11 月 9 日上午，巴塞隆納，6500 多名 CIO 坐進 Gartner IT Symposium/Xpo 的會場。開幕演講沒有發布新模型，也沒有演示智慧體，講的是剎車。
Gartner 傑出副總裁分析師 Daryl Plummer 打了個賽車的比方：我們裝煞車，不是為了開慢，是為了能安全地開快。他給這場演講定了一個判斷——企業 AI 現在最緊的挑戰，不是"能不能做"，而是把價值、風險和安全的配速對齊。
配速這件事，數據比形容詞清楚。
一、71% 要上，21% 管得住
Gartner 在 2026 年第二季度做了一次覆蓋 2000 多名 CIO 與技術高管的調研，結論是：71% 的組織計劃在未來 12 個月內落地代理式 AI（agentic AI），但只有 21% 已經具備相應的治理能力。
計劃 12 個月內落地代理式 AI 的比例，與已具備代理式 AI 治理能力的比例（Gartner 2026 Q2 調研，n>2,000，2026-11-09 巴塞隆納發布）
中間那 50 個百分點，就是配速差。它不是技術問題——模型能力、工具鏈、介面標準這一年進步很快；它是組織問題：誰批准智能體動這張單、它能改哪些欄位、出錯了誰簽字、日誌留多久。這些問題在立項書上通常只有一行「按公司資訊安全規範執行」。
Plummer 和同事 Kristin Moyer 的說法更直接：在這種錯配下，價值不可能跑得比風險快。他們還給了另外兩個數字作背景。同期對 1000 多名職能負責人的調查裡，58% 表示已經從 AI 看到一些正向價值；但另一組長期追蹤數據顯示，AI 項目只有五分之一算成功，這個比例與去年持平。
把三個數字連起來看，畫面是這樣的：一半以上的人嘗到了甜頭，但成功的仍是少數；絕大多數人準備在一年內把智能體推上生產，而能管住它的只有五分之一。這不是「要不要上」的問題，是「上了以後誰來收」的問題。
"AI 智能體正在經歷一次現實檢驗，最合適的落點，是可靠性與安全性剛好接住自主性的那個區間。"——Gartner 傑出副總裁分析師 Mary Mesaglio，2026-11-10 巴塞隆納
二、AI 通膨，遇上信任衰退
錢的故事更擰巴。Plummer 在台上說了一句很重的話：我們正處在一個"信任衰退期的 AI 通膨"裡。Token 單價在快速下降，但 AI 正在抬升其他所有東西的成本。
他給的數字是：那個唯一成功的項目，撐起了大部分 ROI，但拿到它的花費，比兩年前高了 18 倍。
為什麼單價降了、總價反而漲？因為成本結構變了。過去一個 AI 專案的主要開銷是許可證和幾名工程師；現在是資料準備、整合改造、評測集維護、推理呼叫、以及最容易被漏掉的一項——返工。單價只是分子裡的一小塊。
供給側的動作也在推這股通膨。Gartner 預計到 2030 年，AI 供應商在基礎設施上的支出接近 7 兆美元，但來自 AI 資料中心的收入不到一半。這個缺口意味著資產減值的壓力，壓力會變成銷售動作：讓你在每個流程裡都用上智能體，讓你多買 token。Plummer 把這叫做「壞動量」——對廠商是增長，對企業是浪費。
| 50%+ | 16% |
|---|---|
| 技術廠商對外宣稱的生產率提升幅度（Gartner 引述廠商口徑） | Gartner 數據中實際測到的生產率提升（同一場演講，2026-11-10 報導） |
這個落差值得每個 CIO 貼在辦公桌上。它不是說不該用 AI，而是說：供應商的收益表，不能直接當你的立項依據。你要自己測，而且要在自己的流程裡測。
把"用量成長"當成績，是當前最普遍的自欺。
調用量、活躍使用者數、產生的單據數，這些指標一定會漲，因為它們衡量的是消耗，不是產出。真正該問的是：同樣的訂單量，用了幾個人、錯了幾個單、返工了幾小時。這三個數不降，調用量漲十倍也只是把成本從人力科目挪到了 IT 科目。
三、40% 的員工收到過 AI 垃圾：返工是沒進預算的帳
這場演講裡最扎人的一個數據，是關於「AI 垃圾」（AI-generated work slop）的：Gartner 發現，一個月內有 40% 的員工收到過 AI 生成的、需要返工的內容；每一次清理平均花 2 小時。按標普 500 公司的平均規模折算，一年損失約 5200 萬美元。
先把這個數的口徑說清楚：這是 Gartner 基於調研與折算給出的估算，不是審計數，不能直接搬進財報。但它的用法很明確——給企業一把尺子，去量自己那筆「沒進預算的帳」。
演算法不複雜：收到 AI 垃圾的人數比例 × 人均每月次數 × 每次清理工時 × 人力成本 × 12 個月。多數企業算完會發現，返工成本已經超過了當年的 AI 訂閱費。而且這筆錢散落在各部門的人力預算裡，財務看不到，IT 也看不到。
| 度量口徑 | 傳統 IT 專案 | AI 項目 | 差在哪 |
|---|---|---|---|
| 成功判定 | 上線即基本成功，按功能驗收 | 五分之一算成功，按結果驗收 | 產出不確定，驗收標準要重寫 |
| 成本主項 | License + 實施人天 | 資料準備 + 整合 + 推論 + 返工 | 返工通常不在預算表裡 |
| 單位產出 | 單據處理量 / 人天 | 同樣單據量下的人工與差錯率 | 不能只算生成了多少 |
