執行計劃的三種方式
單獨使用 Microsoft 365、配合 Copilot，或使用 atlanticma.ai
計劃有四個關鍵要素：所需工時、工作質素、效益實現速度，以及決策的持久性。
| 僅使用 Microsoft 365 | Microsoft 365 配合 Copilot | atlanticma.ai（我們的估算） | |
|---|---|---|---|
| 工時 節省的時間 | 基準線。在一次轉型計劃中，每月有 65 個工作天1用於例行匯報及統籌工作。 | 2 至 7%6,7,8 的個人時間，主要節省於電郵、搜尋及摘要工作。在會議或協作工作方面，未見有可量化的改變。6 | 例行匯報及統籌工作減少 33%，與麥肯錫自身案例的 39%1 相若。相當於計劃辦公室全部工時的 22%。 |
| 質素 工作質素及判斷決策的質素 | 最慢，但在一項高難度判斷任務中，獨立作業的人員達到正確答案的比率為 84.5%2。 | 成效參差。通用助手在人工智能能力範圍內的任務中，可將評定質素提升 38 至 42.5%2；但在高難度判斷任務中，正確答案率下降 14 至 24 個百分點2，且錯誤答案的表面質素亦有所提升。Copilot 本身在摘要及電郵方面表現較佳，在試算表及簡報方面則表現較遜。9 | 草擬文件（計劃、章程、報告）質素提升約 40%2，同時設計為在判斷決策方面損失 0 個百分點，此類決策仍由您的團隊負責。他們獨立作業時的正確率為 84.5%2，而依賴人工智能時則降至 60 至 71%2。每項會議提案均附有其所依據的引文，並預設由具名人員審批。 |
| 速度 整個計劃的進度 | 計劃在交割後以人手撰寫。沒有協同效益時間表的情況下，三年股價增長率為 21%5 或以下，相比之下，設有一年目標的增長率為 71%5。 | 在會議或文件完成時間方面，量化改變為 0%。6 個人草擬單一任務的速度提升 25%2，縮短的是個別任務的時間，而非整個計劃的工期。 | 計劃工期縮短 10 至 25%3。首份計劃及章程約在 4 分鐘內完成草擬（根據我們自身的測試）。每提早一個月完成，即相當於您全年效益的十二分之一。 |
| 決策 | 約三分之一4的收購方能完全實現其交易目標。 | 沒有證據顯示團隊決策質素有所提升。每位成員各自使用自己的助手、文件及提示，因此團隊可能帶著多個不同答案到會議上進行協調。40%10 的員工反映曾收到表面上已完成但實際上存在問題的人工智能生成文件，平均每次需花費約兩小時處理。我們認為這令群體決策更加困難，而非更好。 | 從第一天起，您便以 59%4 的成功收購方所採用的方式運作，而這比例在其他收購方中僅為 28%4：在同一共享記錄上設有負責人、日期及決策記錄。我們相信持份者簡介及決策模擬能進一步改善群體動態與決策質素。 |
彩色數字為相對於 Microsoft 365 基準的變化，每行跨三欄比較相同項目。質素測試採用的是通用 AI 助手，而非 Copilot 本身。右欄數字為本公司根據所標注研究所作的估算。
四大維度
已發布研究、應用程式功能與本公司估算
1. 工時
2. 質素
3. 速度
- 已發布研究
- 某銀行的整合準備速度加快約25%。某公司建立協同效益模型僅需約兩個月，而常規方式需逾12個月。3 在一年內確立協同效益目標的收購方，三年股價增長達71%，而未設時間表者增長僅為21%或以下。5 通用助手協助個人完成指定任務的速度提升25%2，縮短的是任務本身，而非整個計劃。採用 Copilot 後，會議時間及文件完成時間均未見可量化的改變。6
- 應用程式
- 根據您的文件自動起草策略方向、各工作流的章程及附日期的工作計劃。在一個包含八個工作流的測試項目中，完成上述工作僅需約4分鐘。
- 本公司估算
- 計劃縮短10至25%。25%為 Bain3 針對準備階段的數字，本公司將其應用至整個計劃。每節省一個月等同全年效益的十二分之一。
4. 決策
- 已發布研究
- 在受訪的530名高管中，約三分之一表示完全達成交易目標。其中59%在整合開始前已將價值驅動因素轉化為附責任人及時間表的行動方案，相比之下其他人中僅有28%做到這一點。4 另一項調查顯示，40%10的桌面工作人員表示曾收到看似完成但實則有誤的 AI 生成工作，每次平均需花約兩小時處理。
- 應用程式
- 在首份計劃中為任務指定問責負責人及完成日期，維護決策記錄，並對照鎖定基準追蹤效益。本應用程式為每位關鍵利益相關者建立檔案，並在決策前模擬其反應（利益相關者模擬功能，現處於測試階段）。
- 本公司觀點
