香港企業已把 AI 視為提升生產力的重要投資，但資金投入與實際業務回報仍有明顯落差。Accenture《Hong Kong AI Index 2026》訪問 150 名本港企業高層，發現只有 12% 的戰略性生成式 AI 投資成功擴展至規模化應用。企業高層同時預期，未來 18 個月生成式 AI 可提高生產力 15%、收入 14%，並削減成本 11%。這些數字反映管理層的期望，並非已取得的財務成果。
對行政總裁及財務總監而言，最迫切的決定可能是重新審批 AI 預算：哪些試點值得擴大、哪些應停止，以及下一筆資金應花在新模型、數據整理還是工作流程改造。報告顯示，現時只有 3% 企業把 AI 及數據全面納入核心業務策略，只有 34% 表示 AI 在多個部門持續產生一致價值，或已在全公司實現廣泛而持久的價值。
▲ 香港企業對 AI 發展抱有高度期望，但現時只有 3% 受訪企業自評具備較高水平的 LLMOps 能力，13% 達到較高負責任 AI 水平。兩項比例預期於未來 18 個月分別升至 47% 及 79%，反映企業的部署目標與現有能力仍有明顯差距。
先為每個 AI 項目訂回報門檻 不要用試點數量衡量成績
調查把受訪機構按能力分為起步者、追趕者及先行者。當中先行者已有 22% 的戰略性生成式 AI 投資實現規模化，亦較其他組別有大約兩倍機會表示數據與 AI 投資回報超出預期。這仍然不是所有項目均有利可圖的證據，但顯示較成熟企業更有能力篩選並持續運作有價值的應用。
報告引用國泰航空做法作例子。國泰把實驗與規模化部署分開管理，初期容許團隊快速測試新想法，確認具體價值後，再按業務成果、系統整合及問責要求作更嚴格審批。對香港企業來說，可以在試點開始前定下每宗交易成本、處理時間、錯誤率或客戶服務質素等指標，再按結果決定擴展、修改或終止，而非單憑使用人數或員工試用反應批出下一期預算。
AI 的持續成本同樣需要獨立核算。報告提醒企業留意工作是否被分派到超出需求的高階模型，以及 Token 用量有否對應可量度的業務成果。若欠缺這套成本與成果對照，即使應用使用量上升，也難以計算真正的投資回報。
▲ Accenture 研究把香港企業分為起步者、追趕者及先行者。當中先行者在 AI 與數據策略、LLMOps 及 AI 平台成熟度方面，分別達到起步者的 5.1 倍、4.6 倍及 3.6 倍，顯示規模化應用需要企業同時建立策略與技術管理能力。
保誠把 AI 準確率由約 50% 提至 98% 先整理企業知識才談模型升級
報告其中一個最具操作價值的香港案例來自保誠。保誠早期為保險代理建立 AI 助手，把多年產品資料、定價資訊及常見問題整合成知識庫，最初準確率只有約 50%。其後公司按 8 個業務領域重新組織資料，加入查詢路由層，讓問題進入最相關的業務內容，準確率隨後升至約 98%。
這個案例的重點是企業數據的分類、語義及查詢路由會直接影響 AI 表現。對持有大量保單、產品條款、客戶紀錄及內部操作指引的銀行、保險、物流或零售企業，單純把文件放進同一知識庫並不足夠。採購更昂貴模型前，資訊科技主管應先檢查資料權限、版本、所屬業務範疇，以及系統能否把查詢送到正確資料來源。上述準確率是保誠個別應用的改善結果，不宜直接套用作其他企業可達到的指標。
AI Agent 規模化受舊系統限制 多模型架構可降低供應商依賴
Agentic AI 是下一輪技術投資焦點，但只有 1% 受訪企業已把相關技術整合至多個業務部門，41% 把缺乏彈性的舊有基建視為主要障礙。另一方面，57% 企業已使用來自最少兩個供應商組別的大型語言模型，涵蓋內地、香港及國際供應商。多模型環境令系統整合、合規及用量成本管理變得更重要。
渣打香港在報告中介紹了不依賴單一模型的架構，把業務應用與底層模型分開，方便按照不同市場技術及監管要求調整。對需要跨境營運的香港企業，這種設計可讓模型按成本、能力及適用要求更換，但同時需要統一的業務資料語義、模型調用管理及存取權限。採購時應把日後轉換供應商的成本、資料接駁方式及系統維護能力列入評估，而非只比較模型回答分數。
工作流程不改 AI 帶來的省時未必能轉成盈利
只有 19% 香港受訪企業視流程及系統重設為擴大 AI 的重要條件，僅 26% 計劃重新設計員工職責。與此同時，雖然 78% 對吸引人才有信心，現時卻只有 15% 具備支援 AI 創造價值所需的新興專業技能。報告指出，企業若只在原有工作上增加 AI 工具，效益容易局限於個別職位，未能連接至完整業務流程。
管理層宜先把一項流程分拆，分清哪些步驟適合自動化、哪些可交由 AI Agent 處理，以及哪些判斷和審批必須由人負責，再重訂職責和培訓。衡量成效時，完成工作的時間縮短，未必等於人手成本同步下降；只有整體產出、服務能力或營運開支實際改變，才能反映在企業業績。
負責任 AI 預算偏低 治理要落在審批權與員工參與
調查顯示，負責任 AI（RAI）平均只佔企業數據及 AI 預算的 13%。目前僅 13% 受訪企業自評達到較高 RAI 能力水平，34% 具備成熟的風險識別及管理能力。值得留意的是，90% 管理層認為已有成熟問責機制，85% 認為透明度成熟，但另一項員工調查顯示只有 40% 員工覺得自己能參與 AI 引入方式的決定。管理層與前線員工對治理的認知存在差距，亦可能影響新工作流程的落實。
企業部署可自主執行工作的 Agent 時，應清楚列出可讀取哪些資料、可作出甚麼操作、甚麼情況下必須交人審批，以及事故由誰負責。這類治理措施需要納入系統設計、供應商評估及日常營運，而非完成合規文件便算數。
整份研究為本港企業提出一個實際預算排序問題：先證明某項 AI 投資能改善業務成果，再逐步補足資料架構、流程設計、跨模型管理與管治能力。調查涵蓋 2026 年 3 月至 4 月、9 個行業的 150 名本港高層，以上百分比以受訪者回答及研究分類為基礎，反映企業現況與預期，不能理解為全港企業已實現的平均財務回報。
