427 位 AI 重度使用者告訴我們：AI 確實有用，時間確實省下了。但工作量沒有變少，薪水也沒有變多。真正拉開差距的，是有沒有把 AI 從「一個聊天視窗」變成「一套會自己運作的系統」。
如果只有三分鐘，讀這一頁。
27.6% 每週省下 5 小時以上，但工作量增加的人（40.5%）比減少的人（30.9%）多。每週省超過 10 小時的 62 人裡，46.8% 的工作量是增加的。 看 Q7 完整數字 →
最常見的去向是「做更多原本沒時間做的事」（49.9%），其次就是「檢查或修改 AI 產出」（47.1%）。四分之一的人（25.1%）被分配了更多工作。 看 Q6 完整數字 →
78.5% 沒有任何額外收入，只有 6.6% 因此升遷或加薪；16.6% 的人選了「事情變多了，但位置沒變」。 看 Q8 完整數字 →
78.9% 過去一個月至少遇過一次「還不如自己做」。有協作對象的人當中，76.5% 收過需要自己收拾的同事 AI 產出，估計每月中位數約 3 小時。 看 Q10 完整數字 →
從即興取用（T0）到多 Agent 架構（T3），每週省 5 小時以上的比例由 14.3% 升到 50.9%，升遷加薪由 2.0% 升到 24.5%。控制年資、職級、產業後，效果仍顯著。 看 Q18 完整數字 →
35.1% 曾把 AI 成果當成自己獨立完成交出去，50.4% 對分享工作流有所保留。但擔心其實多餘：只有 9.6% 會因此降低對同事的評價，51.3% 反而更佩服。 看 Q12 完整數字 →
個人最卡「付費預算」（49.9%），組織最大阻力也是預算（42.6%）。越成熟的使用者越卡預算：T3 有 67.9% 選了它，T0 只有 37.8%。 看 Q26 完整數字 →
35.8% 用過本機或內部部署模型，56.7% 願意為了資料不外流接受稍低的品質，68.9% 說本機 AI 能力會影響下一台電腦的選擇。 看 Q22 完整數字 →
這是一群走在前面的人。讀數字之前，先知道他們是誰。
單選，n=427。另有 30.2%（129 人）在 Q14 表示自己是主管職。
單選，n=427。科技／軟體 35.8%，非科技產業合計 64.2%。
單選，n=427。「不到 6 個月」含幾乎沒有使用 4 人。73.1% 已使用一年以上。
單選，n=427。
樣本是 AI 郵報讀者自願填答，使用年資長、科技業比重高。它不能代表全台就業人口，但適合當成「領先指標」：這群人今天遇到的事，多半是一般職場一兩年後會遇到的事。全文所有百分比都應以這個前提解讀。
Q1 複選，n=427，平均每人勾選 4.5 項。
對應題目 Q1–Q8、Q13。AI 幫上忙已是共識，問題是幫到了誰。
幾乎每個人（98.4%）都說 AI 曾經真的幫上工作，平均一件任務有 65.3% 由 AI 協助完成，滿意度 66.3 分。兩者正相關（Pearson r=0.57）：把更多工作交給 AI 的人，對成果也比較滿意。
Q5 單選，n=427。每週省下 ≥5 小時者 118 人（27.6%）。
Q7 單選，n=427。增加 173 人（40.5%）對減少 132 人（30.9%）。
時間確實省下來了。超過四分之一的人每週省下 5 小時以上，相當於每週多出半個工作天以上。可是把「省時」和「工作量」放在一起看，方向是相反的：工作量增加的人比減少的人多出將近 10 個百分點。
Q6 複選，n=427，平均每人勾選 2.7 項。百分比為勾選人數／全體。
省下的時間有三種去向。「再投資」最多：做更多事、提升品質、學新技能。「品質稅」第二：47.1% 的人把時間花在檢查和修改 AI 產出。「歸還」最少：提早完成工作的只有 39.3%。另有 25.1% 被分配更多工作、18.0% 開始做原本不屬於自己的工作。
| 每週省下時間 | n | 工作量減少 | 沒變 | 工作量增加 |
|---|---|---|---|---|
| 沒省／反而更花 | 81 | 7.4% | 30.9% | 61.7% |
| 3 小時以下 | 141 | 37.6% | 33.3% | 29.1% |
| 3–5 小時 | 87 | 44.8% | 23.0% | 32.2% |
