今晚最值得關注的 AI 消息，不是又出現一檔主打人工智慧的基金。

真正重要的是，華爾街正在改變判斷一家企業是否值得投資的方法。

高盛資產管理成立名為 AlphaAI 的人工智慧投資平台，希望把 AI 納入公開市場、私募投資及投資組合公司的分析與改善流程。

這代表投資機構開始關注的，不只是哪些公司販售 AI 晶片或模型，而是同一產業中的企業，誰能真正利用 AI 提高收入、降低成本與改善營運。

AlphaAI 是什麼？

AlphaAI 是高盛資產管理新成立的 AI 投資平台。

它不是一個提供一般投資人聊天選股的應用程式，也不是宣稱能靠演算法準確預測市場漲跌。

高盛希望透過這個平台整合：

  • 公開市場投資團隊的產業研究。
  • 私募市場取得的企業營運資料。
  • 投資組合公司的實際 AI 導入經驗。
  • 協助企業改善營運的專業人員。
  • 不同產業的 AI 使用案例。

平台將由 Lou D'Ambrosio 領導。

他同時擔任高盛資產管理人工智慧業務主席，過去也曾負責協助投資組合公司改善營運的 Value Accelerator 團隊。

高盛不是只想投資名稱裡有 AI 的企業，而是想判斷：哪些企業真的能把 AI 轉換成營收、成本優勢與更好的執行能力。

高盛看見的是什麼新差距？

過去談 AI 投資時，市場常把公司分成兩類：

  • 提供晶片、模型、雲端與資料中心的 AI 供應商。
  • 購買及使用這些技術的其他企業。

但高盛認為，未來更大的差距可能出現在同一個產業內部。

例如兩家規模相近的保險公司，都能購買相同模型。

其中一家可能只是讓員工用 AI 改寫郵件。

另一家則可能已經完成：

  • 理賠文件分類。
  • 客服內容整理。
  • 詐欺風險初步辨識。
  • 內部知識搜尋。
  • 案件轉交與人工核准流程。

兩家公司表面上都「有使用 AI」，實際產生的營運效果卻可能完全不同。

這種差距可能進一步反映在：

  • 員工生產力。
  • 服務速度。
  • 營業利益率。
  • 客戶留存。
  • 新產品推出速度。
  • 錯誤與風險成本。

為什麼一般財報可能還看不出這種差距？

企業導入 AI 的早期效果，不一定立刻出現在營收數字中。

它可能先表現在：

  • 處理一件案件需要的時間下降。
  • 同樣人數可以服務更多客戶。
  • 員工不再重複搜尋相同資料。
  • 提案、研究與產品測試速度提高。
  • 人工錯誤與返工次數減少。

這些變化可能要經過幾季，才會逐漸反映到成本與獲利。

如果投資機構只看目前財報，可能無法分辨：

  • 企業正在建立真正有效的 AI 能力。
  • 企業只是在增加軟體訂閱與宣傳支出。
買了 AI 工具是一筆費用；把 AI 變成穩定流程，才可能逐漸形成競爭優勢。

高盛已有超過 100 個 AI 使用案例代表什麼？

高盛表示，其投資組合公司內已經累積超過 100 個具有一定規模的 AI 使用案例。

這項數字的重要性，不只是代表使用很多工具。

它可能讓投資團隊比較不同公司在導入 AI 時的實際差異，例如：

  • 從試驗到正式使用花了多久。
  • 多少員工持續使用。
  • 人工修改是否真的減少。
  • 成果是否進入正式工作流程。
  • 是否建立資料、權限與監督規則。
  • 最後對收入與成本產生什麼影響。

這類內部營運資訊，通常比企業公開表示「正在積極使用 AI」更有判斷價值。

這是不是代表 AI 可以替高盛自動選股？

不能這樣理解。

AI 可以協助：

  • 整理大量公司資料。
  • 比較產業與企業差異。
  • 分析財報、訪談與營運紀錄。
  • 找出可能被忽略的風險與趨勢。
  • 追蹤投資組合公司的改善成果。

