AI在美國企業的應用現狀：大型企業與製造業領先，但普及率仍低

美國企業的AI採用現狀

在美國企業中，人工智慧的採用情況呈現出不均衡的現象。儘管有許多報導聲稱AI正在迅速進入商業領域，應用範圍涵蓋內容創作、決策支持以及流程自動化等方面，但實際上，AI技術的使用主要集中於大型企業及某些特定行業，如製造業和醫療保健。這種趨勢引發了對不同產業間AI應用狀況的深入比較分析，尤其是大型企業與中小型企業之間存在著顯著差異。此外，了解AI技術背後的原理，如機器學習和自然語言處理等，也是非常重要的，而這些技術在製造領域中的具體案例更能說明其實際影響。同時，我們也不能忽視市場接受度、資金投入及人才培訓等因素，它們共同構成了當前AI普及率偏低的一部分原因。

大型公司與特定行業主導AI使用

然而，現實情況卻有所不同。根據美國國家經濟研究局的一份最新工作報告，關於人工智慧在美國的早期採用情況，提供了一個更為細緻的視角，探討了哪些公司正在採用AI、它們的地理位置以及所使用的技術。這項研究顯示，不同公司的AI採用狀況存在差異。該報告的主要作者、麻省理工學院數位經濟倡議中心的訪問學者克里斯蒂娜·麥克艾勒漢指出，在2017年時，美國僅有6%的公司運用了AI，而這些技術主要集中在大型企業及製造業和資訊科技等行業。此外，AI的採用往往集中在一些被稱為「超級明星」城市，如舊金山、聖安東尼奧和納什維爾等地。

值得注意的是，大型企業通常能夠利用大數據分析和機器學習技術來提升其生產效率及決策過程。例如，在金融行業中，一些公司透過算法模型來優化風險管理，而醫療領域則可能應用AI來改善診斷流程。除了行業特性外，企業內部擁有良好的技術基礎設施及對人才進行有效培訓，也對AI技術的成功實施至關重要。因此，目前普及率較低背後或許反映出許多中小型企業在資源與能力上的挑戰，但未來隨著技術演進與市場需求變化，它們仍具有相當大的發展潛力。

Comparison Table:

結論	說明
AI採用不均衡	大型企業和特定行業主導AI技術的使用，尤其在製造業和醫療保健。
地理差異	AI應用主要集中在一些超級明星城市，如舊金山和納什維爾。
中小型企業挑戰	資源與能力限制使得中小型企業在AI採用上面臨較大困難。
技術基礎設施重要性	良好的技術基礎設施及人才培訓是成功實施AI的關鍵因素。
創新與工作流程	企業需具備重組工作流程的能力，以有效利用人工智慧提升生產效率。

如何衡量AI採用的具體指標

“目前的論述是，AI似乎無處不在，但實際數據顯示，這其實比人們所關心的要複雜得多。”多倫多大學的助理教授麥克艾爾漢表示，“數位時代已經來臨，但它的發展卻並不均衡。”她補充道，關於AI採用的研究通常專注於一些間接的經濟活動指標，比如專利、學術出版物或提及AI的職位描述等。

初創企業中年輕領導者的重要性

研究者將AI的採用定義為在生產過程中使用AI，並強調這不包括發明、願景或是那些依賴AI技術銷售產品的公司。根據McElheran所說，2017年僅有6%的公司報告使用AI的結果在今天仍具參考價值，他提到2023年11月美國人口普查局的一項調查顯示，目前少於4%的公司實際上在生產商品和服務中應用了AI。

初步深入調查揭示了一些早期趨勢：首先，AI的使用在大型企業中最為普遍，超過50%的擁有5000名員工以上的公司正在使用AI，而10000人以上的大型企業則更高達60%以上。其次，各行各業之間的使用情況差異顯著，比如製造業、資訊服務和醫療健康等領域約12%的公司採用了AI，相較之下，建築與零售行業只有4%。此外，在一些明星城市中出現了AI應用的熱潮，但也有一些意想不到的地區，如美國中西部的製造樞紐及南方某些城市，即使總體公司的數量低於科技中心如矽谷、波士頓或紐約市，也能看到其特色。

