中小企比較 AI 顧問報價時，最重要看甚麼？

先比較工作範圍和交付物，而不是只比較總價。確認報價是否包含流程診斷、資料與權限盤點、試行、測試、驗收、文件、交接及上線後監察，並列明不包含的第三方費用。

AI 顧問是否應該先做概念驗證？

可以，但要先講清楚概念驗證只回答技術可行性，還是已經包含真實使用者、受控資料、系統接駁和驗收。若目標是投入日常工作，後續仍需要營運試行。

導入 AI 是否一定要更換現有系統？

不一定。很多試行可透過 API、自動化平台或受控介面連接現有 CRM、文件庫和通訊工具；是否更換系統應由流程、資料、權限、成本及長期維護需要決定。

AI 試行通常應該量度哪些指標？

按場景選擇少量可比較指標，例如每宗處理時間、返工率、人工抽查通過率、首次回應時間、完整 Lead 比例、每宗成本和使用者採用率。開始前與試行後必須使用同一口徑。

使用 AI 處理個人資料時應注意甚麼？

先確認收集目的、資料種類、處理及保存位置、存取權限、第三方角色、保留與刪除安排，再按風險設定測試、安全措施和人工監督。涉及具體法律責任時，應另行取得私隱或法律專業意見。

香港中小企如何選擇真正能落地的 AI 顧問？7 項評估清單

香港中小企如何選擇真正能落地的 AI 顧問？

先看結論：比較顧問，不要先比較模型

香港中小企選擇 AI 顧問時，最值得比較的不是對方使用哪一個模型，而是能否把一個真實工作流程的責任人、現況基準、所需資料、風險、驗收條件和交接安排說清楚。示範可以證明某件事「可能做到」，但只有可量度、可覆核、可回復和有人負責的流程，才有機會進入日常營運。

以下七項標準，可以直接用於第一次供應商會議、方案比較或試行審批。

為甚麼「示範很好看」仍然可能無法落地？

生成式 AI 很容易在乾淨樣本上做出吸引的畫面，但企業日常工作通常包含權限、例外、舊系統、個人資料、人工判斷和責任邊界。真正的難度不是讓模型回答一次，而是讓整個流程在錯誤、資料不足或人員轉換時仍然可控。

香港數字政策辦公室的 AI 框架把原則、實務和評估放在一起，並提醒使用者處理資料外洩、模型偏差及錯誤等風險。私隱專員公署的 AI 個人資料保障模範框架則把企業需要處理的工作分成四個範圍：策略與治理、風險評估與人工監督、資料及系統的實施與持續監察，以及持份者溝通。這些要求共同指出一件事：企業採購的不是一次示範，而是一套要被管理的營運能力。

七項 AI 顧問評估標準

1. 先定義工作流程，而不是先推銷工具

合適的顧問應先問：誰在做這項工作、每月出現多少次、最花時間的是哪一步、有哪些例外、錯誤會造成甚麼影響，以及最後由誰負責。若方案一開始只有模型名稱、功能清單和授權費，卻沒有流程圖與責任人，後續很容易變成找場景配合工具。

兩名營運人員以紙本流程圖標記工作步驟、例外分支、責任人與處理時間。 — 先把現況、例外和責任人放在同一張流程圖上，才決定哪些步驟值得使用 AI。

你應該收到的第一批交付物，是現況流程、問題定義、使用者、資料來源、限制及優先次序，而不是一份塞滿產品截圖的簡報。

2. 能夠分清 AI、規則與一般自動化

不是每一個步驟都需要 AI。固定格式搬運、條件清楚的審批和確定性的計算，通常更適合規則或一般自動化；分類、摘要、抽取或需要處理自然語言的步驟，才可能需要 AI。好的設計往往是三者混合，而不是把整條流程交給一個 Agent。

請顧問逐步解釋為甚麼需要 AI、若不用 AI 有甚麼替代方案，以及模型失效時哪部分仍可繼續運作。

3. 在開發前寫下基準、驗收與停止條件

如果開始前沒有基準，完成後便很難判斷「快了很多」是否真的有商業價值。基準可以很簡單，例如每宗處理時間、返工次數、首次回應時間、完整 Lead 比例或人工抽查通過率。

每個試行至少要有三類條件：成功條件、不可接受的風險，以及何時暫停或回復原流程。NIST 的 AI 風險管理核心以 Govern、Map、Measure、Manage 組織工作，並強調測試、量度、監察和 go/no-go 決定應貫穿系統生命週期。這也是為甚麼驗收不能等到最後一星期才討論。

4. 把資料、權限和供應商責任列成清單

企業應知道甚麼資料會進入系統、資料來自哪裏、誰可以查看、會否送到第三方、保留多久，以及能否刪除或匯出。涉及個人資料、客戶機密或跨境處理時，更應在試行前確認合約、處理角色和保安安排。

