簡短答案
香港企業導入 AI，真正要管理的是資料、判斷、權限、行動和責任。Harry Lui 提出四層 AI 判斷系統，協助管理層將經驗轉化為可治理的企業能力。
不少企業以為，導入 AI 的第一步是選擇模型、購買軟件或安排員工學習提示詞。這些工作有其必要，但它們並不是企業 AI 轉型最困難的部分。
真正困難的是：當 AI 開始閱讀客戶資料、分析營運情況、提出價格建議、篩選商機，甚至觸發下一步行動，企業是否清楚知道它根據甚麼作出判斷、誰有權批准，以及結果出錯時如何追溯？
AI 導入企業之後，改變的不只是工作速度，更是判斷權的分配。企業因此需要管理的，不再只是「員工有沒有使用 AI」，而是「哪些判斷可以交給 AI 協助，哪些決定必須由人負責」。
從自動化流程升級為判斷系統
傳統自動化通常處理規則清晰的工作，例如收到表格後發出確認信，或在指定日期生成報表。AI 則會參與理解、分類、比較、推論和建議。這些工作往往存在不確定性，也會受到資料品質和情境影響。
因此，企業需要建立四個相連的層次。
第一層是事實
AI 使用甚麼資料？資料是否完整、最新並獲授權使用？客戶的原話、合約條款、產品資料和內部紀錄，有沒有被意見或推測混在一起？
缺乏可靠事實，AI 只會更快地產生看似完整的答案。企業不應先追求模型多聰明，而應先確保重要資料有來源、有版本、有責任人。
第二層是判斷
同一批資料可以產生不同結論。企業要把優秀管理者和前線同事的判斷方式拆開：他們留意甚麼訊號、如何處理矛盾、甚麼情況需要補充資料、甚麼情況不能作結論。
當判斷標準被清楚表達，AI 才能成為輔助者，而不是憑空給答案的黑盒。
第三層是行動
建議與行動必須分開。AI 可以建議調整報價、優先跟進某位客戶或要求補交資料，但是否可以直接發送、修改或承諾，應按風險設定不同權限。
低風險工作可以自動執行；涉及金額、合約、客戶承諾、人事或敏感資料的工作，應保留明確的人手覆核及升級機制。
第四層是學習
每次判斷之後，企業需要保存結果：建議是否獲採納、實際發生甚麼、錯誤來自資料不足還是判斷規則不當。沒有這一層，AI 每次都只是在重新開始；有了結果回饋，企業才會逐步形成自己的判斷資產。
香港企業最容易忽略的三個缺口
第一個缺口，是資料分散。大量重要資訊留在 WhatsApp、電郵、個人電腦和同事記憶之中。AI 能否發揮作用，往往不是模型問題，而是企業沒有一個可信的資料入口。
第二個缺口，是權責不對等。企業要求同事為結果負責，卻沒有說清楚他們可以動用甚麼資料、可以承諾甚麼、遇到例外時由誰決定。AI 加入後，這個問題只會被放大。
第三個缺口，是只記錄答案，不記錄原因。半年後管理層看到一個決定，卻不知道當時有哪些限制和替代方案，便很容易重複討論，甚至再次犯下已經付過代價的錯誤。
管理層可以由一條流程開始
企業不需要一開始建立龐大的 AI 平台。可以先選擇一條高頻、耗時、容易出錯而又能量度成果的流程，例如報價、客戶跟進、投訴分類或管理報告。
先畫出現時流程，再回答五個問題：使用哪些事實、由誰作出甚麼判斷、誰批准下一步、結果如何量度、紀錄如何回到系統。完成之後，才決定哪些部分適合由 AI 協助。
這個次序很重要。若流程本身混亂，加入 AI 只會令混亂運行得更快。
AI Native 企業不是把所有事情交給 AI
真正成熟的 AI Native 企業，並不是讓 AI 自動處理一切，而是能夠清楚分配人與 AI 的角色：AI 負責整理大量資料、發現模式、提出選項和執行低風險任務；人負責目標、取捨、例外、承諾及最終責任。
企業競爭力最終不會只來自使用哪一個模型，而是能否把事實、判斷、行動和學習連成一套可追溯、可改善的營運系統。
AI 工具可以被所有競爭者購買。企業累積多年的判斷方式、客戶理解和營運回饋，才是較難被複製的資產。
實作補充
一條流程的 AI 治理檢查表
先選一條流程，逐格填寫；未確認之處先保留，不交由 AI 猜測。
填寫內容只保留在本頁，重新整理或離開後不會儲存；可用複製工作表保留文字。
討論問題
你目前的流程，最需要補清楚的是資料、批准權，還是回饋紀錄？
Smark Global 觀點
Smark Global 協助香港企業由 AI 培訓、真實流程實作，走向 AI Agent、ERP／CRM、數據整合及可量度的營運成果。
了解更多：Smark Global AI Academy →資料來源: Harry Lui 原創觀點文章
最後更新: 2026-10-02（首次發布: 2026-10-02）