自己建置 AI Agent，成功率其實只有三分之一——找專業團隊合作是 67%
Jacky ChenAI 系統架構顧問 · 擁有 HR 與獵頭背景的 AI 開發者一句話答案
MIT NANDA 團隊 2025 年 7 月發布的《The GenAI Divide》（State of AI in Business 2025）追蹤了 300 多個企業 AI 專案與 52 場訪談，發現透過外部專業團隊合作打造的客製化 AI 工具，能真正部署上線的比例約 67%；相對地，企業內部自己建置的專案，能上線的比例只有約 33%——外部合作的成功率大約是自建的兩倍。研究團隊也坦言這是受訪者自陳的結果、各家對「成功」的定義不完全一致，不能直接證明「找廠商」本身就是原因；但訪談內容指出，真正拉開落差的通常是資料有沒有先盤點好、上線後有沒有人負責維運、期待值有沒有設在合理範圍——這些恰好是專業團隊的方法論比較容易補上的地方，不是模型能力的問題。
很多企業主想「AI Agent 好像不難，找工程師接一接 API 應該就能上線」，這句話本身沒錯，接得上去確實不難，難的是接上去之後真的能穩定跑、真的有人維護、真的解決了問題。MIT 團隊今年追蹤了一大批企業的實際導入結果，把「自己做」跟「找人做」的落差量化出來了，這篇把研究內容跟背後的原因講清楚。
MIT 的研究怎麼量出「自己做」跟「找人做」的落差？
MIT Media Lab 旗下的 NANDA 專案在 2025 年 7 月發布《The GenAI Divide: State of AI in Business 2025》，研究團隊在 2025 年 1 月到 6 月間，系統性檢視了 300 多個公開揭露的企業 AI 專案，加上 52 場企業代表的結構化訪談、153 份來自四場產業研討會的問卷。結果最常被引用的一句話是「95% 的生成式 AI 專案沒有帶來可衡量的營收或成本效益」，但研究裡另一個更貼近「該自己做還是找人做」這個問題的數字是：透過外部專業團隊合作打造的客製化工具，部署成功率約 67%；企業內部自己建置的專案，成功率只有約 33%——外部合作大約是自建的兩倍。
這個數字可信嗎？研究團隊自己怎麼說？
值得老實講清楚：這是受訪企業自己回報的結果，不是嚴格控制的對照實驗，各家企業對「算不算成功上線」的定義也不完全一致，研究團隊在報告裡明確提醒，這個相關性不能直接拿來證明「只要外包給廠商」就會成功——找到不合適的外部團隊一樣會失敗。但訪談內容的方向很一致：拉開落差的不是模型能力的差距（大家用的底層模型其實都差不多），而是「有沒有人先把資料整理好」「上線後有沒有人負責維運跟迭代」「期待值有沒有設在合理範圍」這幾件事，內部團隊常常因為沒有專職角色、方法論還在摸索，這幾件事就順勢被拖到最後才處理，甚至沒人處理。
為什麼「有沒有人先把資料整理好」會決定成敗？
這是我們在幫客戶做導入時最常遇到的第一關。AI Agent 要能實際做事，前提是它能存取結構清楚、內容乾淨的資料——客戶紀錄、產品規格、內部教材如果散落在不同人的 Excel、不同版本的文件裡，agent 讀到的就是矛盾或過時的資訊，做出來的判斷自然不可靠。內部團隊自己摸索時，這一步常常被低估成「順便整理一下就好」，實際上資料盤點往往比寫程式串接本身還花時間——這也是為什麼〈企業要建置一個 AI Agent，實際上要準備什麼？〉會把資料盤點放在流程最前面，不是可以跳過的準備工作。
是不是代表企業完全不該自己碰 AI Agent？
不是。這份研究講的是「客製化、要深度整合企業自身資料與系統」這一類專案的落差，不是所有 AI 應用都適用。如果你的需求本質上是通用的——用現成工具整理資訊、草擬文件、排程提醒——自己導入現成工具的成功率本來就高，不需要套用這個數字來嚇自己。判斷標準可以回到我們在〈客製化系統＋AI Agent 組合：什麼情況該做，什麼情況不該做〉裡提過的三個指標：資料存取範圍、系統串接深度、判斷結果的業務影響。三個指標都偏低，自己接現成工具就夠；有一兩個偏高，找專業團隊合作的成功率落差就會像 MIT 這份研究呈現的那樣，被真實地拉開。
找外部團隊合作，會不會變成東西不是我的？
