從 Canva、Google 到 Figma：企業 AI 的競爭，開始轉向組織、成本與流程

一家企業說自己正在全面導入 AI，可能意味著三件完全不同的事。它可能讓員工使用 AI 工具，也可能調整產品的成本結構，還可能重新安排團隊，讓流程減少交接。這三種變化各自有價值，卻不能彼此替代。員工使用了 AI，不代表產品就能賺錢；模型費用下降，也不代表部門協作一定更快。

2026 年 11 月初的 Canva、Google 與 Figma，正好把這三種問題放在同一週的新聞裡。Canva 11 月 3 日的執行長公開信宣布重大組織調整；Reuters 11 月 4 日報導 Google 自 6 月起在多個國家擴大員工自願離職方案；Figma 同日公布第三季財報，說明 AI 服務如何影響產品收入與成本效率。[1][2][3] 三家公司背景、商業模式與決策不同，不宜把它們合成同一個因果故事。但從經營者角度，值得把它們放在一起比較。

Canva：1,271 人受影響，重點不能只看人數

Canva 執行長 Melanie Perkins 在公開信指出，組織調整將影響 1,271 名員工，約占公司人力的 22％。這裡最重要的事實界線是「受影響」並不等於「1,271 人全部遭解雇」。官方說明，部分員工將被改變職務或要求遷往集中據點，另有員工會離開公司；最終離職人數未在該篇公開信中明確列出。[1]

若只把報導寫成「AI 讓 Canva 裁掉兩成員工」，便忽略了它真正提出的組織問題。Perkins 在信中指出，團隊越來越依照 Product、Growth 和 Platform 等窄化職能分工，改善產品的一個環節常要經過太多交接與協調。Canva 的規劃是將三者整合為一個 Product Org，縮減部分管理層級與重疊職責，並讓更多相關團隊集中在雪梨協作。[1]

這套論述和一般的「用 AI 省下人力」不一樣。Canva 表示過去的組織分工降低了較大型問題的端到端責任。當同一個產品問題必須分別交由設計、產品、成長、平台逐項轉手，工具再強也難消除每一次等待、確認與重新理解脈絡的成本。合併組織可能減少交接，但也可能帶來人員流動、專業知識流失及短期交付風險；是否能提高效率，仍要看後續產品與營運結果。

Canva 同時承認其成長速度在近十年來首次放緩，並指出新的技術環境改變使用者對創作產品的期待。[1] 這能解釋公司宣示變革的背景，卻不足以讓外界斷定每一個受影響職務都是由 AI 自動化直接取代。組織重整、成長放緩、地點集中與 AI 競爭可能同時存在，不能把它們當成單一原因。

Google：增加 AI 投資，也重新分配員工和成本

Reuters 11 月 4 日報導，Google 向其確認，2026 年 6 月已在加拿大、法國、德國、日本與瑞士的部分團隊提供自願離職方案。這是 11 月 4 日的新報導，但方案擴及相關國家的時間是 6 月。報導沒有證實這一輪有多少人接受方案，因此也不能寫成 Google 11 月「裁撤某個確定人數」。[2]

為什麼這則人事消息值得與 AI 放在一起觀察？因為公司一方面控制部分人事成本，一方面持續大量投資 AI 基礎設施與人才。Alphabet 10 月 28 日公布的 2026 年第三季財報會議資料顯示，當季資本支出達 514 億美元，公司維持全年 1,950 億至 2,050 億美元的資本支出指引；管理層也說明新增技術基礎設施折舊及營運成本，將持續影響損益表。[4]

這些數字必須放在正確的財務位置。資本支出並不是當季全部認列的營業費用，購置設備或興建資料中心通常透過折舊逐期反映；而人事支出則多落在營運費用相關科目。因此，不宜直接拿一筆自願離職方案的人數去與當季資本支出相減，推算成某種「員工被 AI 換算力」的比例。

比較可靠的結論是，管理層同時面對兩種資源配置壓力：一方面要供應 AI 產品與雲端服務的運算需求，另一方面要重新評估既有職務、技能、地域和成本是否與未來業務相符。這種資源再分配並非 Google 獨有，但 Alphabet 的支出規模使它成為極端鮮明的案例。

Figma：AI 不只是功能，還是一張必須算清楚的帳單

與前兩家的人事消息不同，Figma 11 月 4 日公布的是業績與產品成本策略。依據公司第三季財報，2026 年第三季營收為 3.914 億美元，較去年同期增加 43％；GAAP 營業虧損約 1.192 億美元，同一季非 GAAP 營業利益為 4,700 萬美元。兩種損益口徑不能混用，不能只選取較好看的調整後利潤，就說公司已在所有會計定義下獲利。[3]

