大調查看台灣企業新挑戰：從ITOps到AIOps
王宏仁／iThome 副總編輯
2026-04-23 08:50 - 09:20 @ 張榮發基金會國際會議中心 11F
調查背景與研究方法
iThome CIO & CISO 大調查長期追蹤臺灣大型企業、政府機關與大學院校的 IT 與資安決策趨勢。
歷年調查概況
- 調查期間涵蓋 2007 至 2026 年。
- 累計舉辦：
- 19 屆 CIO 大調查
- 9 屆 CISO 大調查
- 歷年累計參與 CIO / CISO 總人次超過 7,700 人次。
2026 年調查說明
- 調查時間：2026 年 1 月 1 日至 1 月 29 日
- 調查方式：線上問卷
- 調查對象：
- 臺灣大型企業
- iThome 歷屆 CIO 大調查企業
- 政府機關
- 大學院校
- 資訊主管與資安主管
- 有效問卷數：396 份
- 受訪企業中，營收超過百億元的臺灣大型企業約占 35%。
產業分布
- 服務業：25%
- 一般製造業：21%
- 高科技製造業：21%
- 醫療業：12%
- 金融業：11%
- 政府與學校：10%
產業分類說明
- 金融業：銀行、證券、保險、電子支付、租賃業等。
- 高科技製造業：半導體、光電、IC 設計、消費性電子製造、電腦與周邊製造業等。
- 一般製造業：高科技製造業以外的製造業，如食品生產、石化、鋼鐵等。
- 服務業：金融與醫療以外的服務提供者，如電信、零售百貨、物流、SI 等。
- 醫療業：醫院、藥廠、醫療照護等。
- 政府與學校：一般政府機關、大專院校、國營事業等。
十大企業 IT 戰略洞察
2026 年 iThome CIO & CISO 大調查歸納出十大企業 IT 戰略洞察：
AI 開始改變 IT 人力配置
CIO 的新課題是人機如何互補與增強。企業 IT 策略正從基礎數位化與現代化，邁向 AI 驅動的結構性轉型。
IT 預算依舊穩健，集中於基礎架構與資安，唯有 AI 預算進入快速成長期。
企業 AP 上雲謹慎成長，SaaS 訂閱管理成為新挑戰。
基礎型 GenAI 工具廣泛導入各產業，進階技術仍在早期擴散階段。
代理式 AI 集中落地 IT 與知識型作業，業務流程仍在探索階段。
IT 永續成為企業標準作為，逐漸從治理延伸至營運優化。
雲原生邁向高原期，AI 原生快速崛起，少數企業直接超車升級。
生成式 AI 相關技術成為企業採用主流，滲透率高於傳統架構升級。
企業資安布局從被動防禦，轉向主動偵測威脅與持續風險暴露管理。
IT 人才策略：AI 開始改變 IT 人力配置
CIO 對 AI 緩解缺工的期待升高
調查顯示，CIO 對生成式 AI 緩解 IT 與資安人力不足的期待相當高。
- 77% 企業認為 AI 可緩解 IT 與資安人力不足問題。
- 百億營收企業的認同比率更高，超過 8 成。
- 各產業普遍認為 AI 有助於舒緩人力不足，其中服務業、高科技製造業、政府學校等皆有高度認同。
這反映出 AI 不只是技術工具，也開始成為企業人力配置策略的一部分。
AI 最可能取代或舒緩的 IT 職能
近 5 成以上 CIO 認為，軟體開發人員是最可能被 AI 取代或舒緩缺工壓力的職能。
主要觀察如下：
- 約 52% 企業認為 AI 可取代或舒緩軟體開發人員需求。
- 約 32% 企業認為 AI 可取代或舒緩 IT 維運人員需求。
- 約 30% 企業認為 AI 可取代或舒緩資安人員需求。
從 2025 到 2026 年的變化來看，企業對 AI 替代軟體開發工作的期待明顯上升，而對資安人力緩解的期待則略有下滑。
軟體開發人力需求開始反轉
過去幾年，COVID-19 疫情與數位轉型需求推升軟體開發人力需求，使開發人員長期炙手可熱。
但生成式 AI 興起後，情況開始改變：
- GenAI 提高軟體開發生產力。
- 居高不下的開發人力需求開始下滑。
- AI Agent 需求開始浮現。