| 5–10 小時 | 56 | 37.5% | 17.9% | 44.6% |
| 超過 10 小時 | 62 | 21.0% | 32.3% | 46.8% |
χ² 檢定：工作量增加 p<0.001、工作量減少 p<0.001。趨勢並非線性：省最多與完全沒省的兩端，工作量增加的比例最高。
交叉分析顯示兩種不同的「變忙」。完全沒省到時間的人，61.7% 工作量增加，他們是被 AI 拖累的一群。每週省超過 10 小時的人，46.8% 工作量也增加，他們是因為做得快而接下更多。前者是工具問題，後者是分配問題。
Q8 單選，n=427。有額外收入者合計 67 人（15.7%）。
Q13 單選，n=427。「明顯受創」＝幾乎無法維持＋效率明顯下降＋品質明顯下降，共 268 人（62.8%）。
78.5% 沒有任何額外收入，62.8% 卻已經離不開 AI。依賴已經形成，回報還沒出現。有額外收入的 67 人中，非受僱者比例明顯偏高：自由工作者、創業者與顧問有 39.1% 靠 AI 多賺到錢，一般上班族只有 10.0%（χ² p<0.001）。能自己定價的人，才拿得到紅利。
註：Q2 有 51.1% 回答 AI「第一次真的幫上工作」是最近三個月內，連使用兩年以上者也有 46.6% 這樣回答。這可能反映近期模型與 Agent 工具的躍進，也可能是部分填答者把題目理解為「最近一次」。此題建議保守解讀。
對應題目 Q9、Q10、Q10b。AI 的成本不只在產出的人身上，也在接手的人身上。
Q9 單選，n=427。至少一次 337 人（78.9%）；三次以上 151 人（35.4%）。
Q10 單選，排除「不適用（我獨立工作）」87 人後 n=340。至少一次 260 人（76.5%）；三次以上 124 人（36.5%）。
Q10b 單選，僅問 Q10 回答至少一次者，n=260。以級距中點估算，每人每月中位數約 3 小時、平均約 5.3 小時（估計值，非實測）。
品質稅有兩層。第一層自己付：35.4% 的人一個月內有三次以上「還不如自己做」的經驗。第二層別人付：有協作對象的人裡，36.5% 一個月收到三次以上得重做的 AI 半成品，每次多半要花 30 分鐘到 3 小時。以級距中點粗估，這群人每月中位數約 3 小時在替別人的 AI 產出善後。
值得注意的是，品質問題不會隨著熟練而消失。把「產出品質不穩或會亂講」列為卡點的比例，在 Agent 階梯四個層級幾乎一樣（38.8%–44.7%，趨勢檢定 p=0.90）；一個月內三次以上「還不如自己做」的比例也沒有顯著差異（p=0.58）。高手沒有比較少遇到爛產出，他們只是比較會處理。
對應題目 Q11、Q12、Q12b。很多 AI 的使用發生在檯面下，原因不完全是你想的那樣。
Q11_1–Q11_3 單選，n=427。
這裡有一個認知落差。27.9% 的人擔心公開用 AI 會被低估，但實際上只有 9.6% 的人會因此降低對同事的評價，超過一半反而覺得更厲害。擔心的人自己也比較會看輕別人（23.5% 對 4.2%，χ² p<0.001），這份恐懼有一部分是投射。
Q12 單選，n=427。「有所保留」＝只分享工具＋只給信任者＋通常不分享，共 215 人（50.4%）。
Q12b 複選，僅問有所保留的 215 人。
不分享的頭號原因不是藏私。「很難說清楚完整流程」（52.1%）和「做法還不成熟怕被評價」（48.8%）都高於「這是我的競爭優勢」（37.7%）。多數人不是不願意教，是不知道怎麼教、也不確定自己的做法夠不夠好。
| 組織 AI 推動階段（E1） | n | 經常分享完整做法 | 有所保留 | 擔心被低估 | 平均每週省時 |
|---|---|---|---|---|---|
| 尚未推動 | 47 | 12.8% | 70.2% | 55.3% | 2.8 h |
| 個人自發、沒有制度 | 129 | 20.9% | 53.5% | 27.1% | 3.6 h |
| 部分部門開始嘗試 | 72 | 30.6% | 51.4% | 19.4% | 4.2 h |
| 已正式推動工具或培訓 | 101 | 37.6% | 48.5% | 25.7% | 4.7 h |