- 從第一天起，您的工作方式便與59%4的成功收購方相同，而其他收購方中僅有28%4做到這一點：在同一共享記錄上設有負責人、完成日期及決策記錄。使用通用助手時，每個人依賴自己的文件和提示，導致團隊可能在會議中帶來多個不同答案需要協調。本公司認為這會令群體決策更為困難，而非更好。本公司認為利益相關者檔案及決策模擬能進一步改善群體動態與決策質素。
計算依據
工時估算的計算方法
McKinsey 的案例1列出十項定期工作。針對每項工作，本公司標示應用程式是否完全處理、協助處理或不涵蓋該項工作。凡本應用程式完全或協助處理者，計入 McKinsey 所報告的節省量；不涵蓋者則不計入任何節省。
| 工作項目 | 每月工作天數（使用前） | McKinsey 案例中節省的天數 | atlanticma.ai | 計算天數 |
|---|---|---|---|---|
| 雙週及指導委員會匯報 | 12 | 9 | 直接處理 | 9 |
| 每月指導委員會準備 | 4 | 1 | 有所協助 | 1 |
| 其他匯報，例如監事會 | 4 | 3 | 有所協助 | 3 |
| 每月財務匯報 | 5 | 2 | 有所協助 | 2 |
| 對照計劃的績效 | 5 | 2 | 直接處理 | 2 |
| 每月人員編制匯報 | 10 | 4 | 未涵蓋 | 0 |
| 狀態更新及跟進 | 8 | 2 | 有所協助 | 2 |
| 檢查計劃數據質素 | 5 | 0 | 未涵蓋 | 0 |
| 重新校準目標 | 10 | 2 | 有所協助 | 2 |
| 按統一指引評估計劃價值 | 2 | 0.5 | 有所協助 | 0.5 |
| 合計 | 65 | 25.5 (39%) | 21.5 (33%) |
涵蓋整個計劃辦公室，包括規劃、會議及分析，我們估計佔全部時間的 22%。此估算基於我們對辦公室時間分配的自身判斷，不計入會議或分析時間。
您的數字
以您自己的數字建立論據
選擇項目類型，輸入您已掌握的數字，並選擇適用的依據。結果將根據您的輸入及以上最佳估算呈現示範數據。請使用您自己的貨幣。
| 僅 Microsoft 365 | 配合 Copilot | atlanticma.ai | |
|---|---|---|---|
| 工時，每年價值 | 0 | 48,000 按 4% | 264,000 按 22% |
| 效益提前實現量 | 0 | 0 0% 實測變化 | 1,800,000 提早 1.8 個月完成。 每個月相當於年度效益的十二分之一。 |
質素與決策效益不在此換算為金錢價值。
授權回報，計及您的所有項目
請輸入整數。計算同時進行中的項目數量，而非一年內啟動的數量。每個項目均視作與上述項目相同。
| 單一項目 | 您的 3 個項目 | |
|---|---|---|
| 整個項目期間節省的工時 | 356,400 16.2 個月，每年 264,000 | 1,069,200 |
| 效益提前實現量 | 1,800,000 | 5,400,000 |
| 總效益 | 2,156,400 | 6,469,200 |
atlanticma.ai Enterprise，整個項目期間
| 25,200 每個項目每年 18,667，共 16.2 個月 | 75,600 每年 56,000，共 16.2 個月 |
| 回報 | 授權費用的 86 倍 淨效益 6,393,600 |
以 Enterprise（我們最高定價方案）計算。獨立版 及 機構版 費用較低，回報亦相應較高。價格依據 Enterprise 公式計算：每個同時進行的項目每年收取 $12,000，最少三個項目，另加 Enterprise 套餐費用，即項目費用的 25%，每年最低 $20,000。以美元計算。計劃期限採用縮短後的版本：您的月數減去上方所選的縮短時間。工時及授權費用均按該期限計算。
未納入計算的項目：附加模組（例如併購項目中處於測試階段的 Earnout Ledger）以及超出各項目限額的使用量。系統設置、技術支援及定制開發費用另計。質素提升及決策優化亦可帶來額外回報，但未納入計算。
相關研究
各研究的衡量範疇
- McKinsey，「The agentic transformation office」，2026年9月。 一個採用McKinsey自有工具的轉型項目。McKinsey估計，智能代理可將多項核心任務的所需時間縮短35至40%。 閱讀原文
- 哈佛商學院與BCG，「Navigating the Jagged Technological Frontier」，2023年。 一項針對758名顧問的隨機對照試驗，參與者在指定任務中單獨使用通用人工智能助手。 閱讀原文
- Bain，M&A Report 2026。 客戶案例：一家銀行的整合準備時間縮短約25%，另一家公司在約兩個月內完成協同效應建模。 閱讀原文
