過去一年，AI 在香港企業之間的普及速度明顯加快。由 ChatGPT、Microsoft Copilot 到各類 AI 寫作、設計、數據分析及自動化工具，愈來愈多中小企開始接觸，甚至已經將 AI 放入日常工作之中。不過，對老闆來說，真正值得關心的問題其實已經不再只是「公司有冇用 AI」，而是「用了之後，究竟有沒有令生意做得更快、更省人手，或者令同一班同事可以處理更多工作」。
香港生產力促進局在 2025 年底訪問了 819 間本地中小企，調查顯示，55% 受訪企業已經使用 AI，或者計劃在未來一年開始使用。這個數字反映 AI 已經由少數科技公司的工具，逐步變成一般中小企都會接觸的營運議題。不同行業的步伐亦有明顯差距，例如資訊及通訊業的比例達 92%，專業及商業服務業為 72%，金融及保險業為 62%，製造業亦達 60%。
不過，55% 並不等於今日已有 55% 香港中小企完成 AI 導入，因為當中同時包括「已使用」及「計劃未來一年使用」的企業。更準確的理解應該是，香港中小企已經開始進入 AI 應用階段，但每間公司的使用深度仍然差很遠。有些公司只是個別同事偶爾用 AI 修改電郵、翻譯或整理文件，有些則已經將 AI 應用在客服、銷售、報告、內容製作和資料處理之中，亦有少部分企業開始將 AI 接入正式工作流程。
AI 用得愈多，不代表公司的效率一定同步提升
在已經使用 AI 的中小企之中，75% 表示 2025 年的 AI 使用程度比前一年增加，而 59% 同時使用多於一類 AI 工具。這些數字表面上反映市場使用速度相當快，但另一邊只有 27% 受訪企業計劃在未來一年增加 AI 投資，這個落差其實很值得中小企老闆留意。
其中一個很現實的原因，是企業開始發現「AI 好用」和「AI 值得公司持續投資」並不是同一回事。公司可能同時訂閱幾個不同平台，Marketing 用一套，Sales 用另一套，行政同事又自己使用免費 AI 工具，每個人都覺得工作方便了，但如果老闆最後問「究竟每個月省了多少時間」、「少了多少重複工作」、「客戶回覆速度快了多少」或者「營業額有沒有因此增加」，公司卻未必有清楚答案。
這正正是很多企業目前所處的階段。AI 帳戶多了，工具多了，員工使用頻率高了，但工作流程本身未必真正改變。如果 AI 只是在原有流程之上多加一個工具，而沒有重新整理工作方法，公司未必能將 AI 的價值真正放大。
香港企業常見的情況，是員工行得比公司制度更快
另一個值得注意的現象，是很多員工其實已經自行開始使用 AI，但公司的正式制度、培訓和管理未必同步跟上。2026 年一項訪問 3,722 名香港在職人士的研究發現，72.7% 受訪者每日或每星期都會在工作中使用 AI，但接近六成人從未接受任何正式 AI 培訓。
另一項涉及約 800 間本地企業的調查亦顯示，88% 受訪企業表示員工日常工作有使用 AI，但只有 45% 設有公司正式認可的 AI 平台，而在已經設有正式平台的企業之中，仍有 54% 未建立完善的 AI 管治政策。
換句話說，很多公司的問題已經不是「員工識唔識用 AI」，而是公司是否清楚知道員工正在怎樣使用。當同事開始將 AI 用於客戶資料、報價、內部文件、合約、財務資訊或者其他公司資料時，企業便需要開始考慮哪些資料可以輸入 AI、哪些資料不應該輸入、哪一類平台可以使用，以及 AI 生成的內容最後由誰確認。
如果這些問題全部依靠個別員工自行判斷，短期可能看不出問題，但當 AI 使用量愈來愈高，資料安全、內容準確度及責任分工便會逐步成為企業管理問題。
有同事用 ChatGPT，不等於公司已經完成 AI 轉型
一間公司有十幾個同事每天使用 ChatGPT，不代表公司已經建立了一套 AI 能力。關鍵在於這些做法是否屬於公司，而不是只屬於某一個同事。
例如，一名 Sales 同事很懂得利用 AI 寫跟進電郵，每天可以節省不少時間，但如果他的 Prompt、做法和判斷標準全部只存在自己腦中，一旦他離職，其他同事便未必能夠繼續使用同樣方法。這種情況可以說是「個人使用 AI」，但還未形成真正的企業流程。
相反，如果公司已經整理出一套固定方式，例如客戶查詢先由 AI 協助分類，再根據不同類型生成回覆初稿，由員工確認後才發送，而且公司知道哪些資料可以使用、哪些情況一定需要人手處理，這時 AI 才開始真正成為公司營運的一部分。
所以企業 AI 應用的重點，不在於公司開了多少個 AI 帳戶，而在於這套做法是否可以重複、是否可以交給其他同事使用，以及公司能不能量度它的實際成效。
中小企第一步，不一定是問「應該買哪一款 AI」