Figma 管理層指出，企業客戶正從試用 AI 轉為較大規模承諾，並在產品中擴大使用 AI credits。Reuters 的報導也提到，Figma 正透過使用量點數與更多自有模型工作負載改善 AI 成本效率。這種安排反映了軟體企業最現實的問題：每次使用 AI 功能，都可能產生推論費用；使用率上升可以帶動收入，也可能侵蝕毛利。[3][5]

對一般企業使用者而言，「有 AI 功能」通常是採購清單上的一格。但對提供 AI 服務的軟體公司來說，關鍵在每位客戶帶來多少收入、使用了多少推論資源，以及每一次成功產出需要多少成本。Figma 不是只談讓設計更方便，也是在思考如何把 AI 的變動成本和客戶付費意願連接起來。

如果 AI 功能不另外計價，供應商可能承擔大量成本；若採點數或使用量計價，客戶又需要理解哪些任務值得花費。另一方面，自有模型不一定在所有能力上都勝過外部模型，但若能在適合的工作上降低延遲與單次成本，仍可能改善產品經濟性。這是 Figma 管理層想傳遞的方向；相關效果需以後續財報與客戶使用資料持續檢視。

同一週的三個消息，最容易產生哪些錯誤比較？

第一種錯誤是把不同口徑的人事資料當成同一類指標。Canva 公告的 1,271 人代表受組織重整影響的人數，包含離職、改職務與搬遷等不同結果；Google 的方案則是自願離職，Reuters 並未確定接受人數。兩者既不能直接相加，也不能用來推算 AI 讓多少工作消失。若企業主根據這類報導制定人力目標，可能高估新聞提供的證據。[1][2]

第二種錯誤是只拿某家公司的一個財務數字推論 AI 效益。Figma 的 GAAP 與非 GAAP 營業損益口徑不同；Alphabet 的資本支出與費用也不是同一件事。把不同會計科目和不同業務模式混在一起比較，很容易得到看似精準、實際沒有經濟意義的百分比。研究企業 AI 投入時，至少應先確認數字的期間、幣別、會計定義與分母。

第三種錯誤是忽略時間順序。Google 在 11 月 4 日的報導，談的是今年 6 月已擴大的方案。若只按新聞刊登日期寫成「本週宣布全球離職計畫」，就會誤導讀者。Canva 的公開信則有明確組織變革內容，但未公布改革後的成效。Figma 的財報反映的是截至 9 月 30 日的季度成果，不能直接當作 11 月才發生的營運轉折。

從財報看出更大的差別：三家公司處在不同的利潤機制

Canva 是以創作與設計平台收入支撐產品營運，組織效率與產品競爭壓力會影響其成長；Google 有龐大的廣告、雲端及其他業務，必須將資本支出與未來的服務收入連接起來；Figma 則同時面對訂閱式軟體的收入結構與 AI 每次使用所產生的可變成本。三者不是用同一種財務公式經營 AI。

對 Google 這類大型基礎設施投資者，資料中心、伺服器與網路設備通常先形成資本投入，之後透過折舊、維運與實際收入逐步反映經濟性。如果新增算力的需求不如預期，企業可能承受較長期的固定資產壓力；但若供應長期受限而需求強勁，算力投資也可能成為營收成長的條件。評估時不能只看支出金額，還必須看利用率、服務毛利、資金成本與現金流。

對 Figma 這類提供 AI 功能的軟體產品，成本問題更貼近日常使用。假設兩位客戶都購買相同訂閱方案，一位每週使用 AI 五次，另一位用五百次，兩人的運算費用可能有很大差異。若收入完全固定而成本隨用量增加，產品毛利會受到壓力。使用量點數、配額、內部模型與功能分級，都是供應商可能採用的成本管理方法。但不同方法也可能影響客戶使用體驗及留存，因此需要持續測試而非只追求少付費。

Canva 的公開信則提醒另一種不直接列在 AI 算力帳單上的成本：管理層與團隊為了協調多個職能所投入的時間。即使模型服務費不高，一個項目如果經過五次無效轉交，企業依然可能付出相當高的人工成本。這類成本需要由工作流程數據揭露，不能單看 SaaS 財報的毛利率。

三家公司不是同一種故事，卻能形成一張經營診斷圖

把 Canva、Google 和 Figma 放在同一張表時，不該只標「有沒有裁員」「有沒有 AI」。較有意義的做法是分三個層級：組織協作、資本與資源配置、單位服務經濟。Canva 的消息最適合討論組織如何承接產品變化；Google 代表大型企業如何在高額技術投資下調整資源；Figma 則提供 AI 使用擴張後如何面對變動成本的案例。

