2026 年 6 月權威解讀｜Stanford AI Index：能力進步不等於任務可靠

AI 能力進步，企業選型卻不能只看一個分數。Stanford HAI 的年度報告把技術表現、經濟影響與負責任 AI 放在不同維度考察；本期把這個多維視角轉成一張工作驗收表，讓團隊先問「甚麼任務可以可靠完成」，再問「應該買哪個工具」。

原報告說了甚麼

官方概要指出，能力進展與可量度、可管理的程度並不同步，模型在不同任務上的表現也不均衡。AI Index 匯整不同領域與資料來源，並非用一次測試證明所有工作都能被自動化。官方概要 · 完整報告入口。

本期閱讀官方報告入口、章節結構及概要文章，未逐一審計全部附錄。這是年度資料匯整，各指標的觀察年份、來源與定義不同；不能把模型基準、人口採用與企業營運結果混成同一個「AI 成熟度」。六月回看四月已出版的報告，並不表示它是六月新調查。

「用 AI 改善客服」仍然太闊。較好的描述是：收到哪一類查詢，需要查哪份現行文件，最後由誰確認回覆。相同模型在資料完整的常見查詢與資料不足的爭議個案，可能有完全不同的風險。輸入定義不清楚，團隊便無法知道表現變好是模型進步，還是測試變容易。

資料擷取可以對照原文，格式檢查可以對照規則；但是否作出承諾、是否屬於例外條款，往往仍需業務負責人判斷。將兩者拆開，可以讓 AI 先協助整理證據，讓人對例外與對外承諾負責。這種拆分比要求一個模型「一次處理所有事情」更容易檢查。

只測試順利案例，會讓團隊錯過最重要的限制。需要保留過期文件、缺失欄位、互相矛盾條款及工具失效等情況。出錯時能否停止、說明缺口及交回人工，也是驗收的一部分。每次更換模型或資料版本，都應重跑這些案例。

選一條低風險流程，以真實工作記錄建立常見與例外兩組輸入；數量按團隊可審閱的容量決定，不為湊大樣本而加入無關資料。

在版本切換前後使用相同條件比較。將每次失敗連回原始輸入，才能讓改善變成可重做的工作，而不是一份較好看的演示。

跨城市、跨語言及跨市場的文件，經常有不同有效版本與責任人。這些條件應納入本地測試，而不是用全球報告推算本地準確率。年度報告能幫助提出問題，不能取代自己的資料驗收。行業決策與審批程序需依實際職責及專業要求設計。

如果團隊只能先建立一組例外測試，哪一種錯誤會最影響服務對象？誰有權停止流程，誰負責更新驗收條件？

編輯資料

編製日期：2026 年 10 月 7 日。本期為按當時已發表資料編製的回溯選輯，狀態：補刊草稿，供編輯審閱。企業應用部分為編輯解讀與實踐提案。