亞太政策倡議研究所（ASAP）專欄｜張博宇、張芷萱

AI的浪潮席捲全球，香港的企業亦不例外，本地2025年針對職場AI使用情況的調查顯示，近九成受訪企業員工已經在日常的工作中使用AI，超過九成的受訪企業有計劃將AI引入工作流程中，更有四分之一的受訪企業提出將會在一年內部署。數字背後所呈現的，是AI正在悄然重塑傳統工作模式。擁抱AI、真正運用AI提升工作效能，已不僅是一個選項，而是企業謀求長遠發展的必然方向。然而，要讓AI真正落地卻說易行難，企業想「坐火箭」級別的爆升營運效率，有三大難題需要解決。

最高領導層對AI的深入了解及全力推動

企業若要將AI深度融入業務流程，關鍵在於高層管理人員對AI的深入理解，包括哪些流程適合導入AI、如何有效運用，以及員工應於何時介入AI運作，並由上而下全力推動落實。然而，根據2026年麥肯錫的調查，香港企業中只有14%的高層管理人員每天多次使用AI工具，這相比中低層員工低4至5倍。此情況易導致AI推動變成由下而上的模式，即由中低層員工提案，提出AI的應用場景與工具選項，上層再決定是否採用。

然而，中低層員工往往缺乏足夠權限修改既有流程，而上層亦可能因對AI認知不足作出錯誤決策，包括過度採用或過度審慎而棄用。即便情況理想，影響亦僅局限於個別部門或單位，難以推動企業層面的整體變革。企業若要大規模推行AI變革並實現深度應用，有賴高層管理人員的全力主導，而高層若要作出正確決策，則必須對AI具備深入透徹的理解。

數據安全的兩難境地

即便高層對AI具備深入認知且推動意志堅定，企業在推進AI落地的過程中仍面臨一個幾乎無法迴避的結構性困境，即數據安全問題。AI的價值在於對數據的深度分析、洞察與整合，而企業最有價值的資產，往往也正是那些最敏感的數據，比如客戶資料、財務紀錄、業務策略等。如何在釋放AI潛力的同時，確保這些數據的安全與合規，是擺在每一位企業決策者面前的現實難題。

倘若選擇在企業內的伺服器部署及訓練開源模型，數據確實可以完全保存在企業內部，不存在數據外流或跨境存儲的風險，安全性有保障。然而問題是，這做法的成本高昂，需要組建具備相應能力的開發及維護團隊。對於大型企業而言，這或許還是一個可以承受的戰略投資，但對於中小型企業而言，這巨大的投入難以取得相應的回報。

相反，若直接採用網上AI工具或接入應用程式介面（API），雖然部署快、成本低，但資料須傳輸至第三方AI供應商，且極可能涉及跨境傳送至香港以外的司法管轄區。因此，這做法往往需要企業承擔額外的數據洩漏風險。對於存有敏感數據的企業而言，這種部署AI的方式便不合適。

員工使用AI的KPI迷思

假設企業已獲得高層的強力推動，也找到了令人滿意的數據安全方案，AI工具已可在組織內廣泛部署，下一個問題就是如何設置KPI評估員工是否真正有效地運用AI進行判斷。

最簡單且可量化的KPI是直接追蹤AI使用情況，通過類似登入頻率、使用次數，以及「token消耗量」來評估員工是否有使用AI，用量有多大。然而，這種評估方式的缺陷在於，當員工的表現評估與token消耗量掛鉤，部分員工便會開始以最大化消耗為目標，頻繁向AI系統提問、刻意延長對話，甚至讓AI生成不必要的冗長內容。而這些並不會對員工的工作質素、判斷力或效率帶來實質性的幫助。這種被稱為「Tokenmaxxing」的現象實際上是一種普遍的企業AI應用困境，當AI使用量本身成為目標，KPI便會偏離提升效率的核心目的。企業高層會見到AI使用量持續增加，但實際營運效率卻沒有提升。

企業AI轉型並非簡單的工具部署

對企業而言，單純提供AI工具遠不足以實現倍數級的效率提升，真正所需的是一套由上而下的工作流程變革。首先，企業高層須親身深入了解AI，全面審視各業務流程的潛在應用場景，並明確界定員工介入AI運作的時機，方能實現精準部署，避免資源錯配。其二，就數據安全的兩難困境，企業須視乎自身數據的敏感程度作出取捨：所涉個人資料愈多、敏感度愈高，於企業內部伺服器自行部署AI模型的必要性便愈大，以確保數據合規與安全。其三，評估AI效益時，須由「用量為本」轉向「效率為本」，核心在於工作效率是否切實提升。例如原需一周完成的工作，若借助AI後可縮短至一至兩天，方可視為真正的效益。

作者張博宇是亞太政策倡議研究所ASAP研究總監；作者張芷萱為亞太政策倡議研究所ASAP研究員。

亞太政策倡議研究所（Asia-Pacific Society for Advocacy and Policy, ASAP）結合嚴謹精闢的公共政策研究及積極倡議策略，將實證研究轉化為政策推動力。

文章僅屬作者意見，不代表香港01立場。

01專欄精選不同範疇專家，豐富公共輿論場域，鼓勵更多維度思考。