這代表軟體開發職能不是消失，而是從「大量人力撰寫程式」轉向「人機協作、AI 產出、人類治理與驗證」。
各產業軟體開發人力占比下降
軟體開發人員在 IT 部門中的占比降低，普遍發生於各產業，尤以金融業下降最多。
可能原因包括：
- 金融業較積極導入 AI 輔助開發。
- 開發流程自動化與平台化程度提高。
- 軟體開發工作逐漸被 AI、NoCode、平台工程與非專業開發者分攤。
資安人力占比出現反轉
2025 年多數產業資安人力占比上升，但 2026 年普遍下滑。
可能代表：
- 資安人力需求仍高，但企業逐步轉向自動化工具、AI 輔助偵測與平台化管理。
- 資安工作不再只靠增加人力，而是透過 AI 與自動化提升覆蓋率。
- 資安人員角色可能從事件處理者，轉向策略、治理、風險管理與 AI 輔助決策。
IT 招募需求變化
整體來看，部分產業 IT 開缺企業比率下降，尤其金融業、服務業與一般製造業較明顯。
但醫療業與高科技製造業的 IT 招募需求仍有增加。
資安人才招募方面：
- 整體企業資安招募需求略降。
- 醫療業招募資安人才的企業比率大幅增加。
- 政府學校與部分服務業則呈現下降。
主要洞察
AI 開始改變 IT 人力配置，CIO 新課題是人機如何互補與增強。
AI 並非單純取代人力，而是重新分配 IT 工作內容：
- AI 分擔重複性、低價值或可自動化工作。
- 人類轉向判斷、治理、架構設計與例外處理。
- CIO 必須設計人機協作模式，而不是只思考是否裁減人力。
CIO 策略目標：安全、創新與效率並重
2026 CIO 年度目標
2026 年 CIO 年度目標前三名為：
- 資安管理：82%
- GenAI 創新：58%
- IT 維運效能提升：53%
其他重要目標包括：
- 營運持續與企業韌性
- 資料與數據分析
- IT 架構現代化
- 員工賦能與生產力
- 法規遵循
- ESG 與數位永續
- 成本控管
- IT 事故處理
- 促使 IT 與商業目標一致
這顯示 CIO 必須同時兼顧：
- 安全
- 創新
- 效率
- 韌性
- 成本
CIO 年度目標變化趨勢
與 2025 年相比，2026 年優先度上升較明顯的目標包括：
- GenAI 創新
- 員工賦能與生產力
- IT 維運效能提升
- 營運持續與企業韌性
- IT 事故處理
- 科技驅動商業創新
- 資料與數據分析
- 成本控管
其中，GenAI、員工生產力與 IT 維運成為 AI 應用的重點場域。
各產業 CIO 優先目標
不同產業優先目標略有差異，但資安與 AI 創新普遍重要。
- 金融業：資料與數據分析、IT 維運效能、GenAI 創新、資安管理、IT 架構現代化。
- 高科技製造業：資安管理、GenAI 創新、IT 維運效能、營運持續與企業韌性、IT 架構現代化。
- 一般製造業：資安管理、IT 維運效能、GenAI 創新、資料與數據分析、營運持續與企業韌性。
- 服務業：資安管理、資料與數據分析、IT 維運效能、員工賦能與生產力、GenAI 創新。
- 醫療業：資安管理、IT 維運效能、GenAI 創新、資料與數據分析、法規遵循。
- 政府學校：資安管理、GenAI 創新、IT 維運效能、資料與數據分析、營運持續與企業韌性。
IT 策略轉向
企業 IT 策略已經不只是基礎建設或系統現代化，而是逐步走向 AI 驅動的結構性轉型。
企業 IT 策略正從基礎數位化與現代化，邁向 AI 驅動的結構性轉型。
IT 投資策略：AI 預算快速成長
整體 IT 預算趨勢
2026 年企業 IT 預算仍維持穩健成長。
六大 IT 投資領域包括：
- 地端 IT 基礎架構
- 公雲 IT 基礎架構
- SaaS 服務訂閱
- AI，含生成式 AI
- 行動應用
- 資訊安全
2026 年整體企業 IT 預算約為新臺幣 2 億 8,878 萬元。
2026 年六大 IT 預算配置