| 已整合進部分業務流程 | 64 | 43.8% | 34.4% | 20.3% | 5.0 h |
趨勢檢定（Cochran–Armitage）：完整分享 p<0.001、有所保留 p<0.001、擔心被低估 p=0.008。「不確定」14 人未列。平均省時以 Q5 級距中點估算。
制度會改變行為。在 AI 已整合進業務流程的組織裡，43.8% 的人經常分享完整做法；在尚未推動的組織只有 12.8%，而且有 55.3% 的人擔心被低估。當公司沒有表態，員工會選擇不說。
對應題目 Q14–Q20。我們依 Q18 的使用方式，把受訪者分成互斥的四階。
Q18 複選歸類為互斥四階（由高到低歸屬）× Q5。趨勢檢定 p<0.001。
| 指標 | T0 n=98 | T1 n=76 | T2 n=200 | T3 n=53 | 趨勢 p |
|---|---|---|---|---|---|
| 每週省下 ≥5 小時 | 14.3% | 18.4% | 31.5% | 50.9% | <0.001 |
| AI 帶來額外收入 | 7.1% | 10.5% | 17.5% | 32.1% | <0.001 |
| 升遷／加薪／更重要角色 | 2.0% | 0.0% | 6.5% | 24.5% | <0.001 |
| 位置有正向變化（含話語權） | 16.3% | 18.4% | 34.0% | 54.7% | <0.001 |
| 工作量增加 | 20.4% | 35.5% | 49.5% | 50.9% | <0.001 |
| 一週無 AI 明顯受創 | 37.8% | 61.8% | 72.5% | 73.6% | <0.001 |
| 自認比多數同事／部屬強 | 38.8% | 68.4% | 73.5% | 79.2% | <0.001 |
| 用過 Local AI | 19.4% | 30.3% | 39.5% | 60.4% | <0.001 |
| 主動說明有 AI 協助 | 25.5% | 30.3% | 51.0% | 54.7% | <0.001 |
| 「其實不焦慮，偏興奮」 | 17.3% | 14.5% | 25.0% | 49.1% | <0.001 |
| 擔心跟不上同儕 | 40.8% | 38.2% | 27.0% | 17.0% | <0.001 |
| 平均 AI 協作占比（Q3） | 53.7 | 59.9 | 70.0 | 76.7 | — |
| 平均滿意度（Q4） | 57.9 | 65.8 | 68.6 | 74.4 | — |
T0＝僅臨時取用；T1＝固定 Prompt／模板或固定步驟；T2＝執行多步驟任務、串接資料工具或定期主動執行；T3＝多個 Agent 分工協作。趨勢 p 為 Cochran–Armitage 檢定。
每往上一階，幾乎所有成果指標都同步上升。T3 多 Agent 架構使用者只有 53 人（12.4%），卻有一半每週省下 5 小時以上，近三分之一有額外收入，四分之一獲得升遷或加薪，是其餘受訪者（4.0%）的 6.1 倍。53 人中有 34 人不是主管，其中 7 人（20.6%）仍獲得升遷加薪。
階梯的代價也寫在同一張表裡。T2、T3 有一半的人工作量增加，是 T0 的 2.5 倍；七成以上一週沒有 AI 就明顯受創。爬得越高，產出越多、回報越多，也越忙、越依賴。Agent 沒有讓人變閒，它讓人變成更大的產能節點。
| 依變項 | T1 對 T0 | T2 對 T0 | T3 對 T0 |
|---|---|---|---|
| 每週省下 ≥5 小時 | 1.28（0.56–2.91） | 2.38（1.24–4.57） | 4.98（2.23–11.12） |
| 位置有正向變化 | 1.10（0.50–2.44） | 2.77（1.49–5.16） | 6.61（3.01–14.53） |
| AI 帶來額外收入 | 1.32（0.45–3.86） | 2.78（1.17–6.61） | 6.09（2.25–16.48） |