| 責任歸屬 | 流程負責人 | 流程負責人 + 智能體監護人 | 多了"誰批、誰複核" |
這張表最重要的不是數字，是最後一行。傳統專案裡，出錯找流程負責人；AI 專案裡，流程負責人還在，但動作可能是智慧體發起的。如果系統不能回答「這個動作是誰授權、依據哪條規則、經過了誰的複核」，那責任就落在了一個沒有名字的地方。
這也是為什麼 ERP 在這場討論裡繞不開。ERP 是少數能把「結果」落到單據上的系統：訂單、發票、工單、憑證，每一張都有金額、有責任人、有時間戳。AI 的產出如果不落到這些對象上，就只能停在「看起來不錯」的層面；落上去，才談得上計量、追責和複購。
四、治理不是剎車片，是讓車能開快的裝置
Gartner 今年給了一個框架，叫價值—風險飛輪（Value-Risk Flywheel）：兩個輪子，一個累積價值，一個累積風險，都由兩股力量驅動——動量（momentum）讓它轉快，阻力（drag）讓它轉慢。關鍵判斷是：動量不總是好的，阻力也不總是壞的。
資料品質檢查、存取限制、稽核留痕、人工覆核，這些通常被業務部門視為「阻力」的東西，Gartner 把它們稱作「好阻力」——它們降低的是會傷人的風險，換來的是可以放心加速的空間。
但飛輪需要一個調速器。Gartner 提出的角色叫「飛輪調速器」（Flywheel Governor）：一個中央決策權威，用虛線結構從各部門借人，統一決定花多少錢、承擔多少風險、上什麼技術、安全底線在哪。它不是一個新部門，而是一個有預算權與否決權的常設機制。沒有它，每個部門都會按自己的價值與風險偏好做決定，最後沒人對整體配速負責。
影子 AI 已經不是你想像的樣子。
Moyer 的比喻是：AI 之前，安全風險像養狗，拴住、圍欄、看著就行；現在像養貓——你一覺醒來，牠已經在洗衣籃裡、在拆沙發、在翻零食櫃。更麻煩的是，把貓放進來的往往不是壞人，而是 Plummer 所說的「英雄式創新者」：他們用 AI 做了很酷的事，無意中造成傷害。治理要防的不只是惡意，還有善意。
Plummer 還給了一個很實操的建議：給 AI 用例排一個「處方表」，像管制藥品一樣管理那些「吃 token 如吃飯」的場景——不是禁止，而是需要開方、需要說明用途、需要定期複核。他自己也承認這個比喻有點重，但方向是對的：先限制無意識的消耗，再談關鍵場景的加速。
順帶一個長期變數。Gartner 在 11 月 10 日預測，到 2030 年 AI 將帶來 170 萬個淨增職位；同場發布的一個數字是，只有 11% 的政府 CIO 在再培訓上投了錢。這兩件事放在一起，說明「人」這一側的配速還沒跟上——智能體能幹的活變多了，能管智能體的人沒變多。
給 CIO 的四項行動：
- 先把 21% 補到能回答三個問題。智能體代表誰行動、能改哪些欄位、動作留什麼痕。這三個問題答不上來，就不要過生產評審。12 個月的時間窗，夠做完這件事。
- 給 AI 產出設「返工預算」。按部門記錄 AI 生成內容的抽檢率、返工率與清理工時，按季度彙總。這筆帳不進預算，就永遠不會被管理。
- 設飛輪調速器，並且給它預算權。掛在現有的數位化委員會下即可，但必須有否決權與預算調整權，否則它只是一個通報會。
- 按業務單據計量，而不是按 token 計量。把 AI 的效果掛到訂單、發票、工單、成本中心上，從 tokenmaxxing 轉向 valuemaxxing。這也是 ERP 在 AI 時代最容易被低估的價值。
自主性是挣來的，不是買來的。買得到的是模型和工具，掙來的是「出錯時能收住」的能力。配速的意義，是讓前者不把後者甩開。
回到巴塞隆納那個會場。6500 名 CIO 裡，大多數人明年會把智能體推上生產。真正拉開差距的，不會是誰先上線，而是誰在上線之前，先把"誰批、改什麼、留什麼痕"寫進了流程。
資料來源：Gartner 新聞稿《Gartner Says Aligning AI Value, Risk and Safety Is Now the Top Challenge for CIOs》（巴塞隆納，2026-11-09）；Gartner《IT Symposium/Xpo 2026 Barcelona: Day 2 Highlights》（2026-11-10）；IT Pro《Gartner says CIOs must apply the brakes on AI to balance value and risk》（Ana Martins，2026-11-10）；CDO Magazine《Gartner: Agentic AI Adoption Is Outpacing Enterprise Governance》（2026-11-09）。
口徑說明：71%/21% 出自 Gartner 2026 年第二季度對 2000 餘名 CIO 與技術高管的調研；58% 出自同期對 1000 餘名職能負責人的調研；五分之一項目成功率、18 倍成本、40% 收到 AI 垃圾與人均 2 小時清理、5200 萬美元年損失、廠商 50%+ 與實測 16% 的生產率落差、2030 年 7 萬億美元基礎設施支出，均為 Gartner 分析師在開幕演講中引用的數據或估算，經 IT Pro 現場報導轉述，非審計結論。170 萬淨增崗位為 Gartner 預測值。本文不引用未公開的調研明細。