但投資結果仍會受到許多因素影響：

  • 市場估值。
  • 利率與景氣。
  • 政策與監管。
  • 競爭對手行動。
  • 管理團隊執行能力。
  • 突發事件。

即使一家企業真的把 AI 用得很好，股價也可能已經提前反映所有樂觀期待。

相反地，一家短期 AI 導入較慢的企業，也可能因為價格低估、品牌、通路或其他優勢而具有投資價值。

AI 能增加分析資訊，不能消除投資的不確定性。

AI 主題基金已經有多少資金？

根據 Morningstar 資料，美國註冊、以 AI 為投資主題的基金與 ETF，管理資產合計約 405 億美元。

這反映投資人對 AI 的興趣仍然很高。

但 AI 主題基金通常可能同時投資：

  • 半導體。
  • 雲端服務。
  • 量子運算。
  • 機器學習軟體。
  • 資料中心與能源設備。

名稱裡有 AI，不代表基金只投資生成式 AI，也不代表一定能超越大盤。

投資人仍要確認：

  • 實際持股內容。
  • 持股集中程度。
  • 管理費用。
  • 估值是否過高。
  • 不同基金是否持有相同公司。

AlphaAI 和一般 AI 主題基金有什麼不同？

一般 AI 主題基金，主要是把資金投向被認為受益於 AI 趨勢的上市公司。

AlphaAI 的概念則更廣。

它想把 AI 放進整個投資與企業改善流程中：

  • 尋找可能受益的企業。
  • 判斷同產業公司之間的執行差距。
  • 協助投資組合公司改善營運。
  • 把實際導入經驗帶回後續投資分析。

因此，它不只是在問「應該買哪一檔 AI 股票」。

它更像在建立一套循環：

  • 先投資企業。
  • 觀察企業怎麼導入 AI。
  • 協助改善營運。
  • 把成果轉成新的投資判斷。

真正有價值的 AI 導入會出現哪些訊號？

投資人或企業經營者可以觀察幾個較實際的訊號。

第一，使用範圍是否明確。

企業能否清楚說明 AI 用在哪個流程，而不是只說「全面擁抱 AI」。

第二，成果是否可以衡量。

例如：

  • 處理時間降低多少。
  • 返工次數是否下降。
  • 每位員工能服務多少客戶。
  • 錯誤率是否改善。

第三，成果是否已進入正式工作。

內部展示成功，不代表員工每天真的使用。

第四，是否建立治理規則。

包含資料範圍、人工確認、權限限制與錯誤處理。

第五，是否能持續改善。

模型、資料與流程改變後，企業是否會重新測試，而不是設定一次後永遠不管。

哪些情況可能只是 AI 宣傳？

需要提高警覺的訊號包括：

  • 只公布使用人數，不公布實際成果。
  • 只談節省時間，不計算人工檢查。
  • 只展示一次性試驗，沒有正式部署。
  • 把所有營收成長都歸因於 AI。
  • 沒有說明資料與安全限制。
  • 管理階層談很多 AI，員工卻不知道怎麼使用。

企業宣布導入 AI，可能只是代表購買工具或啟動測試。

只有當工作流程、員工行為與財務成果開始改變，才比較接近真正的商業價值。

為什麼同一產業的企業差距可能擴大？

AI 工具本身愈來愈容易取得。

但企業之間仍有幾項很難快速複製的差異：

  • 資料是否完整。
  • 流程是否清楚。
  • 員工是否願意使用。
  • 主管能否選對工作。
  • 系統能否與現有工具連接。
  • 錯誤發生後是否有處理機制。