這是企業主最常見的顧慮，也是合理的顧慮——找人做，不代表要把主導權交出去。我們在〈找 AI 顧問前該問的 5 個問題〉裡談過，系統跟資料上線後的所有權歸誰、報價範圍包含什麼、上線後誰負責維護，這幾件事在合作前就該問清楚、談明白。合理的合作方式是專業團隊補上「方法論跟執行力」，資料、系統、成果的所有權還是留在企業自己手上——這才是研究裡「外部合作」真正在補的東西，不是把 AI Agent 這件事整個外包出去不管。
現在為什麼特別是問這個問題的時機？
鋒形科技 2026 年 9 月發布的《2026 企業勞動力觀測》調查 109 位中小企業人資主管，72.5% 表示今年招募難度明顯提升，81.6% 表示招募正職所需時間比過去更長。缺工壓力正在推更多中小企業去想「能不能用 AI 代理補上一部分人力缺口」，但如果建置這件事本身的失敗率就有三分之二，用 AI 代理補缺工的算盤反而會因為專案卡關而落空。這正是為什麼「自己做還是找人做」不是一個抽象的策略問題，而是會直接影響你能不能真的解決缺工痛點的實際判斷。
如果你正在評估自己的 AI Agent 需求該怎麼走，聊聊你的情況，我們會先幫你看資料整理到什麼程度、系統串接複雜度多高，再一起判斷該自己做哪一段、該找人接手哪一段。
出處
1. MIT NANDA — The GenAI Divide: State of AI in Business 2025（2025-07 發布，官方報告 PDF）https://nanda.media.mit.edu/ai_report_2025.pdf
2. Fortune — MIT report: 95% of generative AI pilots at companies are failing（2025-08-18 報導，含研究方法與外部合作 vs 內部自建的部署成功率對照）https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
3. 聯合新聞網／經濟日報 — 《2026企業勞動力觀測》報告 揭企業人才招募面臨兩大難關（鋒形科技 Femas HR 發布，2026-09）https://udn.com/news/story/7238/9662349
常見問題
MIT 這份研究的「67% vs 33%」，是所有 AI 專案都適用的數字嗎？＋
不是。這個數字對應的是「客製化、需要深度整合企業自身資料與系統」這一類專案。如果你的需求是接現成工具處理通用任務，自己導入的成功率本來就高，不需要套這個數字來判斷。
研究團隊有沒有說「找外部團隊」本身就是成功的原因？＋
沒有，研究團隊明確提醒這是相關性、不是因果證明，也是受訪企業自陳的結果。訪談內容指向的真正原因是資料有沒有先整理好、上線後有沒有人維運、期待值設得合不合理——找到不合適的外部團隊一樣會失敗，重點是這些事有沒有人真的在管。
找外部團隊合作，系統跟資料還會是我自己的嗎？＋
合理的合作方式應該是這樣，但不是自動發生的，要在合作前談清楚。系統原始碼、資料庫、部署環境是不是在你自己名下的帳號，這是找任何顧問或團隊合作前都該先問清楚的事。
自建 AI Agent 卡關，是不是代表要整個放棄自己做的部分？＋
不是。多數情況不是全有全無——核心、真正貼合你業務邏輯的部分可以找專業團隊一起做，周邊通用的環節仍然可以自己用現成工具處理。判斷哪個部分該自己做、哪個該找人，可以參考資料存取範圍、系統串接深度、判斷結果的業務影響這三個指標。
公司規模小，是不是更適合自己摸索，不要一開始就找外部團隊？＋
規模小反而更該謹慎評估，因為犯錯的成本占比更高——內部團隊摸索失敗，通常代表你僅有的技術資源被卡在一個專案上好幾個月。如果需求還在驗證階段，可以先用現成工具輕量測試方向，等確認方向沒錯、需要深度整合時，再評估要不要找專業團隊合作。
還有其他問題？看完整常見問題 →
Jacky Chen · AI 系統架構顧問
讀到這裡，如果你手上正好有個流程想自動化、或想把 AI 變成一套真的能營運的系統——直接找我聊。一次免費的技術診斷，我幫你看清最值得先動的是哪一塊，不繞圈子、不推你不需要的東西。