| 工作量增加 | 2.11（1.06–4.18） | 3.55（2.00–6.29） | 3.56（1.69–7.52） |
數值為勝算比（95% 信賴區間），粗體表示 p<0.05。控制變項：使用 AI 2 年以上、主管職、科技／軟體業、Q17 提問成熟度第 4–5 級。n=427。橫斷面資料，僅能說明相關。
T1 和 T0 之間在省時、收入、位置上沒有顯著差異。只是把 Prompt 存成模板，還不足以拉開差距；分水嶺在 T2，也就是讓 AI 執行多步驟任務、接上自己的資料和工具。這和受訪者自己的判斷一致：自認比別人強的人當中，55.7% 把關鍵歸於「更知道怎麼把 AI 串進工作流程」，只有 27.5% 歸於「更會下 Prompt」。
| 比較對象 | n | 我比較好 | 差不多 | 對方比較好 | 不確定 |
|---|---|---|---|---|---|
| 非主管 → 比直屬主管 | 298 | 53.0% | — | — | — |
| 非主管 → 比多數同事 | 298 | 61.4% | — | — | — |
| 主管 → 比自己的上級 | 129 | 63.6% | — | — | — |
| 主管 → 比多數直屬部屬 | 129 | 74.4% | — | — | — |
| 全體 → 同儕／部屬 | 427 | 65.3% | 19.2% | 8.2% | 7.3% |
| 全體 → 上級 | 427 | 56.2% | 16.4% | 14.1% | 13.3% |
CMP_PEER／CMP_UP 單選。「我比較好」＝明顯比較好＋稍微好一點。分組列僅重算「我比較好」比例。
Q17 單選，n=427。
65.3% 的人自認用 AI 比多數同儕或部屬強，認為對方比較強的只有 8.2%。超過一半的非主管（53.0%）認為自己比直屬主管會用 AI。這有樣本偏向高手的成分，也有典型的優越感偏誤，但它至少說明一件事：在這群人眼中，組織裡的 AI 能力是由下往上的。
Q20 單選，n=427。
| 指標 | 非主管 n=298 | 主管 n=129 | p |
|---|---|---|---|
| 擔心跟不上同儕 | 35.2% | 20.9% | 0.003 |
| 擔心被 AI 直接取代 | 17.1% | 6.2% | 0.003 |
| 擔心公開用 AI 被低估 | 30.9% | 20.9% | 0.035 |
| AI 帶來額外收入 | 12.8% | 22.5% | 0.011 |
| 升遷／加薪 | 4.7% | 10.9% | 0.018 |
| 每週省下 ≥5 小時 | 27.5% | 27.9% | 0.93 |
χ² 檢定。省下的時間一樣多，焦慮與回報卻不一樣。
對應題目 Q21–Q25。隱私不再只是法遵議題，它開始影響工具選擇和購機決策。
Q22 單選，n=427。用過（固定使用＋安裝測試）153 人（35.8%）。
Q24 單選，n=427。願意採用（隱私優先＋敏感任務）242 人（56.7%）。
Q25 單選，n=427。有影響合計 294 人（68.9%）。
Local AI 的需求分成三群。35.8% 已經用過，其中近半用 Ollama（47.1%），三分之一是公司私有部署（34.0%）。21.8% 想用但不知道怎麼開始，這是最明確的教育缺口。另外 30.9% 知道概念但目前沒需求。
| 組織規模 | n | 近 3 個月曾被迫放棄 | 卡在公司政策／資安 | 公司已正式推動或整合 |
|---|---|---|---|---|
| 10 人以下 | 99 | 23.2% | 7.1% | 24.2% |
| 11–200 人 | 172 | 33.1% | 29.7% | 32.6% |
| 201 人以上 | 136 | 47.1% | 36.0% | 59.6% |
「被迫放棄」＝Q21 經常＋偶爾。χ² 檢定三欄皆 p<0.01。「目前不適用」20 人未列。
被迫放棄用 AI 的經驗和組織規模直接相關：10 人以下 23.2%，201 人以上 47.1%。大組織推動得比較正式（59.6% 已正式推動或整合），限制也比較多。對這些人來說，本機或私有部署不是偏好，是唯一能合規使用 AI 的路。
