台灣企業「舊系統 AI 落地」市場調查
MX 應全面轉型為「企業 AI 落地整合者」：市場大、AI 滲透率僅 8%、政策給 116 億，而企業卡的三道牆（選不出題、算不出效益、不敢交給 AI）正好對上 MX 三強項。
是「選不出題目、效益算不出來、不敢交給 AI」
全報告速覽（點上方分頁看細節）
市場與規模
主攻中型企業：底盤 171.5 萬家中小企業，但 AI 滲透率僅 7–8%、待開發空間極大，再加政府 116 億預算順風。
競爭與報價
同級競爭者是 ERP／BPM／網站系統商（鼎新、華苓、戰國策），多在賣系統、打價格戰。報價拆開發費＋維護費＋訂閱費三層；製造業千萬級讓給 IBM。
企業 AI 落地痛點
卡的不是預算，是三道牆——選不出題、算不出效益、不敢交給 AI（MIT 報告 95% 試點無效益佐證）。剛好對應 MX 的 UX 研究／共構後台／ISO 27001。
適合客群
鎖定「一個總部 × 多分支」的品牌型客戶（連鎖飯店、代銷、公部門、集團），50–500 人為甜蜜帶；製造業產線不碰。AI UX 已有 Klarna、玉山等案例佐證。
MX 轉型策略
系統型官網會被 AI 取代，現在就轉。兩大主軸：①建立內部 AI First 工作流（人養 agent 自動迭代）②用旗艦客戶長出好用 AI UX、再推廣到集團——2026 人機協作已可行。
一句話總結
把 UX／共構／資安從「交付成本」變成「可定價的顧問資產」：用同樣的核心能力，賺顧問費＋訂閱，而非一次性專案費。
這份報告怎麼來的
資料時間多為 2024 下半～2026 年；AI 領域變動快，實際採用率可能高於這些最低標數字。
市場規模與企業結構
MX 應主攻中型企業：決策週期短、AI 滲透率僅 7–8%（待開發空間極大）、底盤是 171.5 萬家中小企業，再加政府 116 億預算順風。
市場底盤多大、由誰組成，對比 AI 真正落地了多少——中間的落差就是 MX 的空間。
台灣企業結構：中小企業是壓倒性多數
AI 滲透率極低——但數字依「客群與定義」差很多
各規模企業差很大——這決定 MX 主攻誰
大型企業（導入率約 40%）
具完整數據基礎、人才與資金。痛點不在資源，在「治理、當責、外洩風險」——資安背書是買單關鍵。
資料基礎完整重資安合規中型企業（最甜蜜客群）
資源受限、依賴外部顧問或套裝方案，又有資安需求——MX 三強項一次全中。建議主攻。
依賴外部廠商需要被帶著選題中小／小型企業（導入率約 11.9%）
受技術與資金門檻限制，靠低成本模組化／雲端工具。以模組化方案延伸觸及長尾。
價格敏感模組化切入政策順風
行政院 2025/1/13 核定「中小微企業多元振興發展計畫」（2025–2028），AI 應用列重點，2025 年預算約 116 億，是中小客群的補助與案源誘因。
中小企業總會 ‧ 政策說明規模差異來源：先行智庫 / KSC ‧ 台灣企業 AI 導入現況 5 大關鍵觀察（DigiTimes 佐證）。
市場有實際的「外部廠商」需求
競爭對手與報價邏輯
MX 的同級競爭者是 ERP／BPM／網站系統商（鼎新、華苓、戰國策等），他們賣「系統」、正陷價格戰；MX 該用三層報價（開發費＋維護費＋訂閱費）包裝，並在系統上疊「AI UX 層」做出別人沒有的差異化。
市場分三層：上層大廠避開、中層同級正面對打、下層工具當補充。看清同級競爭者賣什麼、怎麼報，MX 才知道怎麼贏。
市場三層，MX 站在中間這層
系統商 × 數位商 × AI 顧問
ERP／BPM／網站系統商與本土 AI 團隊，服務中小與品牌客戶。MX 的同級競爭者就在這層（下方詳列）。
低代碼平台／通用工具