兩名員工按權限與保留安排，把文件分到以顏色和形狀雙重標示的資料匣，桌上有鎖箱與門卡。 — 資料清單要同時交代來源、權限、第三方角色、保留和刪除安排，不能只寫一句「資料安全」。

私隱專員公署的框架特別把供應商治理、資料安排、輸出處理、模型測試、系統保安和持續監察列入建議範圍。這不代表填完一張表就等同合規，但能讓負責人及早看見需要進一步法律、私隱或保安審視的地方。

5. 說清楚人工覆核、錯誤處理與回復方式

「有人覆核」不能只是一句保證。方案應具體說明哪些輸出必須批核、覆核者會看到甚麼來源或理由、如何標記錯誤、錯誤如何回到改善流程，以及系統出事時如何切回原有做法。

覆核人員對照螢幕上的 AI 草稿、紙本來源與檢查表，決定批准或退回修正。 — 有效的人工覆核要讓負責人看見來源和差異，並能清楚批准、退回及留下紀錄。

風險愈高，人工控制通常要愈強。私隱專員公署亦建議按風險採用相稱的人工監督。對報價、法律文件、信貸、人事或涉及重要客戶決定的流程，不應用低風險內容生成的標準直接放行。

6. 交付可以運作的試行，而不是永遠停在概念驗證

概念驗證回答「技術上能否做到」；營運試行則要回答「真實使用者能否在受控範圍內使用」。兩者都可以有價值，但報價和里程碑必須講清楚目前是哪一層。

一個可評估的試行通常包含：限定場景、真實但受控的資料、實際使用者、接駁方式、測試集、驗收報告、風險紀錄及下一步決定。若所有測試都由供應商自己挑選，企業便沒有足夠證據決定是否擴展。

7. 在簽約前確認交接、監察與退出安排

AI 系統會受模型版本、資料分布、提示、第三方 API 和使用方式改變影響，因此上線不是項目終點。ISO/IEC 42001 的管理系統思路強調建立、實施、維持及持續改進；對中小企而言，不一定要立即追求認證，但應採用同一個務實原則：有人負責、留有紀錄、定期檢查，並知道何時停用。

顧問把帳戶金鑰、分頁操作手冊、工作流程及監察儀表交給企業負責人核對。 — 交接應包括企業持有的帳戶、可匯出的工作流、可接手的文件，以及看得懂的監察紀錄。

簽約前應確認程式碼、提示、工作流、帳戶、日誌和文件由誰擁有；供應商離場後誰能維護；模型或費用改變時如何處理；以及資料與設定如何匯出或刪除。

第一次會議可以直接問的 12 條問題

你建議先改善哪一個具體流程？為甚麼不是其他流程？
這一步真的需要 AI，還是規則或一般自動化已經足夠？
開始前會記錄哪些現況基準？
試行的成功、停止和回復條件是甚麼？
會使用哪些企業資料、個人資料和第三方服務？
資料會在哪裏處理和保存？誰有權限？
哪些結果必須由人批核？覆核者會看到哪些依據？
如何測試錯誤、偏差、資料外洩和不當輸出？
真實使用者會在甚麼階段參與測試？
試行完成後，我們實際取得哪些文件、帳戶、程式和工作流？
上線後由誰監察成本、品質、故障與模型變更？
若項目無法達標，如何停止並取回或刪除資料？

四個常見警號

未了解流程和資料便承諾節省比例或收入增長。
把所有問題都歸因於模型不夠強，沒有討論權限、資料品質和使用者採用。
只展示供應商挑選的成功例子，沒有測試集、錯誤紀錄或失敗條件。
報價沒有交接文件、帳戶擁有權、監察安排和退出方案。

一個務實的 90 日試行框架

首 30 日用於定義流程、基準、資料、風險與驗收；第 31 至 60 日建立受控原型，讓少量真實使用者測試；第 61 至 90 日比較結果、修正流程並作出擴展、維持、重做或停止的決定。實際時間要按系統接駁和風險調整，但每個階段都應有可檢查的交付物，而不是到最後才一次過展示成果。

把一個真實流程帶來，會比一份 AI 願望清單更有用

如果你正比較香港 AI 顧問，可以先選一個高頻、耗時、容易出錯而且有明確負責人的流程。Team-E 的 AI 顧問服務會先做流程與機會診斷，再按需要進入 AI 工作流整合或輕量 AI 應用 MVP。第一次討論不需要先決定模型；帶同現有步驟、樣本和你最想改善的指標，已經足夠開始。

主要參考資料

本文引用的香港及國際框架只作採購和項目管理參考，不構成法律意見，也不表示採用個別做法便已符合所有法規或取得任何認證。