- PwC，2026 M&A Integration Survey。 530名來自收入10億美元或以上企業的高級管理人員，數據為自我申報。 閱讀原文
- PwC，「The M&A synergies credibility gap」。 180宗2016年至2024年間公佈、金額達10億美元或以上的美國上市公司交易，如PwC所述，此為相關性分析。 閱讀原文
- Microsoft Research，「Shifting Work Patterns with Generative AI」，2025年。 一項針對66家公司7,137名員工的隨機試驗。定期使用Copilot的用戶每週在電郵上花費的時間減少約兩小時；會議時間則無變化。 閱讀原文
- 英國政府Copilot評估，2025年及2026年。 一個部門自報每天節省19分鐘，12個部門合計節省26分鐘。 Department for Work and Pensions, 跨政府
- Humlum and Vestergaard, "Large Language Models, Small Labor Market Effects", 2025. 約25,000名丹麥工人。使用人工智能助手的用戶平均節省了2.8%的工作時間。 閱讀原文
- 英國商業及貿易部，Microsoft 365 Copilot評估，2025年。 1,000個授權。在一項小規模觀察測試中，Copilot用戶在摘要及電郵方面表現較佳，但在試算表分析及簡報方面表現較遜。該部門未能找到穩健證據顯示節省的時間能提升生產力。 閱讀原文
- BetterUp Labs與Stanford Social Media Lab，關於人工智能生成工作的調查，2025年。 約1,150名美國辦公室員工自報。40%的受訪者在過去一個月內收到過由人工智能生成、外表精美但內容空洞的工作成果，並花費近兩小時處理每個此類情況。 閱讀原文
- L.E.K. Consulting，《Keys to unlocking post-merger integration value: cost synergies》，2024年。 2012年至2022年已公佈協同效益的公開交易。一般收購方的目標是實現目標公司收入6%至10%的成本協同效益。 閱讀原文
- BCG，《The Real Deal on M&A, Synergies, and Value》，2016年。 2010年至2015年北美地區286宗逾5億美元的交易。協同效益預計在12至18個月內實現。 閱讀原文
- PrivateEquityInfo，《What a decade of PE holding periods reveals》，2026年。 美國平台退出數據。2025年退出項目的中位持有期為5.9年。 閱讀原文
- BD Emerson，過渡服務協議基準，2026年。 2020年至2026年39宗由SEC註冊公司進行的分拆交易。協議中位期限為24個月。 閱讀原文
- EY，《Four current trends in estimating M&A integration costs》，2019年。 2010年至2016年70宗以上逾10億美元的美國交易。整合成本平均佔交易價值的3%，範圍介乎1%至7%。 閱讀原文
- McKinsey，《The numbers behind successful transformations》，2019年。 82家上市公司。表現較強的公司將目標設定在過往盈利的75%或以上；表現較弱的公司則設定在25%或以下。 閱讀原文
- 全美中型市場研究中心。 將美國中型市場定義為年收入介乎1,000萬至10億美元的公司。 閱讀原文
- Deloitte，全球資產剝離調查，2026年。 1,500名高管，於2025年10月接受調查。自報數據。出售方將出售後的遺留成本列為首要挑戰，而僅有11%的出售方能完全處理此問題。 閱讀原文
- McKinsey，《Profitably parting ways: Getting more value from divestitures》，2013年。 McKinsey與出售方合作的經驗；未提供樣本數據。出售方往往需要長達三年時間才能從資產剝離中恢復過來。 閱讀原文
如何閱讀本頁
已發佈數據與我們的估算
- 數字旁附有小編號，表示該數字來自對應的研究，為該研究的結果。
- 標示為「我們的估算」的數字，是我們對 atlanticma.ai 所能達成成效的判斷，依據相關研究及應用程式的實際功能而得出。
- 我們的估算屬於最佳估算，尚未在客戶的項目中實測驗證，實際成效將視乎您的項目而定。