低代碼、SaaS 工具與顧問媒合平台，按人數／用量收費，偏 DIY、缺貼身交付。
同級競爭者：MX 真正對打的對象
這些是賣「系統」給中小與品牌客戶的玩家。共同弱點：把 UX 當交付成本、收一次性專案費、不談 AI 體驗——正是 MX 的切入點。
華苓科技 ‧ Agentflow（BPM）
台灣 BPM／簽核流程第一品牌，逾 1,600 家企業客戶；視覺化「組織＋表單＋流程」三工具，另有雲端智雲版。流程強、但介面偏傳統、品牌體驗非其強項。
Agentflow 產品介紹（含畫面）鼎新數智（Digiwin） ‧ ERP＋EasyFlow
台灣中小企業 ERP 龍頭，BPM 電子流程 EasyFlow 與 ERP 整合佳。但「什麼都要客製」費用易失控，且偏製造／進銷存邏輯，非品牌體驗。
鼎新 EasyFlow（BPM）中小型 ERP（正航／文中等）
標準進銷存、會計、人事模組，導入快、價格透明。強在後台帳務、弱在對外體驗與 AI——與 MX 的品牌官網／共構後台幾乎不重疊，可互補。
iThome ‧ Workflow 產品採購特輯報價邏輯：開發費 × 維護費 × 訂閱費（三層）
同級競爭者「怎麼報」——拆給老闆看
| 競品類型 | 開發／導入費（一次性） | 維護＋訂閱（持續收） |
| 中小型 ERP 鼎新／正航／文中 | 標準導入 5–20 萬；半客製 20–60 萬；大型 60 萬–千萬 | 雲端月費 1,000–1,500 起；年維護約軟體 10–20% |
| BPM 流程系統 華苓 Agentflow／鼎新 EasyFlow | 依流程數客製，多為導入專案制報價 | 授權＋年維護；雲端版改月租訂閱 |
| 品牌官網／系統商 戰國策／愛貝斯等 | 套版 < 2 萬；客製數十萬；平台級 50 萬起 | 維護月 3–5 千／年 2–4 萬 |
| 本土 AI 顧問 EgentHub／萬弘 | PoC／導入專案數十萬起 | 顧問月費 3–15 萬，或平台訂閱 |
數字為市場行情彙整（各家官網與報價文，非實際成交價），提案請標「行情參考」。來源：網站費用解析 ‧ 軟體開發報價。
MX 怎麼贏：在系統上疊「AI UX 層」
品牌型客戶 × AI UX × 共構整合
同級競爭者多停在「賣系統」、正被商品化。MX 不汰換他們的 ERP／BPM，而是在既有系統上疊一層 AI 體驗（對話式操作、一句話填單、AI 導購）——這層別人沒有、可單獨定價。
重型製造產線 AI
MES、設備聯網、AI 視覺品檢需 OT 知識，是 IBM／西門子／專業 SI 的高價深水區，讓給高價玩家。
企業 AI 落地痛點
企業卡的不是預算，是「選不出題目、算不出效益、不敢交給 AI」三道牆——剛好對應 MX 的 UX 研究／共構後台／ISO 27001。
MIT 報告：約 95% 企業 GenAI 試點「無可衡量效益」
僅約 5% 達到快速營收成長。報告認為主因正是企業沿用過時 IT 部署思維去選題與衡量成效——這正印證「選題＋效益量化」才是真痛點。注意：此報告方法論受批評（成功定義狹窄、僅 52 場訪談），引用時應說「MIT 報告指出」而非當定論。
三道牆 → MX 強項對照
卡住企業的地方，正是 MX 累積多年的能力。每條痛點都附原始調查來源。
| 企業痛點（附數據來源） | 為什麼會卡 | MX 對應強項 |
| 選不出題目 中小企業 63.9%「尚無明確應用需求」、26.8%「對 AI 不理解」 白皮書 / 工研院 |
沿用過時 IT 思維選題，做出來「不好用、沒人用」。效益難量化 36.2%。GVM / AIF | UX 研究 用可用性研究主導「選題＋效益量化」 |
