專家觀點/切忌「為AI而AI」：拆解AI轉型四大迷思\黎少斌

近年，人工智能（AI）浪潮席捲全球，無論是企業還是公共服務領域，面對業務痛點時，最常見的直覺反應往往是：「不如用AI吧！」、「不如開發一個AI代理！」甚至「直接應用大型語言模型！」

然而，在香港生產力促進局推動及落實眾多AI應用項目的過程中，我們得出一個至關重要的體會：切忌「為AI而AI」。面對挑戰，首要問題不應是「這裏該如何應用AI」，而是必須反思：「我們真正想解決的業務或公共服務痛點到底是什麼？」

總結實戰經驗，成功落實AI轉型必須打破以下四大迷思：

一、工具越強不代表越合適：別用「打樁機」去釘釘子

許多業務問題根本不需要動用AI。舉例而言，如果一項工作僅需幾條商業規則或傳統規則系統便能妥善處理，為何要耗費資源去調動一個擁有數百億參數的大型模型？這猶如為了在牆上釘一顆釘子，而專門駛來一部打樁機。

企業必須明白，AI並非免費午餐。每次調用模型均牽涉詞元（Token）、算力與平台成本；模型越龐大，成本自然越高。此外，還需顧及系統整合、測試、網絡安全及後續維護。因此，首要原則是：以最簡單、最合適且成本效益最高的方法，去解決真正具價值的問題。

若傳統自動化能勝任，就用自動化；但若問題涉及大量非結構化數據、複雜語言理解及高階分析，這才是AI真正創造價值、值得大膽嘗試的領域。

二、重新設計工作流程，而非硬塞AI進入舊有系統

我們不能僅僅將AI視為一個外掛組件，硬塞入現有的工作流程中。管理者必須重新評估：哪些工作AI做得更好？哪些工作人類無可替代？

AI擅長高速處理海量數據、進行初步分析、尋找規律及撰寫初稿。然而，當事情涉及同理心、深層商業判斷、豐富經驗，以至需要承擔最終責任時，人類的角色依舊不可或缺。

真正的價值並非「AI取代人類」，而是「人類結合AI，能否成就以往無法實現的創新與效率？」

三、摒棄「完工即止」心態，建立持續反饋機制

傳統的IT系統具備確定性——輸入A，永遠得出B。但生成式AI（Generative AI）並非如此

這意味着AI項目絕對不能「整完就算」。機構必須建立嚴謹的測試、量度與監察機制（Feedback Loop）：AI輸出的準確度如何？是否存在「幻覺」（Hallucination）？使用者是否感到真正受惠？實際節省了多少時間？創造了多少商業與社會價值？我們不應只問「這個AI系統能否運作」，更要問「這個AI有否實質推動業務或服務升級」。

四、堅守管治與問責：決策責任絕不可外判

隨着AI參與度提升，數據安全與管治（Governance & Data Security）變得前所未有地重要。機構必須清晰界定：AI可以讀取哪些數據？哪些屬絕對機密？哪些層級的決策必須經由人類審批？

最核心的底線是——無論AI提供了多麼詳盡的建議與分析，最終的問責（Accountability）絕不能外判予AI。AI只是提供建議的顧問，承擔最終責任的，永遠是我們自己。

總括而言，一場成功的AI轉型，本質上並非單純的「IT項目」，而是一場由AI驅動的業務與服務轉型（Business Transformation）。真正的贏家，是那些懂得洞察何處該用AI、何處不該用，知曉何時該信任演算法，以及何時必須堅守人類判斷的決策者。記住，AI只是工具，創造實質價值才是我們的最終目的。

香港生產力促進局首席數碼總監