對應題目 Q26–Q28。大家卡在哪、怕什麼、想學什麼。
Q26 複選，n=427。
Q27 複選，n=427。
| 卡點 | T0 | T1 | T2 | T3 | 趨勢 p |
|---|---|---|---|---|---|
| 不知道怎麼串進工作流 | 46.9% | 52.6% | 32.0% | 7.5% | <0.001 |
| 付費預算 | 37.8% | 40.8% | 54.5% | 67.9% | <0.001 |
| 不知道怎麼下 Prompt | 26.5% | 11.8% | 9.5% | 3.8% | — |
| 不知道有哪些工具 | 21.4% | 10.5% | 9.0% | 7.5% | — |
| 產出品質不穩或會亂講 | 38.8% | 44.7% | 40.0% | 41.5% | 0.90 |
品質不穩在四階中幾乎一樣高（38.8%–44.7%），是唯一不隨成熟度下降的卡點。
卡點會隨成熟度換人。T0 最卡「不知道怎麼串進工作流」（46.9%），到 T3 只剩 7.5%。T3 最卡的是錢：67.9% 選了付費預算。對新手要給方法，對高手要給額度。同一套培訓和同一份預算，沒辦法同時解決兩群人的問題。
焦慮的對象是人，不是機器。「跟不上會用 AI 的同儕」（30.9%）是「被 AI 直接取代」（13.8%）的兩倍以上。同時有 24.4% 的人選了「其實不焦慮，偏興奮」，這個比例在 T3 高達 49.1%，在 T0 只有 17.3%。越有系統的人越不怕。
Q28 複選，n=427。
需求高度集中。64.6% 想學建 Agent 與工作流串接，是第二名（用 AI 寫程式／自動化，42.2%）的 1.5 倍，而且從 T0 到 T3 都是第一名。Prompt 技巧只剩 22.5%。不過高階使用者的第二需求已經轉向：T3 有 39.6% 想學產品營運與商業應用、34.0% 想學企業流程導入與 ROI 評估，他們要的是把能力變成生意。
對應題目 E1–E3。個人已經跑在前面，公司還在決定要不要跑。
E1 單選，n=427。
E2 複選，n=427。
E3 複選，n=427。
三成的人在沒有制度的環境裡自己用 AI，再加上尚未推動的 11.0%，超過四成的受訪者所在組織沒有任何正式作為。組織阻力前三名是預算、管理層共識不足、法遵資安，都是高層才能解決的問題。
個人想學的和組織想導入的是同一件事。個人第一志願是建 Agent 與工作流（64.6%），組織端最想導入的是自動化流程（54.8%）與內部 AI 助理或 Agent（51.8%）。需求已經對齊，缺的是預算、授權和有人負責。
「說一句你在辦公室絕對不敢大聲講的真心話。」194 人留了言，146 人同意去識別化後公開。以下節錄 16 則。
老闆都覺得：阿這東西不是 AI 做一下很快嗎？我弄一下就出來了，你為什麼要做那麼久？
生產力 2 倍，然後公司裁員，獎金高層領走
AI 讓我上班更累了，做太快怎麼偷懶
有些同事的產出一看就知道是 AI，自己完全沒消化過就 deliver，還得幫他 review 產出，反而在合作上更痛苦。
不要把我給你的訊息，直接貼進 AI，然後把 AI 給你的訊息直接回我啊！這樣我自己貼就好了！
公司要人用 AI 又不肯花錢
研究報告都用 AI 寫的，我實在不知道客戶買我們的報告要幹嘛，同理我也不知道我的專業還剩什麼
能感覺到自己越來越少思考，怕自己變成跟別人一樣的「AI 腦」
AI 真好用，你們大家不要用
我現在沒寫任何一行程式碼，只有跟 codex 溝通需求、設計 workflow、驗收產出。
原本一項預估要花半年時間的工作，只用一個月就靠自己訂閱的 AI 完成，其他時間大多都在摸魚和處理私人事務
我好怕 NDA 資料因上雲端模型分析被抓到
新工作要學習新程式語言，但是半年了工作全部都是 AI 實作完成，自己寫完全寫不出來
AI 不會淘汰真正有專業的人，反而需要更專業的人才能判斷出對錯
上頭可不可以先用過 AI 再來說可以做到什麼東西，不然該通靈的還是要通靈
用了 AI 之後更自信不會被取代。
