麥肯錫算給你看：AI 每年可創造 2.52 兆美元價值，但成本漲 3 成就蒸發三分之一

麥肯錫 10 月報告指出，AI 用在現有工作上每年可帶來 2.52 兆美元經濟價值；但若 AI 的實質成本上升 30%，價值池將縮水至 1.67 兆美元。

AI 到底賺不賺錢？麥肯錫 10 月發表的報告《The AI value curve：把 AI 用在現有工作的經濟學》給了一個可以算帳的答案：把 AI 拿去自動化與輔助人類原本就在做的工作，全球每年有望創造 2.52 兆美元的經濟價值。但這筆帳有一個很脆弱的假設——成本。只要 AI 的實質成本上漲 30%，價值池就會縮水到 1.67 兆美元，一口氣少掉 8,500 億美元，幅度約 34%。

報告特別提醒，這是一組模型情境，不是預測。它的用意是提醒企業：現在熱烈討論的 AI 投資報酬率，對成本波動的敏感度遠比想像中高。

價值最大的地方，不在取代低薪工作

從產業別看，金融服務是潛在價值最大的領域，每年約 5,300 億美元；其次是教育 4,100 億美元、科技媒體電信 3,600 億美元、醫療 3,100 億美元。一個反直覺的發現是：最有價值的應用，往往不是拿 AI 去取代大量低薪人力，而是用來輔助高技能、高薪的專業人員，讓他們的判斷與產出更上一層樓。

報告也點出企業目前的盲點：很多組織還在量「用了多少 AI」，而不是「AI 帶來多少價值」。導入率的數字很好看，但沒有換算成成本與效益，就無法回答董事會最想問的問題——這筆投資到底划不划算。

7 兆美元基建投資，需要每年 7,600 億美元利潤來支撐

麥肯錫估算，到 2030 年，全球投入 AI 基礎設施的金額可能達到 7 兆美元左右。要讓這個規模的投資站得住腳，每年需要約 7,600 億美元的利潤池來支撐。這正是當前市場焦慮的來源：晶片、資料中心與軟體的支出不斷墊高，生產力提升的速度能不能跟上，仍是未定之數。

單看美國，成本上升 30% 的情境會讓年度價值池從 9,600 億美元掉到 6,400 億美元，蒸發 3,200 億美元。對企業的建議是：評估成本變化要有彈性，並隨著工作內容改變，提前規劃人力的重新配置，而不是等到成本壓上來才反應。

從「有沒有用 AI」改問「值不值得」

這份報告的訊息其實可以濃縮成一句話：AI 的價值不在於導入，而在於算帳。企業該追蹤的不是開通了幾個 AI 工具，而是每一項應用省下了多少時間、創造了多少產出、又花了多少監督、驗證與重工的成本——報告的模型正是把這些隱性成本都算了進去。

同樣的道理也適用於銷售現場：門市每天上傳的業績數字，只有被整理成可以對照、可以追蹤的分析，才算得上價值，而不是檔案本身。這也是看店勢把銷售數據分析放在產品核心的原因——先讓數字說話，再談下一步要不要加碼投資。

資料來源

• McKinsey：The AI value curve: The economics of applying AI to existing work（2026 年 10 月報告）
• The Economic Times：AI could unlock $2.52 trillion in annual global economic value: Report（2026 年 10 月 24 日）
• The Tribune：AI could unlock USD 2.52 trillion in annual global economic value, rising costs pose risk: McKinsey（2026 年 10 月 24 日）