷，雇主用 AI 大量篩履歷——兩套 AI 互相博弈，招聘效率不升反降。他們稱之為「AI 求職的無限厄運循環」。
而 Meta 呢？他們的故事最諷刺。
Meta 的 60 兆 Token 實驗：當你把「用多少 AI」當成績效指標
Meta 今年推動了一項內部政策：工程師的績效考核中，「AI 驅動的影響力」是核心指標。有員工甚至自建了一個叫「Claudeonomics」的排行榜，即時追蹤全公司 85,000 名員工的 token 用量，還頒發「Token Legend」「Cache Wizard」之類的頭銜。
結果是什麼？整個公司 30 天內燒掉 60 兆 tokens。排行榜第一名平均每月用掉 2,810 億 tokens——用最便宜的 Claude 計價，光他一個人一個月就燒掉 140 萬美元。
有人甚至把 AI agent 開著跑幾小時，只為了衝高 token 數字。
Meta 最後緊急把 AI 用量從績效考核中拿掉。 但這件事背後的教訓，比一個內部政策逆轉更深：當你把「用多少 AI」當成 KPI，員工就會想盡辦法「用更多 AI」——不管有沒有效。
這不是 Meta 的問題。這是整個產業的問題。
「省下的時間」沒有你想像的那麼多
我們先回到中小企業的場景。
過去半年，台灣中小企業導入 AI 的理由很一致：「省時間。」客服用 AI 回、文案用 AI 寫、簡報用 AI 做。老闆看到員工人均產出變多，就覺得 AI 投資回本了。
但這裡面有一個被系統性忽略的變數：修正成本。
《經理人》引述的研究給了具體數字：白領工作者平均花在修正 AI 產出的時間，已經超過 AI 幫他們省下的時間。原因不是 AI 不夠強——恰好相反，AI 現在「夠強了」，強到產出看起來都沒問題。問題是「看起來沒問題」和「真的沒問題」之間，有一個很深的鴻溝。
HBR 的廣告研究就是最好的切片：消費者分不出來、主管也分不出來。但市場會分。業績會分。客戶的信任會分。
榕耀觀點： 我在第一線看到的中小企業，多數的 AI 導入 ROI 公式長這樣：「以前 3 天做完，現在 1 天做完，省了 2 天，等於效率提升 67%。」但真正的公式應該是：「以前 3 天做完，現在 AI 1 天產出，但團隊再花 1.5 天修正、0.5 天內部討論哪些要重做，淨省 0 天——而且還要算上『客戶聞到 AI 味之後的信任折損』。」說實話，這不是潑冷水，這是幫你把帳算清楚。
Wired 的「無限厄運循環」：當 AI 跟 AI 打架
Wired 這篇分析特別值得講，因為它描述的場景太真實了。
2026 年的求職市場：求職者用 ChatGPT 生成履歷和 cover letter，一天投 200 份；雇主用 AI 篩選系統，一秒掃過 200 份履歷，自動標記「符合／不符合」。兩邊都在用 AI，兩邊的效率都「看起來」提升了。
但實際結果呢？匹配率下降。 因為 AI 生成的履歷被訓練來「通過 AI 篩選」，而 AI 篩選系統被訓練來「過濾 AI 生成的履歷」——兩套系統在互相比誰先騙過對方，過程中沒有人真正在看「這個人適不適合這份工作」。
這不是效率提升。這是軍備競賽。
榕耀觀點： 這個故事的核心不是 AI 有問題，而是「只用 AI 的效率思維」有問題。求職者只問「怎麼讓履歷過篩選」，雇主只問「怎麼用最少人力看完履歷」，沒有人問「怎麼找到對的人」。當雙方的 KPI 都變成「用更多 AI」，真正的目標就消失了。這跟 Meta 的 token 排行榜本質上是一樣的病——你量什麼，員工就最佳化什麼。量錯東西，整個組織就往錯的方向加速。
不是叫你不要用 AI，是叫你不要用「假的 ROI」騙自己
寫到這裡，必須把話說清楚：我不是在說 AI 沒用。
AI 當然有用。HBR 的研究也指出，AI 在產品導向、資訊清晰、不需要情感鋪陳的任務上表現最好——比如產品規格表、操作手冊、數據報表自動化。問題是，多數中小企業把 AI 用在一開始就不適合的場景：品牌文案、客服對話、策略建議——這些需要「人味」的任務，AI 的「夠好」就是「不夠好」。
所以，我給中小企業三個務實的建議：
1. 把「淨效率」放進你的採購評估表
下次有人跟你說「這個 AI 工具可以幫你省 50% 時間」，請追問一句：「省下的時間，有多少要花回去修正它的錯誤？」如果對方答不出來，你就知道那 50% 是毛效率，不是淨效率。
2. 先用在「出錯不可怕」的場景
AI 最適合的起點，不是品牌門面，是內部作業。報表產出、資料整理、會議記錄摘要——這些任務即使 AI 產出有瑕疵，修正成本低、信任折損是零。先把 AI 的「淨效率」在內部練出來，再考慮對外。
3. 不要量 token，要量結果
Meta 的血淚教訓：當你把「用了多少 AI」變成 KPI，員工就會開始「為用而用」。與其追問團隊「你今天用 AI 了嗎」，不如問「你用 AI 之後，客戶滿意度變高了嗎？錯誤率降低了嗎？回購率有差嗎？」——量結果，不要量工具。
總結一句話
2026 年 9 月的這一週，HBR、Wired、Meta 的內部故事、65% 白領的真實感受——四條獨立線索同時指向同一個結論：
AI 的生產力革命，才剛開始。但如果你拿省下的時間直接當成 ROI，你省下來的，可能只是把問題從「做太慢」換成「做錯要花更多時間修」。
真正的 AI 價值，不在「省時間」，在「做原本做不到的事」。你若只拿它來省時間，這週的證據告訴你：你可能省不到。
*如果你是中小企業主，正在評估 AI 導入的實際效益，歡迎透過官網聯繫榕耀管顧團隊，我們可以幫你建立一套「淨效率評估框架」，讓你的 AI 投資，每一塊錢都花在刀口上。*