三者背後其實是同一道經營題：新技術提高某些工作的速度之後，整個系統是否真的交付更多有價值的結果？ 如果答案是否定的，瓶頸可能已經從原來的「製作速度」移到「審核等待」「跨部門交接」「算力費用」「資料整理」或「責任不明」。

例如內容團隊使用 AI，每天可以產出二十張設計稿，但法務與品牌主管仍然只能逐張審核，最終上市速度未必改善。或一家企業讓客服 AI 同時處理大量問題，卻因為資料不準確需要人工覆核，省下的前台回覆時間可能被後台返工吃掉。這些是假設性情境，用來理解為何企業不能只衡量 AI 產出量。

從採購 AI 授權，走到重設工作責任

傳統的企業導入流程往往由 IT 採購工具、HR 安排訓練，再期待同仁自行提高效率。這能促進使用，但不會自動改變部門交接。例如業務用 AI 快速寫報價，財務仍須人工查核客戶信用與折扣條件，法務仍以郵件逐件往返，最終成交時間可能沒有縮短。

如果真正目標是縮短報價時間，設計應從一筆報價的完整流程出發。從收到需求，到查庫存、確認定價、取得折扣批准、產生報價文件、寄送客戶，各步驟誰有決策權，在哪裡等待，錯誤發生時誰負責？這份流程圖畫清楚後，才能決定 AI 在哪個環節適合做資料擷取、比對、草稿生成或提醒。

Canva 的組織調整提醒管理者，一個任務如果跨越太多窄化職能，AI 工具可能只是讓每個部門都更快完成自己的小段工作，卻讓整體排隊變得更嚴重。這不等於所有企業都應模仿合併部門。較安全的起點，是先為一段關鍵流程指定端到端負責人，減少無效交接，再觀察組織調整的必要性。

衡量 AI 效益時，至少分三種成本

第一種是直接工具與運算成本，包括授權、推論費、資料檢索、儲存、整合 API 和維護。這些費用隨使用模式改變，不能只用每位員工每月的訂閱金額代表全部成本。

第二種是協作成本。包括需求往返、部門等待、人工審查、重複輸入、例外處理及交接時失去的資訊。這些成本經常沒有獨立會計科目，卻會決定客戶從提出需求到拿到成果需要多久。

第三種是風險與錯誤成本。AI 可以快速生成答案，也可能輸出錯誤價格、過期政策、誤導性設計或敏感資料。若一項任務原本半小時可以由專員完成，現在五分鐘生成草稿，但還需要四十分鐘查錯，就沒有創造正向的淨效益。

因此，企業的核心指標應該是「每件合格工作實際花費多少」。這裡的合格，必須由業務目標與可核對的驗收條件定義，例如報價無錯、客服案件正確結案、會計資料可稽核、產品變更通過測試。AI 生成內容的數量，只是過程資料，不是最終成果。

一個可實際計算的單位經濟案例

以下數字完全是假設情境，僅為示範計算，不代表任何企業的真實成效。某家公司每月處理 1,000 份合格報價，每份需要 45 分鐘人工協作。導入 AI 後，草稿生成和資料擷取縮短了 15 分鐘，但同時新增 5 分鐘的人工核對，因此每份淨節省 10 分鐘。若每月仍能維持相同的合格率，則淨節省時間為 10,000 分鐘，也就是約 166.7 小時。

這還不是完整 ROI。假設 AI 工具、整合與維護每月共花費 NT$30,000，還必須知道這 166.7 小時的價值是否真的能轉化為業務成果。若員工只是把省下的時間轉去等待另一個部門，會計上不一定立刻降低人力成本；若可以承接更多有效報價、降低錯單或縮短客戶等待，就可能形成更清楚的經濟效益。

反過來說，若 AI 草稿讓錯誤報價比例上升，需要人工退回重做，前面計算的 10 分鐘也可能不成立。完整的單位經濟至少要把合格產出數量、直接費用、人工時間、錯誤成本及後續轉換結果放在同一個期間比較。這也是為什麼「買到便宜模型」與「獲得更好經營成果」不是同一件事。

為什麼「減少人力」不是最合適的第一個 KPI？

如果把 AI 導入的第一個指標設為減少多少員工，執行者容易把流程問題轉成削減編制的壓力。然而，企業需要人力的原因可能來自銷售波動、客戶體驗、品質控制及法規責任。即使部分工作已自動化，新增的審查、維護或客戶需求也可能改變人力配置。