| 資料散在舊系統 37.5%「公司資料尚未整合」，僅 6.6% 完整整合進核心流程 2025 產業 AI 化大調查 / AIF |
資料已電子化卻缺整合與應用策略，傾向「先買工具再找用途」。 | 共構後台 把分散舊系統（ERP／104）整合、現代化 |
| 不敢交給 AI 治理與當責列三大卡關之一，61.8% 為「未受治理的 AI 使用」 AIF 2026 |
資安、合規壓力、GenAI 誤用／外洩疑慮，是大型與中型客戶的買單門檻。 | ISO 27001 把「風險疑慮」從阻力轉成信任背書 |
| 缺跨域人才 四大障礙之一：能連結業務與技術的跨域人才短缺 先行智庫 / KSC |
內部沒有能同時懂業務、技術與設計的人，自己做不起來。 | 整合者定位 MX 補上「業務 × 技術 × 設計」的橋 |
MX 適合哪種產業客戶
鎖定「一個總部 × 多分支」的品牌型客戶（連鎖飯店、代銷、集團、公部門），員工 50–500 人為甜蜜帶；製造業產線不碰。
MX 官網過去的客戶有個清楚共同點——都是「品牌型／組織型」客戶，不是製造業工廠。下一步應沿這個既有強項放大，而非跳進不熟的產線深水區。
先看事實：MX 過去的客戶長什麼樣
台北市政府
跨局處共構：市府總部掌握全貌，各局處／單位自管各自網站與業務。
公部門多單位老爺酒店集團
集團總部共構：總部統一看全貌，各分館自管自己的官網系統。
連鎖飯店多品牌新聯陽代銷
代銷管理共構：總部統籌，各案場／專案自管自用。
不動產代銷多案場適合客群的五個「面向」
不要用單一產業別篩客戶，用下面五個面向去判斷「這客戶適不適合 MX」。越多面向命中，越是好客戶。
1 ‧ 組織結構面
總部＋多分支／多品牌／多館／多案場／多局處——連鎖、集團、加盟、代銷、公部門。共構後台正中靶心。
2 ‧ 品牌體驗面
重視品牌形象、官網、會員與顧客體驗的「對外型」客戶——而非重產線效率的「對內製造型」。MX 的 UX 研究在這裡才值錢。
3 ‧ 資料現況面
會員、訂房、案場、簽核等資料散在 ERP／104／多套舊系統，想整合但不想砍掉重練——正是「介接而非汰換」的題目。
4 ‧ 行政痛點面
跨單位協作、表單簽核、客服／訂單量大、人工重複勞動多——可用「一句話填單、AI 送簽、寫回 ERP」直接見效。
5 ‧ 信任合規面
握有個資／敏感資料（飯店會員、政府、不動產買方）——ISO 27001 是敲門磚，把資安疑慮變成 MX 的賣點。
反向排除
重型製造產線 AI（MES、設備聯網、AI 視覺品檢）——太深、需 OT 知識、單價高，適合 IBM 等高價玩家，不適合 MX。
對得上的產業分類（依面向命中度）
連鎖飯店／餐飲
多館多店、重會員與訂位體驗，握大量客戶資料。
不動產代銷／建商
多案場、重品牌形象，買方個資敏感——MX 已有新聯陽經驗。
公部門／法人協會
跨單位、重合規與透明——MX 已有台北市政府經驗。
品牌零售／電商
多通路、重體驗與會員經營，客服與訂單量大。
連鎖服務（醫美／補教／健身）
多分店加盟、預約與客服密集，總部要看全貌。
集團企業總部
多子公司／多品牌，需統一後台＋分散自管。
共同點：都是「一個品牌總部 × 多個對外據點」、重體驗、握客戶資料——MX 三強項一次全中。
企業規模參考：MX 的甜蜜帶大約多少人
小型 < 50 人
單一據點、預算敏感。以模組化、可複用方案切入，搭政府補助放大規模。
中型 約 50–500 人
尤其100–300 人、有多分支或多品牌的集團／連鎖——決策比大型快、預算比小型足、又剛好有共構與資安需求。MX 的甜蜜帶。
大型 500 人以上
