McKinsey 在 2025 年的報告丟出一個很尷尬的數字 — 接近九成的公司已經導入 AI，但其中 94% 覺得自己「沒看到顯著價值」 [Source: https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/where-ai-will-create-value-and-where-it-wont]。
可是 McKinsey 同一系列研究又持續說，AI 採用估計可帶來最高約 3.4 個百分點的年產力成長空間 [Source: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier]。
一邊是被吹爆的工具，一邊是九成公司用不出來。中間到底發生了什麼？
對獨立創業者來說，這問題更貼身。你沒有「公司」可以為了 AI 改流程 — 你自己就是流程。
研究的部分：AI 是真的有用，而且有受控實驗背書
MIT 在 2023 年那篇被反覆引用的研究 [Source: https://news.mit.edu/2023/study-finds-chatgpt-boosts-worker-productivity-writing-0714]，找了 453 位白領做寫作測試。結論很乾淨：用 ChatGPT 的組別，寫作時間少了 40%，輸出品質高了 18%。Science 期刊有完整論文 [Source: https://www.science.org/doi/10.1126/science.adh2586]。
這不是行銷話術，是受控實驗。
但這份研究有個常被略過的細節 — 受測者當時拿到的是 ChatGPT-3.5，跟現在主流的 Claude 4 / GPT-4 系列已經差好幾代。同等規模的後續對照研究還少，但工具的能力上限，明顯比 2023 年那時候高出一截。
McKinsey 2025 商業建構報告補了另一個角度：新事業達到顯著營收的時間，從 2023 年的 38 個月縮短到 2025 年的 31 個月 [Source: https://www.mckinsey.com/capabilities/business-building/our-insights/how-to-build-businesses-faster-and-better-with-ai]。整整七個月的差距，發生在兩年內。
工具是真的有用，這件事可以先放下不爭。
那為什麼九成公司用不出價值？關鍵在「流程重設計」
這才是真正有趣的地方。
McKinsey 的結論其實很反直覺 —「AI 的生產力效益，靠的是流程重新設計，而不是把 AI 加進現有流程」[Source: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work]。
意思是這樣。你把 ChatGPT 嵌進原本的「先寫初稿 → 修 → 發」流程，提升其實有限。但你把整個流程重做成「AI 寫初稿 → 人類只審觀點和事實性 → 修語氣 → 發」，這才是那個 40%。
大公司做不到流程重設計，因為要協調十幾個部門、改 SOP、訓練人員、踩政治雷。
獨立創業者的優勢就在這裡 — 沒有人擋你，你自己一個人就能把整個流程重做一次。把 McKinsey 那個「流程重設計才是關鍵」的結論套到獨立創業者身上，等於是說：你少了大公司的內部摩擦，反而最有機會把 AI 用對。
但工具不會告訴你的一件事：先想清楚要保留什麼
工具能幫你的，是「已經想清楚的事情做得更快」。它幫不了你「想不清楚自己要什麼」這件事。
很多獨立創業者陷在這個迴圈：訂閱五個 AI 工具，每個都淺嚐輒止，最後得到「AI 沒有用」的結論。
問題不在工具，在沒先想清楚 — 你想保留下來、只有你能做的事是什麼？剩下的才該交給 AI。
順序錯了，再強的工具也救不了。
給獨立創業者的三個判斷準則
寫到這裡，整理三點供參考。
第一，先寫流程，再選工具。 如果你連自己現在每天在幹嘛都列不出來，買再多 AI 訂閱也只是收藏。先把一週的時間記錄下來，列出每個區塊在做什麼，再決定哪些可以交出去。
第二，深用一兩個，不要每個都試一下。 MIT 那 40% 提升是受控實驗下、單一寫作任務的數值；要把這個效益放大到日常工作流，需要的是長期把工具用透、知道它的邊界在哪。淺嚐五個比深用兩個吃虧。我自己在 JudyAI Lab 的工作流 也是這樣練出來的 — 一個工具用半年，才開始知道它真正的天花板。
第三，留下只有你能做的事。 AI 幫你省下時間，但省下的時間要拿來做什麼，才決定這份省下的時間值不值得。如果 AI 幫你寫文案省了兩小時，你拿來再寫兩小時的文案，那省的不算數。這跟 AI 夜班工作流 想解決的是同一件事 — 重點不是 AI 能做多少，是你能不能把 AI 換出來的時間，用在只有你能做的事情上。
McKinsey 那 94% 沒看到價值的公司，多半是栽在第三個。
工具有用，但用得有沒有意義，這是另一件事。
常見問題（FAQ）
Q1：MIT 那份 40% 的研究，現在還適用嗎？
研究本身是 2023 年用 ChatGPT-3.5 做的，但模型能力這兩年大幅提升，多數實務觀察是效益只會更高。比較需要警惕的不是數據過時，而是 — 那個 40% 是受控條件下的單一寫作任務，把它套到「整天工作」上，要靠流程重設計才放得大。
Q2：獨立創業者該先學 AI 工具還是先做產品？
先做產品，邊做邊把 AI 嵌進去。沒有具體任務當載體，學工具會變成收藏。最快的學法是「我這週要做 X，看 AI 能幫多少」，不是「我先把工具學會再說」。
Q3：應該訂閱幾個 AI 工具才夠？
兩個就夠：一個對話型（Claude 或 ChatGPT），一個垂直型（看你的業務需求 — 寫程式選 Cursor、做設計選 Figma AI、做資料分析選 Cursor 或 ChatGPT 都行）。深用半年再考慮加第三個。
Q4：怎麼判斷自己有沒有把 AI 用對？
很簡單一個檢查 — 你省下來的時間，有沒有變成只有你能做的事？如果省下兩小時又拿去做 AI 也能做的事，那等於沒省。McKinsey 那 94% 用不出價值的公司，多半就是這個迴圈。
Q5：流程重設計具體要怎麼做？
從一個任務開始。挑你每週都要做的事（例如寫週報、回客戶信、整理會議筆記），把它拆成 5 個步驟，問每個步驟「這一步可以讓 AI 做嗎？」。能交出去的交出去，剩下的就是「只有你能做的事」。先把一個任務調到位，再擴到第二個。