以客服為例，AI 可以快速處理簡單詢問，但若高風險申訴轉交給人類，留下來的案件可能更複雜、處理時間更長。若只統計自動回覆數量，很容易高估真正節省的人力。比較合理的指標包括每個可正確結案的案件成本、首次解決率、重複來電比例、客戶滿意度及人工升級案件的處理時間。

另外，組織調整未必只有縮減。公司可能把重複輸入的行政工時轉為客戶關係維護、供應商開發或資料品質管理，也可能需要新增 AI 應用管理、流程設計與資訊治理能力。這些都是可能的管理選項，不能在沒有實際人力資料時，事先宣稱其中某一種會成為唯一結果。

人才發展的問題，不能只問員工會不會 Prompt

當公司希望透過 AI 減少交接，員工角色可能從「自己把某一段工作完成」轉成「定義任務、協助 AI、確認結果並與下一個負責人協作」。這需要的不只是提示詞技巧，還包括業務判斷、資料定義、風險辨識和溝通能力。企業內訓如果只教工具功能，學員即使能生成漂亮結果，也未必能改善跨部門流程。

以報價流程為例，業務人員要知道客戶需求的關鍵欄位，財務需要能辨認成本與折扣風險，主管則要定義哪種案件可自動核准。AI 可以把其中一部分資料整理與說明工作加速，但責任界線仍然需要組織明定。員工培訓應以「完整任務能否被安全完成」作驗收，而不是以每人生成多少文件作成果。

Canva 的消息也提醒企業，組織調整可能造成實際的人員衝擊。從內部溝通到職務安置，都有超出工具採購範圍的管理責任。因此，討論 AI 轉型時，應避免把員工只當成可以重新計算的成本單位。技術如何改變工作，需要與業務目標、能力發展與制度安排一起考量。

不同規模的企業，應有不同的解法

大型科技企業可以藉由改組整個產品單位、投資資料中心或自建模型，改變成本與協作結構。這些做法不能直接變成一家五十人公司的 SOP。對中小企業而言，財務槓桿與可容忍風險都不同，通常也沒有專業的模型研發團隊或多層產品管理部門。

一家三十人的 B2B 報價型企業，可能只需要讓業務、財務與主管共用同一份客戶主檔與報價狀態，搭配 AI 協助整理來信與產生草稿，再由固定權責者核准。只要能明確減少重新輸入、查錯和交接等待，就可能優於一次導入十種 AI 工具。

較大的企業則可以把 AI 當成流程再造的工具，但不可省略治理。讓 Agent 跨 CRM、ERP、文件系統或內部知識庫執行任務，需要權限、日誌、責任、測試及回復機制。企業想降低流程成本時，不應以移除控制點作為唯一解方，而應辨識哪些控制是必要的，哪些只是歷史形成的重複簽核。

為什麼現在不能宣告「AI 將讓組織縮編」？

Canva 的 1,271 名受影響員工，包括不同形式的職務調整；Google 的自願離職方案，其接受人數未被 Reuters 確認；Figma 公布的是財務與成本管理策略。這三種證據既不能加總成共同的裁員比例，也不能提供一個足以推估全產業就業變化的樣本。[1][2][3]

更不能把企業的組織變動直接歸因為 AI 的勞動替代效果。市場競爭、地區調整、產品成長放緩、既有管理複雜度和資本投資都可能影響決策。若要研究 AI 對就業的長期影響，需要更完整的職務數據、招聘與離職紀錄、工作內容變化，以及對照群組，而非只看幾家企業同一週的新聞。

同時，說「因果尚未證明」也不表示沒有管理上的新問題。當軟體能協助完成更多工作，企業的職能分工、人才能力與審批方式確實值得重新檢視。要採取什麼改變，應從本身流程與實測資料推導，而不是先有減員目標，再尋找 AI 作為理由。

哪些公司訊號值得繼續追蹤？

對 Canva，可以觀察組織整併後的產品發布、客戶成長、職務安排與人員流動，而不只追蹤一次性受影響人數。對 Google，應持續比較資本支出、折舊、雲端收入、自由現金流，以及自願離職方案後的實際組織變動。對 Figma，則需要觀察 AI credits 使用、非 AI 訂閱成長、毛利與會計口徑不同的獲利指標。

沒有任何單一指標足以證明 AI 已創造長期價值。市場在短期內可能獎勵較高的 AI 使用量，也可能因基礎設施投資影響現金流而調整評價。企業經營者不必依照股價日內變化下結論，反而可以從公開財報找到自己內部應補上的管理指標。