資料基礎最完整、資安門檻最高，ISO 27001 是敲門磚。決策週期長，當燈塔案養品牌。
規模門檻依據：經濟部中小企業署 ‧ 中小企業認定標準（員工人數＋資本額擇一）。50–500 人為 MX 實務經驗推估的甜蜜帶，非官方分類。
延伸：AI UX 落地場景（對應 MX 能力）
服務這些客戶時，MX 最該主打「AI UX」——不是再做漂亮介面，而是設計人與 AI 協作的新體驗：員工用「許願」辦事、客戶用對話完成服務。下面用真實案例（附報導與畫面）證明效益。
| AI UX 場景 | 客戶體驗變成 | MX 對應能力 |
| 對話式客服／會員服務 | 退款、訂房、查詢用「講」的完成，不必找表單 | UX 研究 |
| 內部知識庫問答（RAG） | 員工問一句就拿到正確答案＋出處，不必翻文件 | 共構後台 |
| 一句話填單／送簽 | 「幫我請三天假」→ AI 填單、配對、送簽、寫回 ERP | 共構後台 |
| AI 顧問式導購／諮詢 | 房貸、投資、選品由 AI 先諮詢，必填欄位大減 | UX 研究 |
| 報告初稿生成＋人工複核 | AI 出 80% 初稿、人補 20%，建立信任再放大 | ISO 27001 |
真實案例（點進去看成效與畫面）
Klarna ‧ AI 客服助理
上線首月處理 230 萬則對話＝全公司 2/3 客服量＝700 名全職客服的工作；解決時間從 11 分鐘降到 2 分鐘內，估帶來約 4,000 萬美元利潤。對話式 UX 的標竿案例。
Klarna 官方新聞稿 ‧ OpenAI 案例（含畫面）玉山銀行 ‧ 企業版 GPT「GENIE」
自研企業 GPT，初期不重複使用率僅 17%，靠「AI 做 80%、專人查 20%」漸進式導入養出全員習慣——AI UX 不只是介面，更是信任設計。
Cheers ‧ 玉山讓 AI 落地的實戰心法玉山銀行 ‧ AI 房貸顧問
24 小時智慧服務，舊貸戶只要確認 3 項資訊即可一鍵申請，必填欄位減少約 90%——「把繁瑣表單變成一句話」的最佳示範。
Google Cloud ‧ 玉山 AI 代理應用對話式 AI 不是萬靈丹——這正是 MX 的價值
Klarna 在 2025 年因 AI 在複雜／情緒性案件上出錯（約 5% 對話），重新引入真人客服處理疑難。這反而證明：「AI 做哪些、人接哪些、何時轉真人」的體驗設計，才是落地成敗關鍵——而這就是 AI UX，是 MX 該賣的核心。
MX 轉型策略
系統型官網在 AI 時代會被取代，現在就轉：把 UX／共構／資安從「交付成本」變成「可定價的顧問資產」——先用 UX 選題入場，再帶出共構大案。
從「數位系統製作公司」轉型為「企業 AI 落地整合者」。下面是這個轉型的定位、打法順序與目標客群。
接下來的努力方向（兩大主軸）
大目標之下分兩條腿走：先把自己練成 AI-First 團隊，再用一個旗艦客戶把「好用的 AI UX」做出來、長成可複製的集團級方案。
建立內部 AI First 工作流
「人養 agent」的人機協作：團隊每個人都帶著 agent 工作，agent 在真實專案中累積經驗、自動迭代開發。先吃自己的狗糧（dogfooding），把方法論練成可交付、可賣的能力。
- 每位成員＝「人＋agent」，把重複工作交給 agent
- agent 隨專案經驗自我修正，團隊產能持續複利成長
- 內部練成的流程，就是對外賣的 AI UX 顧問能力
用旗艦客戶長出好用的 AI UX
以一個旗艦品牌客戶的「官網系統 ＋ ERP（文中）」為實驗場：把 AI UX 做到第一線同仁都覺得好用、決策者能看到分層儀表板（總部看全貌、各單位自管）。驗證成功後，再推廣到其集團母公司。
