機構的薪酬開支中應有多少轉為人工智能預算？

Michael Macfarlane Associates 自創立之初，便着手借鑑科技界的一個理念。在軟件開發領域，人們早已留意到，最新一屆的畢業生往往比一位花了十年時間使用一種逐漸過時語言的同事，更熟悉最新的程式語言。撇開經驗不談，熟練掌握當下的工具可以令較新的開發人員更具生產力。

今天的傳訊行業亦是如此。伴隨這些工具成長、能夠自然地運用它們的人，運用人工智能的熟練程度遠遠超過較遲接觸它的人。本公司的做法是將這種與生俱來的熟練與深厚經驗結合起來，而非在兩者之間取捨。

經驗確定方向，執行實現目標。

經驗依然比任何其他因素都重要。了解正確的策略方向、需要運用的槓桿，以及如何規劃通往成果的路線，仍然至關重要。但執行現時比以往任何時候都更重要。

那些只想無休止地談論策略、交付簡報的機構將不再足以應付需求，而這類簡報現時一位熟練的人工智能用戶在一小時內便能完成。一家無法將至少一半資源投放於執行的機構，已經跟不上客戶現時的需要。

大型機構、精品機構與被擠壓的中間層

市場格局已經改變。

超大型網絡依然存在，但即使是它們也在整合。Omnicom 完成收購 Interpublic 時，宣布裁減約4,000個職位，停用包括 DDB、FCB 及 MullenLowe 在內的機構品牌，合併後的員工總數預計會由約128,000人減至約105,000人。它們的客戶規模龐大、業務國際化且複雜，仍然需要真正以人為本、具相當規模的綜合顧問服務，但這個模式正圍繞更少的人手重新建立。

在精品機構這一端，情況則有所不同。規模較小的專業公司現時可以借助人工智能，把自身能力提升五倍、六倍，甚至十倍，無論是構思創新方案還是付諸執行，都毋須龐大的辦公室或龐大的團隊。前提是它們擁有合適的人才結構，即使規模較小。

處於中間層的公司，正是那些一直在退出市場的公司。它們既沒有全球網絡的規模與聲望，亦缺乏迅速重塑人才基礎的靈活性。不少公司仍在經營，但業界普遍理解，其中一些公司利潤極其微薄，擱置晉升，並逐步削減人手，因為它們無法令員工適應市場現時的要求。

經濟邏輯已經轉變

人工智能能力的價格以幾乎史無前例的速度下跌。Stanford 的 AI Index 2025 發現，在固定效能水平下調用模型的成本在約18個月內下跌超過280倍，由2022年底每百萬詞元約20美元，降至2024年底約7美仙。

能力變得更便宜，並不代表認真使用者的賬單變少，而是代表使用變得更有雄心。Muck Rack 的 State of AI in PR 2026 發現，使用人工智能的從業員之中，現時有75%為此付費，高於一年前的57%，另有43%為多於一項服務付費。

要充分發揮人工智能的潛力，所需遠遠超過標準企業訂閱所包含的額度。實際上，一個為多位客戶提供優質服務的人，每月可能耗用數千英鎊的人工智能額度。這筆開支帶來效率。它亦應取代部分人手成本，因為以同等花費計算，它的產出遠多於額外聘請一名員工。

因此，每家機構現時面對的問題是：其薪酬開支中應有多少轉為人工智能開支。

尋找平衡點

人依然不可或缺。需要人去構思創意，並在如何運用技術方面發揮創造力。人承載着帶來正確決策的經驗。人亦提供國際業務所需的文化聯繫。

挑戰在於找到這樣一個平衡點：在減少人手、盡量增加人工智能使用的同時，又不至於削減過度，令公司失去創造力、判斷力或文化影響力。目前尚未有定論，但這是每家機構都應該思考的問題。

對客戶而言，更有用的問題是：其顧問的模式是為何而建立的，是工時與人數，還是成果。了解 Michael Macfarlane Associates 如何實現資本成果及其理念。本文是五篇系列文章中的第二篇。