為了更好地了解哪些特徵使得某些公司更可能採用AI，研究者對75000家參加2018年度商業調查的新創企業進行了分析。他們發現，那些利用AI的新創企業，其領導者通常年輕且受教育程度高，同時具有豐富經驗。風險投資支持以及對流程創新的重視也是與 AI 採用相關的重要因素。McElheran指出，「擁有其他優勢條件的公司更能夠運用前沿科技，如同 AI 這樣。」他補充道，「重新配置工作方式及製造流程的能力，是預測是否會在生產中運用 AI 的一個重要指標。」這一點在比較 AI 與其他通用技術時尤其值得關注。

AI與其他一般性技術的比較

創新技術如企業軟體的實施往往相當複雜，且需依賴完全不同的工作流程。然而，根據麥克艾勒漢的說法，人工智慧則更像是一種針對特定問題的解決方案。她提到，「在逐步推進中，你可以轉變某個特定任務或重複人類的單一工作」，並不是說它會立刻無所不在。這樣的優勢有時卻可能成為負擔。麥克艾勒漢指出，一旦系統中的某部分獲得創新，其餘部分必須以相同速度跟上，否則「整個系統就會出現問題」。因此，那些專注於流程創新的公司，並且具備推動此類創新的資源，更有可能使用人工智慧來提升效率和效能。

製造業和醫療保健中的AI應用案例

一些使用人工智慧（AI）的行業並不一定與尖端技術息息相關，例如製造業和健康照護。製造業的AI應用主要與機器人技術密切相關，而健康照護則涵蓋了多種用途，像是優化手術室排程以及自動化後勤的編碼和帳單處理等。最終，推動AI採用的最大障礙可能來自於組織內部的慣性思維和調整過程中的成本。

阻礙AI採用的主要因素是什麼

這種情況在互聯網、文字處理軟體，甚至雙重入賬的過程中都曾出現。麥克艾倫表示，這兩個因素之所以存在，是有其合理性，不應該被忽視。### 把握全局許多公司的日常工作習慣中，都深植著固定的例行公事。“你每個星期一早上在辦公室做什麼？”麥克艾倫問道。“很少有人會從零開始重新設計那些佔據他們時間和注意力的活動。”

工作常規如何影響技術變革

自蒸汽機以來，我們已經了解，企業和個體的調整往往需要一段時間。雖然日常運作中固定的工作流程能提供便利，但這些慣例卻可能成為變革的障礙。採用新技術通常伴隨著一些成本，無論是對企業還是消費者而言，獲益並非沒有代價。在競爭壓力下，可能會出現裁員等經濟調整情況，因此企業一般更青睞那些已具備使用新技術技能的員工。此外，在推動技術創新的過程中，組織文化、員工的技能與培訓，以及領導層對於創新的接受程度也都是相當重要的因素。而針對不同部門在實施人工智慧時所面臨的需求差異，以及現有流程和系統之間的兼容性進行深入分析，更能影響到該技術在企業中的普及率與有效性。因此，這些要素都直接關係到企業是否能順利完成數位轉型。

對於社會經濟影響的全面考量

正如McElheran在另一篇論文中所指出的，年齡超過50歲的工作者往往會錯失他們年輕同事因數位轉型而獲得的薪資增長。McElheran表示：“當我們看到具有潛在好處的趨勢時，我們不能忽視可能會顛覆人們對工作和子女未來期望的陰暗面。我們需要一種現實且以證據為基礎的方法來看待人工智慧，考量其對不同經濟和社會層面的益處與成本。”這篇論文是由McElheran、英屬哥倫比亞大學教授J. Frank Li、史丹佛大學教授Erik Brynjolfsson（博士畢業於1991年）以及美國人口普查局經濟學家Zachary Kroff、Emin Dinlersoz、Lucia S. Foster和Nikolas Zolas共同撰寫的。