依簡報內容，整體企業六大 IT 領域預算比重約為：
- 地端 IT 基礎架構：18%
- 公雲 IT 基礎架構：7%
- SaaS 服務訂閱：8%
- AI，含 GenAI：6%
- 行動應用：6%
- 資訊安全：8%
- 其他，如軟體授權、維護、人事費等：約 46%
雲與地端基礎架構預算比約為：
雲：地 = 28%：72%
企業仍以地端基礎架構為主，但雲端與 SaaS 支出已成為不可忽視的組成。
各領域投資成長率
2026 年整體企業六大 IT 領域預算成長率中，AI 成長最快：
- AI，含 GenAI：65%
- 地端 IT 基礎架構：20%
- 資訊安全：13%
- SaaS：8%
- 行動應用：7%
- 公雲 IT 基礎架構：3%
各產業中，金融業與政府學校 AI 預算成長尤其明顯，部分產業則在公雲與地端基礎架構上出現緊縮。
主要洞察
IT 預算依舊穩健、集中於基礎架構和資安，唯有 AI 預算進入快速成長期。
AI 已從實驗性支出逐漸成為正式預算項目，並開始與基礎架構、資安、雲端與 SaaS 管理產生連動。
雲端與基礎架構策略
公雲預算概況
2026 年企業公雲支出仍呈現成長：
- 2025 年公雲支出：約新臺幣 4,077 萬元
- 2026 年公雲預算：約新臺幣 4,294 萬元
- 成長率：約 5%
2026 年公雲預算可拆為：
- 公雲 Infra：約新臺幣 2,028 萬元
- 公雲 SaaS：約新臺幣 2,266 萬元
SaaS 支出略高於公雲基礎架構支出，顯示 SaaS 訂閱管理已成為企業新課題。
地端仍是多數企業主體
多數產業的地端基礎架構預算占比仍高於公雲。
整體 IT 基礎架構預算中：
- 地端 Infra：約 72%
- 公雲 Infra：約 28%
服務業較積極上雲，公雲與地端 Infra 預算約各占一半。
應用程式部署環境
2026 年企業應用程式部署環境大致為：
- 公雲 Infra：21%
- 地端 Infra：79%
服務業公雲部署比例最高，約 35% 的企業應用部署在公雲環境。
AP 上雲積極度
2026 年企業 AP 上雲策略呈現謹慎成長：
- 約 39% 企業擴大 AP 上雲程度。
- 約 25% 企業維持現有上雲程度。
- 約 8% 企業今年開始上雲。
- 約 26% 企業不上雲。
- 約 2% 企業縮減上雲規模。
- 約 1% 企業全數上雲。
金融業今年開始上雲的企業比率明顯增加；醫療業新上雲的比例也突破一成。
多雲與混合雲
2026 年整體企業多雲混合雲採用率約 25%。
其中：
- 醫療業與政府學校採用率增加較明顯。
- 金融業與部分產業採用率則略有下降或持平。
主要洞察
企業 AP 上雲仍採審慎策略，並非全面快速遷移。
但 SaaS、混合雲、多雲與公雲治理，已成為企業必須管理的新複雜度。
資安風險與 AI 風險
三大類資安威脅
簡報將企業常見資安風險分為三大類：
- 系統風險
- 人員風險
- AI 風險
系統常見資安風險
企業未來一年極可能遭遇的系統風險包括：
- 勒索軟體資安事故
- 資安漏洞濫用，例如零時差漏洞攻擊
- DDoS 攻擊
- 國家級網路攻擊
- 網路犯罪者攻擊
- 組態設定不當導致網路裸奔
- 以第三方或委外業者為跳板的攻擊
- 企業 IT 服務與設備大規模停擺
- 軟體供應鏈資安事故
- 鎖定 IoT 或 OT 系統的攻擊
- 公雲服務資安事故
- 企業 IT 基礎設施遭濫用，例如挖礦或淪為攻擊幫兇
人員常見資安風險
最常見的人員風險包括：
- 網路釣魚與社交工程手段
- 商業郵件詐騙，BEC
- 瀏覽惡意網站
- 個人資料外洩
- 機敏資料外洩
- 身分冒用
- 內部人員，包含現任或前任員工，發動攻擊
其中，網路釣魚與社交工程、勒索軟體，是整體企業最主要的資安威脅。
AI 常見資安風險
AI 風險開始浮現，包含：
- LLM 應用洩漏敏感資料
- Deepfake 冒用