- 先在單一客戶把「好用」做到位，累積實務經驗
- 分層儀表板：第一線好操作、決策者看得到全貌
- 單一客戶成功 → 複製成集團級標準方案
可行性佐證：2026 的人機協作已是進行式
「人養 agent、agent 自動迭代」不是想像——2026 年這已是企業實務。下面三個最新證據，支撐主軸一的可行性。
關鍵判斷：此刻必須轉型，而非延續系統銷售
延續「系統供應商」定位
- 一次性專案收入，與系統整合商陷入削價競爭
- AI 正讓「系統介面與操作」失去差異化價值
- UX／共構／資安被當成交付成本，無法溢價
- 產品易被複製、客戶關係一案結束即斷
轉型「AI-First 系統顧問」定位
- 顧問費＋持續維運／訂閱，毛利與續約率俱高
- 站在 AI 浪潮正向，需求隨趨勢放大而非萎縮
- UX／共構／資安變成差異化資產，可被定價
- 以「選題＋效益＋治理」綁定長期客戶關係
趨勢佐證：為什麼「賣系統」撐不久
三段式打法（依痛點順序設計）
目標客群與優先順序
中型企業
有資料基礎、依賴外部廠商、又有資安需求——三強項一次全中，決策比大型快、預算比小型足。
大型企業
資料基礎最完整，資安／治理就是買單門檻，ISO 27001 是敲門磚。決策週期長，當燈塔案養品牌。
中小／小型企業
以模組化、可複用方案壓低成本切入，搭政府 116 億補助案源放大規模。
為什麼這時機對
需求已被驗證
PwC 明確指出企業傾向「用現成 LLM ＋ 找外部廠商加速導入」，整合者角色有實際市場。
滲透率還很低
嚴格定義下全產業才 8%、中小企業 7.4%——現在進場是早期，不是紅海。
政策給錢
116 億預算、四年計畫，AI 應用列重點，補助與案源同時到位。
痛點對得上
企業卡的三道牆，剛好是 MX 已累積多年的三項能力——不是硬轉，是把既有強項換個說法。
數據誠實標註
做提案最怕引用到後來被打臉的數字。以下是查核過程中主動剔除、不可使用的數據，以及引用時必須加的但書。請務必遵守。
不可使用——查核未通過的數據
「台灣數位轉型市場 CAGR 12.6%（2024–2030）」
對抗式查核 1 票贊成、2 票反對。不可作為市場成長率引用。
「中小企業 AI 投資 CAGR 26%」
1 比 2 駁回。不可作為中小企業追趕動能的依據。
「近 90% 企業已啟動 AI 計畫，但不到 10% 真正落地」
0 比 3 全數駁回——這句話很好用、但查無實據，千萬別寫進簡報。
「最大障礙是技術人才短缺，45.1% 企業點名」
0 比 3 駁回。最大障礙其實是「尚無明確應用需求 63.9%」，不是人才。
可用但要加但書的數據
- 三個滲透率（8% / 7.4% / 28%）不可混用，引用時標明客群與定義。
- 「投資金額逐年上升」（2024 約 209 萬 → 2025 約 236 萬 → 2026 約 261 萬，CAGR 約 11.5%）僅限電子資訊製造業，非全產業。資策會 MIC
- 多項痛點數字（37.5% 資料未整合、36.2% 效益難量化、80% 數據瓶頸）來自單一調查或特定產業，方向可信、精確值非普世常數。
- MIT 95% 失敗率須寫「MIT 報告指出」，不可當定論。
已補上：競爭對手與報價（這版新增）
下一步仍建議補強的研究
- 競爭對手的實際成交價、交付模式與真實客戶名單（本版多為各家官網自述，未經第三方驗證）。
- 中型企業（50–500 人）的 AI 預算規模、決策週期、付費意願量化資料，驗證「甜蜜帶」假設。
- 台灣客戶是否願意為「前期 UX 研究／選題顧問」單獨付費、單價區間多少。
- 116 億補助的申請流程、可補助項目，以及 MX 能否成為合格服務供應商。