由零到識用 AI：老闆嘅 90 日務實學習路線圖

你係一間香港中型公司嘅 CEO 或業務領導。你知 AI 係重要。你讀過頭條。你見過競爭對手實驗緊。但你對 AI 點樣實際運作識得唔夠去做真實決定。你講唔出乜係炒作同乜係真係可行。你冇明白你團隊講技術時講緊乜。

同埋你時間快用晒。

呢篇文章係你 90 日劇本。唔係大學課程。唔係「30 日學識 Python」。係你真正需要知嘅嘢，按你需要知嘅順序，咁樣你可以由「AI 聽起來重要」行到「我可以有信心做決定 AI 喺我業務邊個位置」。

第一個月：明白 AI 實際做乜（同啲乜唔做）

第 1-2 週：概念基礎

停止將 AI 當做一個科技。AI 係一個工具箱。每件工具解決唔同問題。你呢個月嘅工作係明白啲類別：

1. **生成式 AI**（ChatGPT、Claude）：攞一個提示（文本、圖像、音頻）然後生成啲新嘢。有用於：寫作、code 生成、摘要、創意工作、客服自動化。冇用於：財務審計、高精度醫療診斷、法律決定（唔經人類檢視）。

2. **預測式 AI**（機械學習）：攞歷史數據然後預測接下來發生乜。有用於：需求預測、流失預測、欺詐偵測、客戶分割。需要乾淨數據同係比生成式 AI 慢實施。

3. **電腦視覺**（圖像識別）：分析圖像同識別物件、模式、異常。有用於：質量控制、安全、庫存管理。對大部份中小企嘅投資回報率比較低。

4. **自動化/工作流 AI**：連接多個工具同根據規則觸發行動。有用於：減少手動批准步驟、自動化批准、系統間協調。最高立即投資回報率。

你嘅目標：到第 2 週尾，你應該聽到有人描述業務問題然後講：「咁聽起來係生成式 AI 問題」或「需要預測式 AI」或「我哋可以用自動化解決」。如果你講唔到，你未理解。

第 3 週：真實業務例子

讀三個 AI 實施案例，啲行業同你嘅相似（零售、軟件、物流、專業服務——無論乜啱）。當業務領導讀，唔係科技人讀。問：乜係問題？乜 AI 用咗？乜改變咗？耐冇？乜出錯？

你嘅目標：搵一個引起共鳴嘅例子。「咁基本上係我哋問題。」你會喺接下來三個月參考呢個例子。

第 4 週：啲乜實際限制 AI 依家

AI 好於：自動化 routine、基於規則嘅工作；大型數據集中嘅模式識別；生成文本、code、創意內容；根據歷史數據做預測。AI 差於：明白需要深度行業知識嘅上下文；做倫理決定；用極細數據集；保持秘密（數據隱私）；解釋點樣做咗一個具體決定。

你嘅目標：知啲限制，咁樣你就唔會提出注定失敗嘅項目（好似「用 AI 處理複雜法律爭議唔經人類檢視」）。

第 1 月里程碑：你可以描述四類 AI 並舉業務例子各一個？**

第二個月：識別你嘅具體機會

第 5-6 週：審核你自己業務

呢個係 90 日最有價值嘅工作。花兩小時同每個部門主管傾佢哋最大痛點：乜花最多時間？乜出錯率高？乜你每日手動批准？如果你可以喺 5 分鐘而唔係 5 小時攞答案，乜會改變？

唔好限制自己「AI 可以做呢個？」咁係錯嘅問題。問：「乜問題花咗我哋最多錢或時間？」然後搵出如果 AI 係答案。

你應該從呢啲對話行走出嚟，攞到 8-12 個具體痛點清單。唔係含糊嘅嘢好似「客服係慢」。具體：「客服代表每日花 6 小時 routine 查詢。咁係 48 小時一週。以 HK$200/小時加載成本，咁係 HK$9,600 一週。」