- LLM 幻覺導致真人誤判
- AI 代理濫用許可權限，例如權限過高遭 AI 濫用
- LLM 提示遭注入，Prompt Injection
- LLM 模型遭竊取或非法存取
- AI 代理供應鏈弱點
- AI 代理自主操作失當，例如誤刪重要檔案
對百億營收企業而言，軟體供應鏈資安事故與 LLM 應用洩漏敏感資料的威脅尤其開始受到重視。
主要洞察
AI 不只帶來生產力，也帶來新的風險面：
- 權限濫用
- 資料外洩
- 提示注入
- 模型外洩
- AI Agent 自主操作失當
- AI 供應鏈弱點
因此，企業資安正在從被動防禦，轉向主動偵測威脅與持續風險暴露管理。
SRE、可觀察性與 AIOps 採用現況
SRE 採用率
2026 年整體企業 SRE，網站可靠性工程，採用率約 5%。
產業觀察：
- 金融業與服務業 SRE 採用率大致持平。
- 高科技製造業採用率小幅增加。
- 百億營收企業採用率略高於整體平均。
SRE 在臺灣大型企業中仍屬早期採用階段。
可觀察性平台採用率
2026 年整體企業可觀察性平台採用率約 4%。
產業觀察：
- 金融業約有一成企業今年積極打造可觀察性平台。
- 百億營收企業採用率也有所增加。
- 多數產業仍處於早期探索階段。
AIOps 採用率
企業 IT 維運壓力升高，使 AIOps 採用開始增加。
- 2026 年 AIOps 整體採用率約 14%。
- 金融業、服務業與醫療業最積極嘗試。
- 百億營收企業採用率也明顯提升。
這顯示 IT 維運正在從傳統監控、人工排查，逐步走向 AI 輔助分析與自動化維運。
AI 與生成式 AI 策略布局
AI 預算概況
2026 年企業 AI 預算快速成長：
- AI 預算成長率：65%
- AI 預算金額：約新臺幣 1,843 萬元
- AI 預算占 IT 預算比率：約 6%
各產業中：
- 金融業與政府學校連續兩年加碼 AI。
- 服務業與一般製造業今年 AI 投資明顯增加。
- 醫療業今年 AI 預算出現緊縮，但其 GenAI 應用成熟度仍高。
AI 預算占 IT 預算比率
整體企業 AI 預算占 IT 預算約 6.4%。
其中：
- 政府學校 AI 預算占比最高，約 17%。
- 其他產業多數仍低於一成。
這代表 AI 雖已快速成長，但在多數企業中仍屬 IT 預算的一部分，而非最大支出項。
生成式 AI 對企業的影響時程
企業普遍認為生成式 AI 將在未來一至三年間對組織帶來大幅改變。
- 部分企業認為現在已經受到大幅影響。
- 多數企業預期 2027 至 2028 年間將出現明顯改變。
- 服務業、醫療業與政府學校受到生成式 AI 衝擊較大。
生成式 AI 應用成熟度
企業 GenAI 應用成熟度可分為：
- 有需要但沒有計畫
- 計畫階段
- 導入與驗證階段
- 正式上線階段
- 擴大採用階段
- 深化內化階段
- 不需要或不知道
整體觀察：
- 約 59% 企業仍處於試驗階段。
- 約 23% 企業已進入成熟階段，可視為 GenAI 領先者。
- 約 4% 企業不需要或不知道。
- 約 14% 企業有需要但尚未規畫。
GenAI 領先者定義為已進入正式上線、擴大採用或深化內化階段的企業。
各產業 GenAI 領先者
醫療業最積極擁抱生成式 AI，近 4 成醫療業者躋身 GenAI 領先者行列，為各產業之冠。
其他產業中，服務業、政府學校、百億營收企業也有相對較高的 GenAI 領先者占比。
生成式 AI 的實質效益
企業導入 GenAI 獲得的主要效益包括：
- 明顯提高員工生產力
- 鼓勵更多創新
- 提高企業競爭優勢
- 大幅提高軟體開發能力
- 提升企業科技形象
- 解決內部流程過去難解瓶頸
- 讓員工從低價值任務轉移到高價值任務
- 加速開發新產品與服務
- 解決人力不足問題
- 降低成本
- 實現過去難做到的 IT 維運能力