與其問「三家公司是不是都要用 AI 取代員工」，更有價值的問題是：當每家企業把 AI 加進既有業務，它如何重新定義工作、控制服務成本、保護品質，並讓最後的收入或客戶成果足以支付投入？這個問題沒有一鍵完成的答案，但可以用流程圖、單位成本和可追溯的成果持續驗證。

把三則新聞轉成一份經營會議可以用的檢核

管理團隊可以從一個主要工作流程開始，分別提三組問題。組織層面，任務在部門之間經過多少次轉手，每一次交接是必要的權限控制，還是可以用共同資料與明確責任減少？成本層面，除了 AI 授權還有哪些推論、整合、審核、錯誤和維運費用，使用量增加時哪一項最先膨脹？成果層面，客戶真正收到的服務是否更快、更正確，且能長期維持？

若一項流程的最大浪費是等待主管簽核，就應先檢討授權與風險分級，而非優先採購生成模型。若浪費來自不同系統的資料不一致，先建立標準欄位與受控串接。若浪費來自每次生成都耗費昂貴運算，就應研究任務路由、較小模型與用量計價。這些選擇都可能與 AI 有關，但解法不能只有「換一個更強的模型」。

企業最後需要的是一份基於實際工作資料的決策紀錄：要改善什麼結果、從哪個流程開始、誰負責、要付多少成本、多久查核一次。當每個答案有可追蹤的來源，就不必在下一次科技公司宣布裁員或推出 AI 新功能時，重新把整套導入策略推翻。

重要的是，這份診斷不能只交給資訊部門。流程負責人必須確認業務結果，財務協助辨認成本與現金流，人資確認職務與能力安排，資訊與法遵則處理資料和權限。四者對同一項 AI 導入有不同的責任，必須形成同一份可核對的決策，才不會把工具採購誤當成整體轉型。

經營者下一季可以做的工作

最值得先做的，不是宣布全公司 AI 化，而是選出一個跨部門、每天重複且能夠衡量成果的工作流程。先量測現在完成一件合格工作需要多少時間、經過幾次交接、有多少錯誤與返工。接著挑選一部分步驟由 AI 協助，保留同樣的品質標準，再比較整條流程的成本和成果。

第二步是對照權責。當 AI 讓前段產出更快，主管是否要重新分配審核量？不同部門能否用共同的資料定義？哪些例外必須人工處理？如果產出增加，是否有足夠人力做最終查核？這些問題比每位員工使用 AI 幾次，更接近商業成果。

第三步是把 AI 成本納入每件工作。即使工具的月費固定，額外的推論、儲存、人工覆核與系統整合仍可能隨使用量變動。實際評估時應包含所有可歸屬成本，並同時檢查品質與速度，而不是只看自動化百分比。

Canva、Google 和 Figma 的新聞不會替企業提供現成答案。它們更像三面鏡子，分別照出組織交接、資源配置與 AI 單位經濟。下一階段的競爭不太可能只取決於誰買到更新的模型。能夠重新設計工作、留下可驗證的成果，並且持續付得起成本的企業，才有機會把 AI 從功能表上的亮點變成真正有效的經營能力。

延伸閱讀與來源

[1] Canva，〈An important update on our team〉，2026 年 11 月 3 日：https://www.canva.com/newsroom/news/canva-team-update/

[2] Reuters，〈Google extends voluntary buyout offers to employees in several countries〉，2026 年 11 月 4 日：https://www.reuters.com/business/media-telecom/google-extends-voluntary-buyout-offers-employees-several-countries-2026-11-04/（Reuters 轉載備援：Euronext）

[3] Figma Investor Relations，〈Figma Announces Third Quarter 2026 Financial Results〉，2026 年 11 月 4 日：https://investor.figma.com/news-events/news/news-details/2026/Figma-Announces-Third-Quarter-2026-Financial-Results/default.aspx

[4] Alphabet Investor Relations，〈2026 Q3 Earnings Call〉，2026 年 10 月 28 日：https://abc.xyz/investor/events/event-details/2026/2026-Q3-Earnings-Call-2026-Ujou16CTw9/default.aspx

[5] Reuters，〈Figma banking on AI credits, in-house model to lift margins〉，2026 年 11 月 4 日：https://www.reuters.com/technology/figma-banking-ai-credits-in-house-model-lift-margins-2026-11-04/（Reuters 轉載備援：StreetInsider）

圖片資訊

封面為原創 AI 編輯式拼貼，使用組織、成本與工作流程的抽象符號，不代表三家公司內部實際畫面。