九成AI試點為何失敗？企業擴展框架解析

九成半企業生成式AI試點項目，最終未能為損益表帶來任何可量化的影響。這不是評論員的猜測，而是麻省理工學院NANDA研究計劃在2025年《State of AI in Business》報告中的結論，基於150次領袖訪談、350名員工調查，以及300個公開AI部署案例的分析。當中涉及的投資金額，估計達300至400億美元，而大部分項目從未成功擴展。

為什麼九成企業AI試點項目無法成功擴展？

大多數企業AI試點失敗，並非因為模型能力不足，而是因為企業從未建立起模型運作所需的流程、數據與治理架構。麻省理工的研究人員將此稱為「學習落差」：通用工具在個人使用層面表現良好，但一旦碰上從未為AI重新設計過的企業流程，便會停滯不前。

企業主管往往將失敗歸咎於法規、預算或模型表現，但數據指向另一個方向。受測工具在原始能力上其實相差不遠，真正決定成敗的，是企業把試點當成一次性技術採購，還是當成一次營運模式的改變。

什麼是「GenAI鴻溝」？對香港企業有何意義？

「GenAI鴻溝」描述的，是少數能將AI試點擴展為可量化業務成效的企業，與大多數試點永遠停留在概念驗證階段的企業之間，日益擴大的差距。對香港的中型企業而言，這道鴻溝疊加了原有的劣勢：內部AI團隊規模較小，亦沒有太多空間去承受一次失敗的50萬港元試點而不被董事會追問。

一間200人物流公司的數碼轉型主管，與一間跨國銀行的同級主管，面對的都是同一個九成半失敗率，但銀行可以把失敗的試點當作誤差範圍內的損失，中型企業卻不能，正因如此，這篇文章提出的框架對香港企業板塊而言更加重要。

成功擴展的一成試點，跟其他項目有什麼分別？

能夠成功擴展的AI試點，有一個共通的結構性特徵：由供應商夥伴主導的部署，成功率約為67%，純內部自行開發的則只有33%，原因是夥伴帶來了可重複使用的整合模式、治理範本，以及跨行業的實戰經驗，而內部團隊往往要從零開始摸索。

第二個特徵是量度的紀律。能夠成功擴展的企業，會在試點開始前，而不是在管理層要求匯報時，先定義試點必須推動的具體業務指標，例如每筆交易成本、處理週期或錯誤率。

第三個特徵是問責。試點的成敗由一位業務方負責人承擔，而不是單靠IT部門。根據麥肯錫2026年對企業AI擴展的分析，只有39%的企業表示AI為其EBIT帶來任何影響，而問責結構正是有匯報成效與沒有成效的企業之間，最明顯的分野之一。

如何設計一個從第一天起就為擴展而生的AI試點框架？

一個為擴展而設計的AI試點框架，在試點動工之前，先回答四個問題：試點要推動哪一個具體指標、由誰負責這個指標、AI需要哪些企業目前尚未具備可用格式的數據，以及若試點成功，全企業推行的路徑是什麼。

第一個問題逼使企業具體化目標。「改善客戶服務」不是一個指標，「將一線WhatsApp查詢的平均處理時間縮短20%」才是。

第二個問題指定一位業務負責人，通常是試點所影響KPI的部門主管，與IT部門並肩合作，而不是把責任全盤交給IT。

第三個問題及早揭示數據缺口。Gartner 2026年針對智能體AI的研究發現，52%的企業指出數據品質是擴展AI智能體的首要障礙，排名在預算與模型選擇之前。

第四個問題是大多數試點完全略過的部分：推廣到接下來的10個部門，實際需要多少人手、培訓與系統權限，這些資源是否已在試點開始前到位。

這個框架套用在真實香港企業會是什麼情況？

設想一間300人的物業管理集團，正在試行AI處理租戶查詢。試點在示範階段表現亮眼，回覆草擬時間大幅縮短。三個月後，採用率卻只有15%，原因是AI生成的內容仍需人手重新排版，以符合公司合規要求的回覆範本，這正是試點過程中無人梳理的數據與流程缺口。

若一開始就套用四問框架，這項範本整合需求本應在第一週就被發現，而不是拖到第三個月。真正需要的並非更強的模型，而是三星期的流程工程，理應在試點預算中一併計算。

這種模式在香港的金融服務、專業服務與零售連鎖企業中不斷重演。根據麥肯錫的數據，金融服務企業的生成式AI回報率最高，達投入資本的4.2倍，原因正是它們在流程與治理層面投入更多。

哪些常見陷阱會在AI試點擴展之前就將其扼殺？

最常見的陷阱，是把試點當成一次性IT項目，而不是一次營運模式的改變，結果一旦最初的熱度消退，就沒有業務負責人為其問責，試點便悄然停擺。

第二個陷阱，是選擇試點用例時著眼於能見度而非可量度性。看起來吸睛卻無法量度的試點，只能產出漂亮的示範，卻無法向董事會提供站得住腳的理據。

第三個陷阱是低估變革管理的重要性。Gartner預測，到2027年將有超過四成的智能體AI項目遭到取消，主因是業務價值不明確與風險控制不足，而非技術本身失效。

第四個陷阱是香港中型企業特有的：為節省成本而完全自行開發，結果發現內部成功率只有夥伴模式的一半，此時重新開始的成本早已超過當初找夥伴合作的費用。

怎樣判斷試點已經準備好在全企業推行？

當試點已連續一個完整業務週期推動預先定義的指標、負責部門無需試點團隊手把手支援也能自行操作工具、而且試點期間發現的數據與流程缺口已被真正修補而非暫時繞過時，這個試點才算準備好在全企業推行。

只要三個條件中有任何一項缺失，擴展試點只會等於擴展那個權宜之計，而失敗只是延後出現，成本更高，牽連的部門也更多。

策略結語

九成半的失敗率，不是企業放慢AI步伐的理由，而是重新定義「啟動試點」意味著什麼的理由：更少的示範、更明確的指標、指定的業務負責人，以及在寫下第一句提示詞之前，一次誠實的數據準備度檢查。

UD在香港董事會走過28年，見證由ERP到雲端再到AI的每一次技術浪潮，而這個道理始終不變：能夠成功擴展的企業，都是把技術當成營運模式改變，而不是一次採購的企業。懂AI，更懂你，UD相伴，AI不冷。

了解了框架，下一步是在投入預算之前，先找出你的企業試點會在哪裡卡關。UD團隊手把手帶你完成每一步，從AI準備度評估、指標設計、數據缺口診斷，到為擴展而生的推行計劃，憑藉28年香港企業服務經驗，全程陪你走。