數字之後，三種角色各自可以做的事。
42 個題項，依八個主題分類。點開任何一題，可以看到所有選項的人數與比例、這一題的讀數，以及交叉分析的發現。
讀數找資訊是共同起點，寫程式已是第二大用途（53.4%）。平均每人勾選 4.5 項，AI 已經是多用途工具。
交叉T3 多 Agent 使用者有 77.4% 用 AI 寫程式、69.8% 做自動化；T0 分別只有 31.6% 與 13.3%。
讀數只有 7 人說 AI 還沒真的幫上忙。
交叉使用 2 年以上者也有 46.6% 回答「最近三個月內」，部分填答者可能理解為「最近一次」，此題建議保守解讀。
讀數平均 65.3%、中位數 70%、標準差 24.2。三分之二的人（66.7%）最近一件任務有六成以上由 AI 完成。
交叉與 Q4 滿意度正相關（Pearson r=0.57）。Agent 階梯由 T0 的 53.7% 升到 T3 的 76.7%。
讀數平均 66.3、中位數 70、標準差 17.5。六成落在「一半以上可直接用」，只有 26.7% 覺得幾乎不用改。
交叉T0 平均 57.9 分，T3 平均 74.4 分。
讀數118 人每週省下 5 小時以上；另一端有 19.0% 沒省到或反而更花時間。
交叉使用未滿 1 年者 13.0% 省 ≥5 小時，1–2 年 30.9%，2 年以上 34.7%（趨勢 p<0.001）。科技業 35.9% 對非科技業 23.0%（p=0.004）。
讀數再投資（做更多、提升品質、學新技能）多於歸還（提早完成 39.3%）。47.1% 把時間花在檢查 AI 產出。
交叉工作量增加的人當中，44.5% 被分配了更多工作、27.7% 在做原本不屬於自己的工作；工作量減少者分別只有 14.4% 與 15.9%。
讀數增加（40.5%）比減少（30.9%）多出將近 10 個百分點。
交叉每週省超過 10 小時者 46.8% 工作量增加；完全沒省者 61.7% 增加。T2、T3 約一半增加，T0 只有 20.4%。
讀數有額外收入者合計 67 人（15.7%）。
交叉自由工作者、創業者與顧問 39.1% 有額外收入，一般上班族 10.0%（p<0.001）。主管 22.5% 對非主管 12.8%。T3 32.1% 對 T0 7.1%。
讀數前三項合計 268 人。只有 10.1% 幾乎不受影響或會更好。
交叉T0 37.8%、T1 61.8%、T2 72.5%、T3 73.6% 明顯受創（趨勢 p<0.001）。
讀數337 人至少遇過一次；151 人（35.4%）三次以上。
交叉三次以上的比例在 Agent 四階之間沒有顯著差異（p=0.58）：熟練不會讓爛產出消失。
讀數排除獨立工作者後（n=340），260 人至少收過一次，124 人（36.5%）三次以上。
交叉各組織規模之間沒有顯著差異（p=0.81）：這是普遍現象，不是大公司病。
讀數僅問 Q10 至少一次者。以級距中點估算，每人每月中位數約 3 小時、平均約 5.3 小時（粗估）。
讀數經常＋偶爾共 150 人；41.9% 一律主動說明。
交叉主動說明的比例隨 Agent 階梯上升：T0 25.5%、T3 54.7%（趨勢 p<0.001）。越成熟越不藏。
讀數119 人擔心。
交叉尚未推動 AI 的組織有 55.3% 擔心，其他階段為 19%–27%。學生 58.1% 擔心，主管 20.9%。
讀數只有 9.6% 會降低評價。
交叉擔心被低估的人有 23.5% 自己也會看輕別人，不擔心的人只有 4.2%（p<0.001）。
讀數中間三項合計 215 人；完整分享 29.7%。
交叉AI 已整合進流程的組織 43.8% 完整分享，尚未推動的組織 12.8%（趨勢 p<0.001）。
讀數僅問有所保留者。說不清楚與怕被評價都高於競爭優勢（37.7%）。
交叉「只分享工具」者最常選說不清楚（65.2%）；「只給信任者」最常選怕被評價（53.7%）；「通常不分享」怕被評價 54.5%、競爭優勢 43.2%。
讀數作為交叉分析軸。
交叉主管與非主管每週省 ≥5 小時的比例幾乎相同（27.9% 對 27.5%），但主管升遷加薪 10.9% 對 4.7%、額外收入 22.5% 對 12.8%。