第 7 週：現實檢查你嘅機會

依家睇你清單。呢啲痛點當中，邊啲有呢啲特徵？

— 高容量（每日/週發生數百或數千次）

— 基於規則或模式（人類遵循一致流程）

— 可量度（你可以追踪係否改善咗）

— 昂貴（花費大量金錢或時間）

你嘅前 3-5 機會應該符合四個準則。呢啲係你試點。

第 8 週：AI 準備度檢查

對於你前三個機會，誠實答呢啲問題：

1. 你有冇高層買單去真正做改變如果呢個有效？（如果答案係「係，但係...」咁實際上係冇。）

2. 你可以量度成功？（如果你講唔出成功用數字，你唔知係否有效。）

3. 如果 AI 建議更好方式，你願意改變你流程？（如果你會拒絕 AI 建議因為「咁唔係我哋點做」，佢唔會有效。）

4. 你有現實數據？（如果你庫存系統係 1995 年嘅同充滿錯誤，預測式 AI 唔會有效。）

如果三個都係「係」，你有真實試點候選人。如果任何係「冇」，嗰個機會需要等。

第 2 月里程碑：你有 3-5 個具體、具體 AI 實施機會，按投資回報率排列。各有清楚成功衡量標準。**

第三個月：計劃你首個實施

第 9-10 週：揀你首個戰役

唔好試圖同時解決一切。揀你最高投資回報率機會，同時風險最低。呢個通常係客服自動化或發票處理（如果你數據係乾淨）。

依家研究：乜解決方案存在？Claude 驅動聊天機械人、工作流自動化工具、文件處理 AI、預測模型——乜係現成有？

你嘅目標：從供應商攞三個方案。唔好commit。只係明白：呢個花幾錢？部署耐幾耐？你要改變乜過程？

第 11 週：建造你試點計劃

同你團隊（或顧問）合作定義：

— 確切問題你解決緊

— 依家狀態（依家發生乜、花幾耐、花幾錢）

— AI 解決方案（乜工具、點樣有效）

— 成功衡量標準（回應時間、交易成本、準確度、客戶滿意度）

— 時間線（通常 4-12 週由決定到 live 部署）

— 預算（通常 HK$50,000-150,000 中型試點）

— 展開計劃（首先用交易子集試點、量度結果、然後擴展）

第 12 週：做決定

你依家有足夠資訊。問題唔係「AI 準備好？」問題係「我哋公司準備改變我哋點工作？」

如果係：Commit 去 90 日試點。撥預算。委派一個主人。設定每週檢視會議。

如果唔係：對理由誠實。係決心？係容量？係預算？命名真實阻擋並決定你會移除佢定係擱置呢個項目。

第 3 月里程碑：你有資金、已排期試點，有清楚衡量標準同領導承諾。**

你 90 日問責框架

唔好淨係讀呢個然後行。建造一個學習檢查清單。每個星期一，問自己：

— 第 1 月：我可以向冇技術背景嘅人解釋四種 AI？

— 第 2 月：我可以說明我哋前三 AI 機會同點樣佢哋關係？

— 第 3 月：我哋有資金試點同清楚衡量標準？

如果任何答案係「冇」，花下一週填補嗰個缺口。唔好向前行直到你有真實「係」。

領導層常犯錯誤（唔好係呢啲人）

「我哋會學多啲然後決定。」 呢個係拖延。到第 6 月，你知識會過時。喺上面時間線做決定。學習藉由做發生。

「我哋數據太亂予 AI。」 有時係真，但通常係藉口。用你最乾淨數據集開始。證明概念。邊個行邊修數據質量。

「AI 會取代我好員工。」 真係，但咁係重點。你問題應該係：「我競爭對手會用 AI 取代我員工 routine 工作，逼迫呢啲員工去更低值角色，定唔定？」如果係，打佢哋前。

「我哋需要完美 AI 解決方案。」 你唔。你需要 70% 到位嘅解決方案同願意有時出錯。快速部署、量度、調整。

「廠商承諾佢會有效。」 冇廠商可以承諾。佢哋可以承諾部署同支持。係咪真係提供價值取決於你執行、你數據、同你改變過程嘅意願。

加速學習路線

如果你有 90 日，遵循上面計劃。如果你有 30 日（因為董事會推緊），呢啲係關係緊嘅：

— 第 1 週：明白四種 AI（生成式、預測式、電腦視覺、自動化）。

— 第 2 週：審核業務同識別前 3 痛點。

— 第 3 週：研究解決方案同攞方案。

— 第 4 週：做試點決定同 commit 預算。

趕急，但係做得到。大部份快速行動嘅領導見到更快結果。

接下來發生乜（90 日後）

如果你試點成功（佢可能會），你會進入第 4 月用唔同問題：「我哋點樣擴展呢個？我哋下個機會係乜？」

到第 6-9 月，你應該有三個試點同時運行。到第 12 月，你應該有證明投資回報率同資金下一波 AI 項目由首個節省。

呢個係當 AI 停止係實驗同開始係你業務如何運作。

去測試你 AI 準備度同攞你業務位置個人化評估，用 UD 嘅 AI IQ Test 喺 https://ai-staff.ud.hk/iq-test。答 10 快問題關於你業務、你團隊、同你決心。你會攞清楚圖你是否準備依家行或邊度首先專注。

底線

你有每樣需要 90 日由零去 AI 流暢。你唔需要明白演算法點樣有效。你需要明白 AI 解決乜問題、點樣量度係否有效、同幾時你準備行。

依家同 AI 贏緊嘅領導唔係最聰明。係快速學習、喺時間線做決定（唔係完美地）、同整個首個實施顛簸保持承諾。

你可以做到呢個。九十日。三個月。一個試點項目。一個清楚承諾。

呢週開始。

電郵：[email protected] | WhatsApp：(852) 9696 7545