兩家公司即使使用同一個模型，成果也可能不同。

這就像兩家餐廳購買相同廚房設備，不代表出餐速度、品質與獲利會完全相同。

模型可以購買，但企業累積的資料、流程、人才與執行能力，無法用同一張信用卡立即買到。

這對一般企業有什麼提醒？

高盛成立 AlphaAI，代表大型投資機構可能會更仔細追問企業：

  • AI 實際用在哪裡。
  • 目前有多少正式使用案例。
  • 每個案例帶來什麼成果。
  • 導入成本是多少。
  • 員工是否真正採用。
  • 有哪些風險與人工監督。

企業未來很難只靠一句「我們正在積極布局 AI」取得市場信任。

更有說服力的說法是：

我們把 AI 用在三項流程，平均處理時間下降百分之二十，人工修改減少百分之十五，目前仍保留正式發布與付款前的人工批准。

具體成果比工具名稱更重要。

小型企業能學到什麼？

小型企業不需要成立一個 AlphaAI 部門。

但可以使用相同思路，每月檢查：

  • 哪些 AI 工作已穩定使用。
  • 哪些仍需要大量修改。
  • 哪些沒有產生實際價值。
  • 哪一項工作最值得繼續投資。

可以建立簡單紀錄：

  • 原本花費時間。
  • 使用 AI 後花費時間。
  • 人工修改時間。
  • 工具費用。
  • 錯誤與重做次數。
  • 最終成果是否真的使用。

這能避免因為每天都在使用 AI，就誤以為營運一定已經改善。

投資人可以怎麼判斷一家企業的 AI 能力？

可以從公開資料觀察：

  • 公司是否公布具體使用案例。
  • 資本支出與營運費用是否合理。
  • 毛利率或營業利益率是否改善。
  • 產品開發速度是否提高。
  • 客戶是否願意為 AI 功能付費。
  • 是否出現資料、安全與監管問題。

但不要只用一項指標下結論。

成本下降可能來自裁員，也可能來自景氣、產品組合或其他因素。

收入增加也不一定全部由 AI 貢獻。

投資判斷仍需結合產業、估值與公司基本面。

可以直接使用這段企業 AI 成效檢查 Prompt

請評估這家企業的 AI 導入是否已形成實際競爭力。不要只整理公司宣稱使用哪些工具。請分成「正式使用案例、可量化成果、導入與人工成本、員工採用程度、資料與治理能力、仍無法確認的地方」六個部分。請區分公司公開事實、管理階層說法與你的推論。沒有證據的效率提升與營收貢獻不得自行估算。

AlphaAI 可能面臨哪些限制？

  • 企業內部案例不一定能直接套用到其他產業。
  • AI 導入初期成果可能被高估。
  • 模型與工具快速改變，歷史經驗可能過時。
  • 投資團隊可能因市場熱潮而產生樂觀偏誤。
  • 營運改善不一定能轉化成合理投資報酬。
  • 成功案例通常比失敗案例更容易被看見。

因此，AlphaAI 能增加高盛的分析與企業改善能力，但不能保證找到所有長期贏家。

今晚最重要的判斷

高盛成立 AlphaAI，顯示 AI 投資正在進入下一個階段。

第一階段，市場追逐提供晶片、模型與資料中心的公司。

下一階段，投資機構會逐漸追問：

  • 哪些傳統企業真的把 AI 用進工作。
  • 哪些導入能改善收入與成本。
  • 哪些只是增加訂閱費與宣傳。
  • 同一產業裡，誰已經建立別人難以複製的執行能力。

這也意味著，企業未來的 AI 競爭不會只看是否擁有最強模型。

真正拉開差距的，可能是資料整理、工作流程、員工使用、成果衡量與持續改善。

當華爾街開始把企業使用 AI 的能力納入投資判斷，AI 就不再只是科技部門的新工具，而會逐漸成為衡量企業管理與執行能力的一項基本指標。

今天，和 AI 一起進步一點。

每天學會一個 AI 技巧。

每天節省一點時間。

每天提升一點能力。

SasaDaily，陪你一起成長。

推薦閱讀