美團王莆中剖析企業AI落地困境：存在認知、效率、場景、考核“四重錯配”

美團核心本地商業CEO王莆中近日在一場公開演講中，針對當前企業推動AI落地時普遍遭遇的結構性困境提出了系統性剖析。他直言，儘管市面上AI技術供給已經相當豐富，模型能力、工具鏈與解決方案層出不窮，但真正能將AI轉化為可量化收益的企業仍屬少數。多數組織在導入AI的過程中，依然卡在「看得見、用不起、算不清」的階段——看得見技術潛力，卻難以負擔落地成本，更無法清楚計算投資回報。王莆中認為，問題的根源並非出在技術本身，而是企業在認知、效率、場景與考核四個層面存在「四重錯配」，導致AI專案從啟動到見效之間出現巨大落差，甚至讓許多原本立意良好的數位轉型計畫淪為資源黑洞。王莆中首先剖析了「認知錯配」的內涵。

他指出，企業高層對AI能力的期待與實際技術邊界之間，往往存在一道鴻溝。有些決策者受到市場炒作與媒體渲染的影響，對AI抱持過度樂觀的想像，認為只要導入大模型就能立即解決所有營運難題，甚至期待AI能取代人類進行複雜的策略判斷；另一些決策者則因曾經歷失敗的技術專案，轉而對AI抱持過度保守的態度，寧可觀望也不願投入資源。這兩種極端心態都源於對AI本質缺乏清晰理解。王莆中強調，AI既不是萬能的魔法，也不是毫無價值的噱頭，它本質上是一種具備特定能力邊界的工具，擅長處理模式辨識、預測最佳化、內容生成等任務，但對於需要常識推理、情感共鳴與倫理判斷的場景，仍有明顯局限。

當高層的認知與技術現實脫節時，AI專案從立項之初便埋下了失敗的種子。接著，王莆中談到「效率錯配」的具體表現。他觀察到，許多企業內部的決策流程仍然沿用傳統的層層審批模式，從需求提出、方案設計到資源撥付，往往需要經過漫長的會議與簽核。然而，AI技術的迭代速度極快，模型訓練、參數調整、效果驗證都需要快速試錯的空間。當組織的決策節奏跟不上AI的迭代節奏時，就會出現一個荒謬的現象：業務部門提出的需求，等到技術團隊完成模型開發時，市場環境或業務邏輯早已改變，原本的解決方案不再適用。這種效率錯配不僅浪費了工程師的寶貴時間，更讓企業錯失最佳的應用時機。

王莆中直言，如果企業無法建立一套與AI特性相符的敏捷決策機制，那麼再先進的演算法也無法在僵化的流程中發揮作用。第三重錯配是「場景錯配」。王莆中特別提醒，許多企業在推動AI落地時急於求成，看到競爭對手導入AI，便不顧自身業務特性，盲目將AI硬套在不適合的流程上。例如，有些企業將AI用於處理高度標準化、規則明確的作業，反而因為模型的不確定性而增加出錯風險；有些企業則將AI應用在資料品質低落、標註不足的場景，結果模型輸出品質堪憂，還需要投入大量人力進行校正，最終不僅沒有提升效率，反而增加了營運負擔。王莆中強調，AI的價值來自於「對的問題」與「對的資料」結合，而非單純的技術堆疊。

企業應該先盤點自身業務流程，找出那些具備高重複性、高資料量、低容錯需求且能快速驗證成效的環節，作為AI落地的優先場景。若只是為了趕潮流而硬湊應用，最終只會得到「為AI而AI」的尷尬結果。至於第四重「考核錯配」，王莆中認為這是最容易被忽略、卻也最致命的一環。傳統企業在評估專案成效時，往往習慣採用短期財務指標，例如成本節省比例、營收成長幅度或投資報酬率，但AI專案的特性與傳統IT專案截然不同。AI系統上線後需要持續監控、回饋與調參，其效益往往呈現先緩後升的曲線，且許多無形價值——例如員工經驗累積、資料資產沉澱、組織學習能力提升——難以在短期內用數字衡量。

若企業仍以舊有的考核框架來評估AI專案，團隊便會因為看不到立即成果而失去信心，甚至為了迎合考核指標而採取投機行為，例如刻意挑選簡單案例來美化數據，反而偏離了真正的業務目標。王莆中呼籲，企業應設計一套與AI專案特性相符的評估機制，兼顧短期成果與長期潛力，並將學習曲線、模型迭代次數、場景覆蓋廣度等納入考核維度，才能激勵團隊持續投入與優化。在演講中，王莆中也完整覆盤了美團內部推動AI變革的過程。他透露，美團並非一開始就大規模鋪開AI應用，而是先從選定核心業務場景著手，例如外送配送的路徑預測、商家經營數據分析、用戶需求智慧匹配等高價值環節。

這些場景具備資料密集、回饋即時、成效可量化的特點，適合AI快速驗證價值。在選定場景後，美團建立了跨部門協作機制，打破技術團隊與業務團隊之間的壁壘，讓工程師直接進駐業務一線，理解真實痛點，同時也讓業務人員參與模型設計與測試，確保解決方案貼近實際需求。更重要的是，美團設計了一套可追蹤的成效指標，從模型準確率、業務轉化率到用戶滿意度，每個環節都有明確的數據追蹤，讓AI的貢獻可以被清晰看見。王莆中強調，AI落地不是一次性專案，而是一個需要組織從上到下調整心態與制度的持續過程。

技術團隊不能只負責交付模型，還要承擔業務結果的責任；管理層不能只下達導入AI的指令，還要親自參與場景梳理與資源協調；基層員工也不能將AI視為威脅，而要將其視為提升工作效率的助手。唯有建立這樣的共識，企業才能真正把技術紅利轉化為商業成果。他以美團的經驗為例，說明內部在推動AI變革時也曾遭遇阻力，包括部分員工對自動化決策的質疑、跨部門溝通成本高昂、初期模型效果不如預期等。但透過持續的溝通、培訓與制度調整，美團逐步建立起一套「AI+業務」的融合體系，讓技術真正成為業務成長的引擎。最後，王莆中提醒現階段的企業應務實看待AI的短期能力。

他建議，與其追求顛覆性的全面改造，不如聚焦在那些能快速驗證價值的場景，先做出幾個成功的標竿案例，再逐步擴大應用範圍。他特別警告，企業應避免陷入「為AI而AI」的資源浪費，不要為了向外界展示轉型決心而盲目上馬專案。真正的AI轉型，應該從每一個具體的業務痛點出發，用AI解決實際問題，並透過可量化的成果來建立內部信心。唯有如此，企業才能在AI浪潮中站穩腳跟，將技術潛力轉化為持久的競爭優勢。王莆中的這番剖析，為那些仍在AI落地迷宮中摸索的企業提供了一張清晰的路徑圖，也再次印證了「技術只是起點，組織變革才是關鍵」的樸素真理。