AI 焦慮不只是個人情緒：它其實是企業導入 AI 的「隱形成本」

企業導入生成式 AI 的真正門檻，往往不在於工具本身的技術難度，而在於組織能否將 AI 轉化為一套「可信、可習得且具實質效能」的新工作模式。借鑒微軟的經驗，卓越的 AI 治理應在員工賦能、提升生產力、風險管控與數據安全之間達成動態平衡。在安全的「防護圍欄」內，為員工釋放最大的創造空間。  同一時間，制度也在把「人」拉回 AI 導入的核心。歐盟 AI Act 的 Article 4 把 AI 素養拉升為「提供者與部署者」的組織責任：必須採取措施，確保員工與代表組織操作 AI 的相關人員具備足夠 AI 素養，包含對機會、風險與可能傷害的理解，且需要考量員工的背景、使用情境與受影響對象。AI 焦慮不只是「員工想太多」，而是企業在導入 AI 時，尚未把「可信任的使用環境」與「可持續的學習路徑」設計完整，於是焦慮成了第一個被看見的成本。

一、從 TAM 到 UTAUT：接受新科技，從來不只關乎「有沒有用」

在科技接受研究的經典脈絡中，Davis（1989）的科技接受模型（TAM）指出，影響使用者採用新科技的關鍵與「知覺有用性」「知覺易用性」密切相關；也常把焦慮、自我效能、社會影響等外部因素納入討論。

Venkatesh 等人（2003）的 統一科技接受與使用理論(UTAUT) 進一步整合科技接受領域，提出效能期望、努力期望、社會影響、促成條件等構面，並受性別、年齡、經驗等因素調節。但在生成式 AI 的時代，問題開始變得更「人性」：就算理性上知道 AI 有用，情緒上仍可能抗拒。學者在討論 AI 焦慮時，將其焦慮核心指向「失控」與「不可預測」。當 AI 在心理上被定位為風險來源，即便功能上有吸引力，使用意願仍會下降。 

《哈佛商業評論》也用「變革的壓力」去描述這種焦慮：破壞式創新之所以讓人焦慮，正是因為它逼人快速改變、跳進未知。AI 導入更多的阻礙在於「處理不確定感」讓人知道怎麼用、敢不敢用、用下去會不會出事，以及用得好會不會反而變成「被加更多工作」的理由。

二、落地卡關，往往不是技術，而是「成本導向」下的能力缺口

回觀台灣，在生成式 AI 爆發後的兩年，企業界出現了一個耐人尋味的現象：

AI 的討論度極高，但真正的轉型深度卻陷入停滯。

根據人工智慧科技基金會最新發布的「2025 台灣產業 AI 化大調查暨 AI 落地指引」，產業的 AI 成熟度分佈正呈現出一種「前段流動、後段卡關」的弔詭態勢。「Unknowing AI」比例從 45.5% 降至 39.4%、「Conscious AI」增長至 31.7%，——也就是企業開始意識到 AI 的重要性，甚至嘗試導入工具——然而，最關鍵的「Ready AI」與「Scaling AI」兩大成熟群體，佔比卻未見顯著增長。這項數據揭示了一個冷峻的現實：

全台灣仍有多數的企業，尚未能跨越 AI 實際應用的門檻。

三、為什麼「知道 AI」與「導入 AI」之間存在如此巨大的斷層？

核心原因在於企業領導層常有的心理慣性：誤以為 AI 就像過去的 Office 或 ERP 等套裝軟體，只要完成採購、安裝、訓練員工操作，就能即刻收割產力回饋。然而，AI 的落地邏輯與傳統工具截然不同。導入 Copilot 或 AI agents 只是轉型的「末端」，真正的轉型高度取決於底層基礎是否紮實。「2025 台灣產業 AI 化大調查暨 AI 落地指引」調查顯示，那七成無法跨越門檻的企業，大多忽略了以下四個落地要素：

• 數據衛生的斷層： AI 運作的核心是數據。若企業內部的資料分散、格式不一或缺乏治理，AI 就只是「垃圾進，垃圾出（Garbage in, Garbage out）」。
  