不少中小企一開始接觸 AI，第一個問題往往是「ChatGPT 好還是 Claude 好」、「Copilot 值不值得買」，或者「有沒有一套 AI 可以一次過幫公司處理所有工作」。但如果從生意角度出發，這些未必是最先要問的問題。
更實際的做法，是先找出公司哪一個工作流程最花時間、最重複，而且最容易標準化。很多中小企真正消耗人手的工作，都不是很複雜的事情，而是每天不斷重複，例如整理 WhatsApp 客戶查詢、修改類似的 Email、輸入客戶資料、準備報價、製作每星期報告、整理會議紀錄，或者在不同 Excel 和系統之間 Copy & Paste。
假設一名行政同事每天花兩小時整理資料和製作報告，一星期便大約是十小時，一個月接近四十小時。如果透過 AI 和自動化可以將這部分工作減少一半，每個月便可能釋放二十小時。對中小企而言，這二十小時可以用來處理客戶、跟進訂單、支援 Sales，或者完成一些原本沒有時間做的工作。
這樣計，老闆便比較容易判斷 AI 是否值得投資。與其只看一個 AI 帳戶每月多少錢，不如先計它每個月可以幫公司節省多少時間。
真正值得做的 AI 應用，應該可以量度
很多公司開始使用 AI 時，最常見的評價方式是「幾方便」、「好似快咗」或者「同事幾鍾意用」。這些感受有參考價值，但如果公司準備持續投入，就應該逐步用一些更實際的指標去衡量。
例如，一份報告以前平均需要 90 分鐘完成，使用 AI 後縮短至 30 分鐘；原本客服每日需要人手回覆 80 個重複問題，現在有一部分可以由 AI 協助處理；原本每星期整理一次 Sales 數據要花三小時，現在可以在半小時內完成初稿。這些數字愈清楚，公司便愈容易知道哪一種 AI 應用值得擴展，哪一些只是看起來新鮮但沒有真正價值。
對中小企來說，AI 最終不是為了「用最新科技」，而是要改善生意運作。如果用了半年仍然不知道省了多少時間、減少了多少工作或者提高了多少效率，便值得重新檢視使用方法。
AI 轉型不用一開始就做得很大
不少老闆聽到「AI 轉型」四個字，第一時間會聯想到大型系統、IT 顧問、幾十萬預算，甚至一個需要半年或一年完成的項目。其實對大部分中小企而言，未必需要這樣開始。
更加實際的方法，是先挑一個價值高而又清晰的工作流程試行。例如先處理客戶查詢，讓 AI 協助分類和準備回覆；或者先處理每星期都要製作的管理報告，讓 AI 幫忙整理資料和生成初稿。先看實際成效，再決定是否擴展到其他部門。
這種做法有一個很大的好處，就是公司不需要一開始投入大量成本，而且比較容易判斷結果。如果一個流程真的可以節省時間、減少錯誤或者提高處理量，再將同一套方法複製到其他工作，風險通常會比一次過全面導入低得多。
對 SME 來說，AI 最終是一個營運問題
AI 很容易被視為 IT 部門的事情，但真正知道公司哪些地方最浪費時間的，往往不是 IT，而是每天正在做那些工作的同事。Sales 最清楚跟客戶收資料有多繁複，行政最清楚哪些文件每天都要重複整理，客服最清楚哪些問題一天會被問幾十次，會計和管理層亦最清楚哪些報表每個月都要重新處理。
因此，公司在考慮 AI 時，與其先問「技術上可以做到甚麼」，不如先問「哪一個流程最值得改善」。先由營運問題出發，再選工具，通常會比先買工具再找用途更加有效。
SMEbro 看香港中小企 AI：下一階段要看的，是「用得值不值」
香港企業開始使用 AI，已經不是一件很新鮮的事。未來真正會拉開企業差距的，未必是哪一間公司使用最多 AI 工具，而是哪一間公司能夠最快將 AI 由員工個人技巧，變成一套可以重複、管理和量度的公司流程。
如果 AI 只是幾個同事用來寫 Email、改文案或者整理文件，它仍然主要是一個個人工具。但如果公司開始知道哪些工作最值得交給 AI、哪些資料可以使用、結果由誰覆核，以及導入前後究竟省了多少時間，AI 才真正開始變成企業能力。
所以對中小企而言，下一步未必是再買一套 AI，而是先找出一個每日重複、花時間而且真正影響效率的工作流程，看看有沒有方法利用 AI 改善。先做好一件事，再慢慢擴展，可能比一開始追求「全面 AI 轉型」更加適合 SME。
SMEbro｜中小企做 AI，最重要是回到生意本身
AI 可以很強，但對企業來說，工具本身從來不是目的。真正有價值的 AI 應用，最後都應該回到幾個很簡單的問題：工作有沒有做快了、同事有沒有減少重複工作、公司有沒有用同一班人處理更多事情，以及這些效果能不能持續。
如果公司正考慮開始使用 AI，不一定要立即做一個大型項目。先盤點目前同事已經在用甚麼，再找出最耗時、最高頻的一個流程，由小規模開始測試和量度，往往更加實際。
想了解更多香港中小企營運、數碼化、AI 應用及提升生意效率的方法，可以繼續留意 SMEbro。
