30 秒翻重點

在 FinFin 翻翻理財，生產力可以先理解為「每小時能產出多少」；AI 讓同樣工時完成更多工作時，勞動生產力可能上升，但省下的時間可以變成休息、更多任務、較低成本或更高利潤，結果取決於企業怎麼分配。公司是否更值錢，還要看新增收入、持續成本、競爭、風險與未來現金流，不能只看用了多少 AI。

先分清楚：更快完成任務，不等於整家公司生產力提高

美國勞工統計局把勞動生產力概括為產出相對於工時的變化，最簡化可寫成：

勞動生產力 = 實質產出 ÷ 工作時數

如果一名員工原本一天完成 10 份合格報告，導入 AI 後在相同工時完成 12 份，而且品質不變，這個工作流程的產出效率確實提高。

但真實企業還要處理幾個測量問題：

  • AI 生成的是初稿，還是已經可以交付的最終成果？
  • 省下的撰寫時間，有沒有被查核、改寫與處理錯誤吃掉？
  • 數量增加時，退貨、客訴、法律與品牌風險是否同步上升？
  • 員工是在同樣工時產出更多，還是實際工作時間也延長？

OECD 的定義也提醒，勞動生產力不只反映員工個人能力或努力，還受到資本、技術、管理、組織與規模影響。因此，把 AI 專案的單項測試成績直接當成全公司的生產力增幅，通常會高估實際效果。

單位勞動成本：企業最先看到的財務語言

企業導入 AI 時，最容易先觀察的是每件產出的人工成本。美國勞工統計局將單位勞動成本理解為生產一單位產出所需的勞動成本，也可寫成：

單位勞動成本 = 每小時勞動報酬 ÷ 每小時產出

假設員工每小時總報酬不變，AI 讓每小時合格產出提高，單位勞動成本就可能下降。企業可以把這個差額用在四個方向：

  1. 降價，爭取市占；
  2. 維持價格，提高利潤；
  3. 增加查核、資安、雲端運算與培訓支出；
  4. 提高薪酬、縮短工時或擴大團隊能力。

所以，「AI 省下成本」只是第一步；真正影響競爭力的是這筆節省最後流向哪裡。

為什麼員工可能沒有更輕鬆？

假設一項工作原本需要 8 小時，AI 把它縮短成 6 小時。企業可以讓員工少工作 2 小時，也可以再塞入更多任務，或縮減團隊後讓剩下的人承擔例外處理。

ILO 2026 年實證研究回顧指出，生成式 AI 的生產力增益是真實但不平均的；員工自陳省下的少量工時，尚未一致轉成更高的可量測產出、所得或就業。研究特別關注年輕人入門機會、工作自主性、協作與工作品質。

OECD 的職場 AI 報告也呈現雙面結果：許多使用者認為 AI 改善工作表現與樂趣，但工作強度、資料使用與不平等仍是主要疑慮。

這裡最重要的觀念是：技術決定可做什麼，制度與管理決定成果如何分配。

勞動所得份額：生產力紅利由誰拿走？

如果整體產出成長得比工資快，更多新增價值可能流向企業利潤或資本所有者。經濟學常用「勞動所得份額」觀察國民所得中有多少分配給工資與其他勞動報酬。

IMF 對勞動所得份額的說明指出，當工資成長慢於生產力時，勞動所得份額會下降，代表更多生產力成果流向資本。AI 是否造成同樣結果並非預先注定，關鍵在於：

  • AI 是補強員工能力，還是直接替代工作？
  • 員工是否能取得新技能與更高報酬？
  • 勞動市場是否有足夠的轉職與議價能力？
  • 企業是否把節省投入更高品質、更低價格或更高利潤？

因此，看到「每人產出提高」時，不要立刻推論薪資會同比例增加，也不要反過來假設一定會大量失業。

為什麼成本下降，公司估值仍可能下修？

企業價值看的是未來能替資金提供者創造多少現金流，以及這些現金流有多不確定。AI 降低某項成本，至少還要通過五道檢查：

  1. 節省能不能保留：競爭者也使用相同模型時，成本優勢可能快速變成全產業降價。
  2. 收入會不會被取代：客戶可能自己生成內容，不再購買原有服務。
  3. 新增成本有多少：算力、資料、資安、查核、授權、訴訟與人才都要付費。
  4. 品質是否可持續：錯誤率與品牌損失可能抵銷短期效率。
  5. 資本與退出條件是否改變：未上市股權缺乏即時市場價格，投資工具的權利與流動性也會影響評價。

IFRS 13將公允價值定義為，在衡量日的市場條件下，市場參與者於有秩序交易中出售資產可收取、或移轉負債需支付的價格。這表示公允價值是特定日期、特定資產或負債的市場觀點，不是公司永遠不變的「正確身價」。

尤其是未上市公司，同一家公司可能有普通股、特別股、可轉換工具與不同清算順位。某投資人調低自己所持工具的公允價值，不必然等於整家公司按相同比例縮水；但它仍反映最新市場條件、風險、權利或流動性評估已經改變。

用一個簡化例子看完整鏈條

假設一家內容公司每月營收 1,000 萬元，原本人工與製作成本 600 萬元。導入 AI 後，直接製作成本降到 450 萬元，看起來多出 150 萬元空間。

但如果公司同時新增：

  • 模型與雲端費用 40 萬元；
  • 查核與資安費用 30 萬元；
  • 版權與保險準備 20 萬元；
  • 因競爭而降價造成營收減少 80 萬元；

最後的月度改善只剩負 20 萬元。反過來，如果 AI 讓公司推出新服務、提高留存並增加營收，價值也可能遠大於單純節省人力。

這個例子不是預測，而是提醒：評估 AI 專案時，必須同時看收入、成本、風險與競爭反應。

看 AI 題材公司時，可以問的六個問題

  1. 公司說的生產力，是測試任務、單一部門，還是整體財務結果？
  2. 衡量的是初稿數量，還是品質合格、可收款的最終產出？
  3. 節省的工時去了哪裡：減少工時、增加工作量、裁員，還是創造新服務？
  4. 新增的模型、算力、資料、資安與查核成本是多少？
  5. 競爭者能否取得相同模型，讓成本優勢很快消失？
  6. 估值數字指的是整家公司、某一輪募資，還是具有特定權利的投資工具？

FinFin 觀點

「AI 讓人做得更快」是作業層的結論；「企業因此更賺錢」是商業模式的結論；「股票或未上市股權因此更值錢」則是估值結論。三者之間不能直接畫等號。

理解生產力最有用的方法，是一路追蹤到可交付產出、成本、現金流與價值分配。這樣既不會把所有效率都想成裁員，也不會把每個 AI 專案都當成成長保證。

你要注意

本文以簡化公式與假設例子說明概念，資料截至 2026 年 7 月 27 日。不同產業對產出、工時、品質與公允價值的衡量方式不同；未上市投資工具也可能有複雜權利與流動性限制。本文不構成企業估值、會計處理或投資建議。