• 流程數位化的不完整： 如果企業原本的業務流程仍高度依賴非結構化的傳統溝通，強行塞入 AI 只會造成流程衝突，同時，企業 AI 導入高度依賴外部供應商或現有工具（45.3%），顯示多數企業在技術應用上仍仰賴外部廠商、內部技術自主性偏低。
  
• 跨部門整合的阻力： AI 治理不只是 IT 部門的事，它涉及資安、法律與業務單位的協作。缺乏跨部門的共識，AI 應用往往只能停留在單點的小規模測試。
  
• 人才與管理系統的斷層： AI 轉型不是「替代」員工，而是「賦能」員工。企業若沒有配套的職務再設計與人才培育機制，員工便無法在安全的框架內與 AI 協作，導致生產力原地踏步。

「Ready AI」與「Scaling AI」比例的停滯，反映出企業正處於轉型的「幻滅期前兆」。許多組織雖然擁有了先進的工具，卻缺乏將 AI 轉化為「可被信任、可被學習、具備實際效能」之新工作方式的能力。成功的 AI 治理不應是築起高牆限制使用，而是透過良好的數據管理與技術自動化，為員工畫出「安全的圍欄」。

只有當企業不再把 AI 當作軟體採購
而是將其視為一場從數據流程到人才重塑，那道隱形門檻才有可能被真正跨越。

四、從焦慮到協作：用「懂、敢、願意」跨越 AI 轉型的心理鴻溝

AI 焦慮並非單純的個人情緒，而是由「AI素養、自我效能、組織支持與治理」交織而成的轉型隱形成本。因此，AI 落地的關鍵從來不是「要不要導入」，而是：如何把導入做成一套安全的工作體系。在閱讀相關文獻後，我將 AI 落地策略收斂為以下三層架構，引導人才從焦慮走向協作：

• 第一層 AI 素養：讓人懂。焦慮來自未知，底氣來自素養， 透過培養員工對 AI 「理解、應用、評估與倫理思辨」的綜合素養，我們能將原本神祕莫測的黑盒子，轉化為受控的生產力工具。這層策略的本質，是讓員工在清楚責任邊界與監督邏輯的前提下，完成從「恐懼未知」到「安全協作」的認知跳躍。
• 第二層自我效能：讓人敢。在低風險場景中設計小步快跑的成功任務，讓員工在實戰中快速建立掌控感，進而穿越焦慮、累積「我做得到」的轉型自信。
• 第三層組織支持與治理：讓人願意。AI 導入是牽涉資料、流程、組織與治理的深層變革；企業之所以卡關，往往正是因為忽略了這些「看不見卻最花成本」的底層工程。唯有透過透明的資料規則與制度保護，將「用 AI 會不會出事」的疑慮，轉化為對組織制度的深層信任。

AI 焦慮不僅是個人情緒，它是企業導入 AI 的隱形成本。而能不能把這筆成本變成投資報酬，取決於組織是否願意把 AI 導入，真正做成一套「讓人懂、讓人敢、讓人願意」的新工作方式。

撰文者：彭淑萍

指導老師：李宗樺老師

參考文獻
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.

Johnson, D. G., & Verdicchio, M. (2017). AI anxiety. Journal of the Association for Information Science and Technology, 68(9), 2267–2270.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.

Aarons-Mele, M. (2025, October 28). Why AI at work makes us so anxious. Harvard Business Review.

European Commission. (n.d.). Article 4: AI literacy. AI Act Service Desk. Retrieved February 21, 2026, from 

Harvard Business Review. (2017, June 28). Help your team face uncertainty by acknowledging it. Harvard Business Review.

Leffer, L. (2023, October 2). ‘AI anxiety’ is on the rise—Here’s how to manage it. Scientific American.

Microsoft. (2025, February 6). How we’re tackling Microsoft 365 Copilot governance internally at Microsoft. Inside Track Blog.

財團法人人工智慧科技基金會（AIF）. (2025). 2025 台灣產業 AI 化大調查暨 AI 落地指引（中文版本）（研究報告）。