讀數只有 14.1% 認為上級比較強。
交叉非主管 53.0% 自認比直屬主管強；主管 63.6% 自認比自己的上級強。
讀數只有 8.2% 認為對方比較強。
交叉主管 74.4% 自認比部屬強；非主管 61.4% 自認比同事強。T0 38.8%、T3 79.2%。
讀數僅問自認比上級或同儕強者。串流程與查證（40.8%）遠高於 Prompt（27.5%）與工具（13.0%）。
讀數188 人能主動糾正 AI。
交叉「不焦慮，偏興奮」的比例 L2 只有 8.3%，L5 達 44.4%（p<0.001）。控制 Agent 階梯後，提問成熟度對省時與收入沒有顯著獨立效果。
讀數本題用來建立 Agent 四階：T0 98 人（23.0%）、T1 76 人（17.8%）、T2 200 人（46.8%）、T3 53 人（12.4%）。
交叉使用未滿 1 年者只有 5.2% 在 T3，2 年以上 15.3%。科技業 17.0% 在 T3，非科技業 9.9%。
讀數36.1% 用過 7 個以上。
交叉T3 有 32.1% 用過 11 個以上；T0 只有 2.0%，且 34.7% 用過 3 個以下。
讀數29.7% 有正向變化；16.6% 事情變多、位置沒變。
交叉T3 24.5% 升遷加薪，其餘三階合計 4.0%。工作量增加者有 29.5% 選「事情變多但位置沒變」。
讀數經常＋偶爾共 150 人。
交叉10 人以下組織 23.2%，11–200 人 33.1%，201 人以上 47.1%（p=0.002）。
讀數固定使用 16.6%；另有 21.8% 想用但不知如何開始。
交叉T3 60.4% 用過，T0 19.4%。主管 45.0% 對非主管 31.9%。使用 2 年以上 46.0%。
讀數僅問用過 Local AI 者。三分之一透過公司私有部署接觸。
讀數隱私優先 24.4%＋敏感任務分流 32.3%。
交叉已固定使用 Local AI 者 67.6% 願意；沒聽過者 38.8%。
讀數27.2% 視為重要條件；11.2% 不了解 AI PC 的差異。
交叉用過 Local AI 者 79.1% 會受影響。
讀數預算高於品質不穩（40.7%）與不會串流程（36.1%）。
交叉T0 最卡「不知道怎麼串」（46.9%），T3 只剩 7.5%；T3 最卡預算（67.9%）。政策限制在 10 人以下組織 7.1%，201 人以上 36.0%。
讀數怕跟不上同儕是怕被取代（13.8%）的兩倍以上；24.4% 不焦慮。
交叉非主管 35.2% 怕跟不上，主管 20.9%。「不焦慮」在 T3 達 49.1%，T0 17.3%。
讀數四階都是第一名。Prompt 技巧只剩 22.5%。
交叉T0 的第二需求是工具實作（37.8%）與 Prompt（34.7%）；T3 是產品營運（39.6%）與企業導入 ROI（34.0%）。
讀數146 人同意去識別化後公開，節錄見告解牆。
讀數加上尚未推動，41.2% 所在組織沒有正式作為；已整合進流程僅 15.0%。
交叉平均每週省時由尚未推動的 2.8 小時升到已整合的 5.0 小時。201 人以上組織 59.6% 已正式推動或整合，10 人以下 24.2%。
讀數管理層共識（37.0%）與法遵資安（36.8%）緊跟在後。
交叉尚未正式推動的組織（n=220）最常選預算 48.6% 與管理層共識 41.8%；已正式推動者（n=157）法遵資安 40.8% 升為第一、預算 40.1%。
讀數自動化流程與內部 AI 助理（51.8%）遠高於其他項目，與個人最想學的能力一致。
讀數受僱者為主體。
讀數工程技術最多，行銷、產品、設計各約兩成。
讀數非科技產業合計 64.2%。
讀數200 人以下合計 63.5%；千人以上 19.0%。
讀數41.2% 已使用兩年以上，樣本明顯偏向早期採用者。
沒有符合的題目。
這份報告的每個數字都由原始資料重新計算。以下說明怎麼算、哪裡要小心。
AI 郵報 2026 讀者調查｜報告版本 2026-11-14 v2｜資料截止 2026-10-16｜© AI 郵報 aiposthub.com