其中，提高員工生產力與鼓勵創新是最主要的兩大實際效益。
提升 GenAI 效益的關鍵作法
企業認為提升生成式 AI 效益的關鍵包括：
- 盡可能提供給員工運用
- 將 GenAI 深度嵌入流程與部門
- 強化資料安全與合規能力
- 由上而下策略，高層主導統一推動
- 用來開發創新與差異化應用
- 建立不斷迭代改進的能力
- 建立勇於創新的文化
- 有效控管風險
- 將對既有系統與工具的干擾最小化
- 由下而上累積成功案例
- 找到可信任的供應商
- 使用專門資料調校或客製模型
- 提供足夠預算
- 部署最新技術
- 量測整體成效
這顯示 AI 要產生實質效益，不能只靠工具導入，而必須與流程、組織、資料治理與風險管理整合。
生成式 AI 採用策略與技術趨勢
GenAI 採用策略
2026 年企業採用的 GenAI 技術與策略包含：
- ChatGPT / Gemini 等通用型 AI 應用
- Office GAI 工具
- 商用 LLM
- 開源 LLM
- RAG，檢索增強生成
- 代理式 AI
- AI 增強軟體工程
- 提示工程
- MCP 協定
- 情境工程，Context Engineering
- NoCode GenAI 開發
- MLOps
- 負責任 AI 框架
- GenAI 機敏資料控管
- GenAI 治理框架
重要趨勢
調查指出：
- 代理式 AI 採用率大增。
- RAG 採用率大增。
- 約 17% 企業採用 MCP 協定。
- 基礎型 GenAI 工具已廣泛導入。
- 進階技術仍在早期擴散階段。
主要洞察
基礎型 GenAI 工具廣泛導入各產業，進階技術仍在早期擴散階段。
企業目前已普遍使用通用型 GenAI 工具，但要真正進入組織級應用，仍需進一步導入：
- RAG
- AI Agent
- MCP
- 情境工程
- 治理框架
- 資料控管
- MLOps / AIOps / LLMOps 類能力
代理式 AI：從 AI 助手走向日常營運
AI 代理在企業作業流程的滲透率
2026 年底，企業導入代理式 AI 的主要內部作業流程包括：
- IT：41%
- 知識管理：39%
- 資安維運：33%
- 員工數位生產力：29%
- 軟體工程：28%
- 行政作業：27%
- 客服作業：21%
- 業務流程：21%
- 研發：18%
- 人員培訓：17%
- 行銷：16%
- 財會：14%
- 銷售：11%
- 法遵：10%
- 人資招募：9%
- 採購：9%
- 風控：8%
- 供應鏈：5%
代理式 AI 最先落地於 IT、知識管理、資安維運與軟體工程等知識型、技術型作業。
四大類 AI Agent 場景
簡報將 AI Agent 落地場景分為四類：
生產力 Agent 類場景
- IT
- 知識管理
- 員工數位生產力
- 軟體工程
流程自動化 Agent 類場景
- 資安流程
- 行政作業
- 客服作業
- 業務流程
商業支援 Agent 類場景
- 研發流程
- 人員培訓
- 行銷
- 財會
- 銷售
- 人資招募
- 採購
決策治理 Agent 類場景
- 法遵
- 風控
- 供應鏈
- 垂直產業場景
採用趨勢
2026 年：
- 約 6 成企業優先導入生產力 Agent。
- 流程自動化 Agent 與商業支援 Agent 採用率快速增加。
- 決策治理 Agent 仍在相對早期階段。
這代表 AI Agent 正從個人生產力工具，逐步走向流程自動化與企業營運支援。
GenAI 領先企業的 AI Agent 採用
在 GenAI 領先企業中：
- IT 部門導入 AI Agent 的比率約 7 成。
- 資安、財會與風控流程採用率也大幅增加。
- AI Agent 已不只是實驗工具，而是逐漸進入日常作業與治理流程。
主要洞察
代理式 AI 集中落地 IT 與知識型作業，業務流程仍在探索階段。
