治理缺失、數據信任不足與人才短缺共同制約AI規模化推廣進程。
香港企業正在加速引入AI智能體，但受制於薄弱的數據基礎、人才匱乏以及治理挑戰，大多數項目難以走出試點階段，實現真正意義上的規模化落地。
行業調研結果顯示，儘管85%的企業正在擴大AI應用範圍，但真正進入生產環境的項目占比依然偏低，這凸顯出探索性實驗與實際落地之間日益擴大的鴻溝。Databricks公司的Kunal Taneja表示，2026年將是一個重要轉折點。他說："2026年標誌著從AI實驗階段向能夠創造實際回報的生產級AI的轉變。"他強調，未來的AI系統將朝著"可靠、可治理、具備業務感知能力"的方向演進。
更高階AI系統的採用正在快速增長。Taneja指出："截至2026年初，客戶對多智能體部署的採用量增長超過300%，其中近90%的應用場景聚焦於實時處理。"這些系統正在顯著提升決策效率，在某一具體部署案例中，市場調研所需的時間從數周縮短至數分鐘。
然而，規模化推進的步伐並不均衡。Taneja坦言："如果你無法信任數據，就很難信任AI系統輸出的結果。"他指出，老舊基礎設施與數據孤島問題持續阻礙AI的深入應用。人才制約同樣不容忽視，超過25%的企業反映難以招聘到具備AI與數據科學專業能力的人才。
治理正成為決定AI成敗的關鍵因素。香港的監管環境強調"可解釋性、可問責性與數據治理"，但合規要求在一定程度上會拖慢部署進程。與此同時，那些提前布局治理框架的企業正在收穫更優異的成果，部分企業的項目生產部署率大幅提升。
香港科技大學張吉恆教授指出，更深層的結構性障礙依然存在。他表示："普通大眾對AI的認知仍然有限。"他進一步點出系統整合難題、安全風險，以及數字系統與實體運營之間的脫節等問題。
儘管挑戰重重，部分行業的AI落地進展明顯領先。金融服務業憑藉結構化數據資源和成熟的業務流程，處於採用前沿。某保險公司通過AI驅動的數據分析，實現了客戶互動量和潛在客戶獲取量的翻倍增長；電信和物流企業也在積極探索AI在欺詐檢測和供應鏈協同方面的應用。
總體趨勢已然明確：AI的採用正在加速推進，但能否實現規模化，最終取決於治理體系是否健全、數據是否值得信賴，以及人才儲備是否充足。對於企業而言，下一階段的競爭焦點將不再是探索性實驗，而是能否在安全、整合、治理完善的體系內真正實現AI的落地運營。
Q&A
Q1：香港企業在AI智能體落地過程中面臨哪些主要障礙？
A：目前香港企業AI規模化落地面臨三大核心挑戰：一是數據信任問題，老舊基礎設施和數據孤島導致AI輸出結果難以可信；二是人才短缺，超過25%的企業無法招募到具備AI與數據科學能力的專業人員；三是治理難題，香港監管環境對可解釋性和數據治理要求較高，合規流程在一定程度上拖慢了部署速度。
Q2：多智能體部署的增長情況如何？主要用在哪些場景？
A：根據Databricks公司數據，截至2026年初，客戶對多智能體部署的採用量增長超過300%，其中近90%的應用場景集中在實時處理領域。在實際案例中，某企業通過多智能體部署將市場調研周期從數周縮短至數分鐘，大幅提升了決策效率。
Q3：哪些行業在香港AI落地方面走在前列？
A：金融服務業目前領跑香港AI應用，主要得益於其結構化數據基礎和成熟的業務流程。某保險公司藉助AI驅動的數據分析，實現了客戶互動量和潛在客戶獲取量的翻倍增長。此外，電信和物流行業也在積極布局，重點探索欺詐檢測與供應鏈協同管理等應用方向。
