當AI成為企業投資與產業升級的重要方向，台灣最受矚目的優勢仍是半導體與伺服器製造。 從晶片到設備，相關產業站在全球供應鏈的關鍵位置。 但科技業訂單增加，不代表一般企業的經營能力同步提升，更不代表勞工薪資自然成長。 台灣需要回答的問題，是如何把AI帶來的產業收益，轉成更多企業用得起、更多勞工接得住的發展機會。 ​國際貨幣基金的研究指出，生成式AI可能提高生產力，也可能透過資本報酬增加與工作重組，擴大所得及財富差距。 這是需要預先處理的風險，不能直接視為台灣已經發生的結果。 判斷AI成長是否改善分配，必須觀察不同產業的薪資、就業與生產力變化，不能只看出口金額或少數企業獲利。 分配落差可能出現在3個環節。

掌握算力、資料與市場通路的企業，較容易取得技術收益。 能運用AI改善工作的專業人員，也可能提高議價能力。 缺乏資源的中小企業與需要轉換職能的勞工，則可能承擔調整成本。 若政策只支持供應端擴產，卻忽略使用端的能力建設，製造優勢就難以轉成整體經濟的生產力提升。 市場集中也需要精確判斷。 先進晶片與大型雲端服務需要龐大投資，規模經濟確實有助於降低成本，企業規模大並不等於違法壟斷。 真正需要關注的是，供應商是否透過綁定服務、限制資料移轉或提高轉換成本，讓客戶難以選擇其他方案。 OECD的研究指出，AI基礎設施的高集中與進入障礙，可能限制競爭及創新機會。

對台灣中小企業而言，困難往往不只是訂閱費，而是資料尚未整理、流程不夠清楚，也缺少能判斷導入效果的人員。 政府補助若只計算購買多少軟體、辦理多少課程，容易把採購成果當成轉型成果。 較有效的做法，是從接單、庫存、品管與客服等具體需求出發，協助企業整理資料、調整流程，再檢驗工時是否減少、錯誤率是否下降，以及節省的成本能否持續。 公共資源可以優先支持共用服務，由公協會、學校與技術服務單位提供診斷、小規模試用及導入協助，降低每家企業各自摸索的成本。 補助方案也應要求費用透明、資料可匯出，並在契約中交代服務終止後的移轉方式。 企業能選擇供應商，也能合理退出，才有條件形成持續競爭的AI市場。 勞工政策則要從培訓人次轉向就業結果。

AI通常先改變工作中的部分任務，是否造成職位縮減，仍取決於企業如何重組流程與分配成果。 培訓應結合實際職務，讓行政人員學習核對AI輸出，讓製造現場人員理解異常判讀與資料紀錄。 成效要追蹤受訓後的工作運用、留任與薪資變化，轉職期間也需要收入支持及媒合服務。 資料共享同樣不能等同全面公開。 個人資料、營業秘密與公共資料具有不同限制，應依用途、敏感程度與責任安排採取開放或受控存取。 政府支持資料合作時，需要明確訂定使用範圍、存取紀錄與違規責任，讓企業願意參與，也讓資料提供者有能力監督。 可信任的共享制度，才能降低創新成本而不犧牲權益。 台灣的AI政策需要同時衡量產業競爭力與收益擴散。

出口、投資與研發之外，也應追蹤中小企業的實際採用成效、勞工轉職結果及不同產業的薪資變化。 當生產力提高卻未反映在薪資與公共收入，政府就應檢視勞資協商、租稅及社會保障安排。 守住製造優勢，並讓更多企業與勞工取得成長成果，才是台灣AI轉型最值得投入的戰略方向。 ＊作者為時事評論員，公督盟評審委員，ESG碳減量聯盟理事長，任教於台灣師範大學