AI Agent 的早期價值，主要出現在：
- IT 維運
- 知識管理
- 軟體工程
- 資安流程
- 員工生產力
而更深入的業務流程、法遵、風控與供應鏈，仍需要更成熟的治理、權限控管與可觀察性。
企業 IT 新興技術採用率
2026 企業 IT 新興技術採用率 Top 20
依簡報內容，2026 年企業採用率較高的新興技術包括：
- ChatGPT / Gemini 等應用：42%
- RAG，檢索增強生成：35%
- Office GAI 工具：35%
- 零信任網路安全：34%
- AI 增強軟體工程：32%
- 代理式 AI，AI Agent：32%
- 分析式 AI，非 GAI：28%
- Kubernetes / 容器：26%
- 開源 LLM：26%
- 多雲混合雲：25%
- 商用 LLM：25%
- DevOps：24%
- 提示工程：23%
- 微服務架構：23%
- 中臺架構設計：22%
- Open API 架構：20%
- 敏捷開發：19%
- 資料湖：18%
- MCP 協定：17%
- DevSecOps：16%
Top 21 至 39
其他新興技術包括：
- 負責任 AI 框架：14%
- AIOps，用 AI 優化 IT 維運：12%
- NoCode AP 開發平台：11%
- NoCode GenAI 開發平台：11%
- 情境工程，Context Engineering：10%
- MLOps：9%
- 數位雙生：9%
- GitOps：8%
- 無伺服器技術：7%
- 區塊鏈：6%
- 平台工程，Platform Engineering：6%
- SRE，網站可靠性工程：5%
- 空間運算，AR / VR：4%
- FinOps，雲端維運成本管理：4%
- 可觀察性平台：4%
- WebAssembly：3%
- PQC 後量子演算法：3%
- 衛星網路：3%
- Policy-as-Code，政策即程式碼：2%
技術趨勢雷達圖觀察
整體企業技術趨勢顯示：
- 代理式 AI 爆紅。
- 情境工程爆紅。
- 分析式 AI 回溫。
- AI 增強軟體工程採用率明顯增加。
- MCP 協定成為值得關注的新興整合技術。
- 可觀察性平台、SRE、FinOps、平台工程仍處於低採用率但逐步發展的階段。
雲原生走向高原期，AI 原生快速崛起
企業 IT 典範轉移
簡報將企業 IT 典範分為幾個層次：
雲原生基礎
- Kubernetes / 容器
- 微服務架構
- DevOps
- Open API 架構
雲原生進階
- DevSecOps
- GitOps
- 平台工程
AI 賦能開發
- AI 增強軟體工程
- NoCode GenAI 開發
AI 原生
- 開源 LLM
- RAG
- 代理式 AI
整體企業趨勢
雲原生架構已逐步進入穩定期，而 AI 原生架構快速崛起。
代表企業焦點從：
Infra 現代化 → 架構現代化 → 流程自動化 → AI 原生應用與自主行動
逐步演進。
GAI 追趕企業
計畫中或 PoC 階段的 GAI 追趕企業，仍持續發展雲原生架構，但也更積極擁抱 AI 原生技術。
這類企業通常同時進行：
- 基礎架構現代化
- 開發流程自動化
- AI 工具導入
- RAG 或 AI Agent 探索
GAI 領先企業
GAI 領先企業中，部分雲原生基礎採用率反而下滑，AI 原生成為新焦點。
這可能代表：
- 領先企業已完成部分雲原生基礎建設。
- 新投資重心轉向 AI Agent、RAG、開源模型、AI 增強軟體工程。
- 技術焦點從「如何現代化」轉向「如何 AI 原生化」。
主要洞察
雲原生邁向高原期，AI 原生快速崛起，少數企業直接超車升級。
軟體開發模式的改變
開發模式正在轉型
2026 年企業軟體開發模式出現明顯變化：
- 敏捷開發進入高原期。
- DevOps 持續普及。
- DevSecOps 擴大開發責任範圍至資安。
- AIOps 讓 IT 流程 AI 化。
- AI 增強軟體工程快速盛行。
- 平台工程降低工程師認知負擔。
- NoCode 讓非專業開發者開始分擔開發工作。
- Vibe Coding 浪潮挑戰既有開發流程自動化。
開發責任重新分配
簡報將開發模式的變化整理為幾個方向：
團隊合作
- 敏捷開發
- DevOps
開發當責範圍擴大
- DevSecOps
- 開發責任擴及維運與資安
流程優化
- GitOps
- AIOps
- 開發流程自動化
- IT 流程 AI 化
開發負擔分攤
- AI 增強軟體工程：由 AI 分攤個人生產力負擔
- 平台工程：由平台分攤團隊認知負擔
- NoCode：由非 IT 角色分攤部分開發責任
MLOps
金融業對 AI 大規模部署需求明顯，積極強化 MLOps，ML 流程自動化。
整體 MLOps 採用率仍不算高，但隨著 AI 模型與 GenAI 應用進入正式系統，MLOps 重要性將提高。
GitOps
Vibe Coding 浪潮挑戰既有開發流程自動化，使 GitOps 採用率出現下滑。
這不代表 GitOps 價值消失，而是開發流程正在被 AI 產出、AI 驗證、AI Agent 工作流重新定義。
Policy-as-Code
因應規模化與複雜化的政策變動管理，部分金融業開始嘗試 Policy-as-Code。
Policy-as-Code 將政策、規範與治理要求轉化為可執行、可檢查的程式碼，對 AI 與自動化治理尤其重要。
平台工程
金融業與高科技製造業開始重視開發者體驗，平台工程採用率突破一成。
平台工程的價值包括：
- 降低開發團隊認知負擔
- 標準化開發流程
- 提供自助式平台能力
- 強化治理、安全與可觀察性
- 支援 AI 增強開發與 Agentic Workflow
產業別技術趨勢觀察
一般製造業
一般製造業值得關注的技術包括：
- NoCode GenAI 開發爆紅
- 負責任 AI 框架
- AIOps
- PQC 後量子演算法
一般製造業在 AI 技術導入上逐漸從基礎工具走向治理、維運與安全強化。
醫療業
醫療業的重點趨勢包括：
- 代理式 AI 爆紅
- MCP 協定爆紅
- 負責任 AI 快速竄升
- 多雲混合雲採用增加
- DevSecOps 採用增加
醫療業同時面臨資料敏感性、法規遵循與人力壓力，因此對 AI 與治理技術的需求特別高。
百億營收企業
百億營收企業的特徵包括：
- 積極採用零信任網路安全
- 積極導入 AI 增強軟體工程
- 代理式 AI 爆紅
- 分析式 AI 也快速回溫
- 可觀察性平台、SRE、FinOps、MCP、負責任 AI 等技術都較受重視
大型企業在 AI 導入上不只追求效率，也更重視治理、安全與可控性。
總結：從基礎架構轉型到智慧應用與生產力升級
2026 年臺灣企業 IT 發展重心正在轉變。
過去重點多放在：
- 基礎架構現代化
- 雲端化
- 數位化
- 資安防禦
- 開發流程優化
但現在開始轉向：
- AI 驅動的結構性轉型
- AI Agent 日常化
- GenAI 深度嵌入流程
- IT 維運 AI 化
- 可觀察性與 AIOps
- 人機協作與工作重新分配
- AI 原生應用架構
- 風險、治理與安全同步升級
最後的核心洞察是：
IT 科技發展重心轉變，從基礎架構轉型，邁向智慧應用與生產力的破壞式升級。
從 ITOps 到 AIOps，不只是工具替換，而是 IT 組織運作模式的轉變：
- 從人工監控到 AI 輔助判斷
- 從被動維運到主動預測
- 從人力擴編到人機互補
- 從單點自動化到流程自動化
- 從雲原生到 AI 原生
- 從系統管理到風險、治理與商業價值管理
AIOps 的真正價值，不只是降低維運成本，而是讓企業能在 AI 帶來的複雜性與不確定性中，維持可觀察、可治理、可持續演進的 IT 能力。