香港AI諮詢服務：採購前必須釐清的六個問題

AI諮詢香港中小企 RAG 採購指南 LLM應用

香港有愈來愈多中小企業正在引入AI。部分已購買ChatGPT Plus或Claude訂閱，部分曾接觸供應商提案，部分已完成初步試點。但真正完成部署、持續穩定運作的生產級AI系統，至今仍屬少數。

差距所在，往往並非技術問題，而是採購決策的問題。

AI諮詢服務的供應商市場正在快速擴張。部分提供的是工具授權轉售，部分能交付可運行的自訂系統，部分介於兩者之間。在這個市場，提案語言趨於一致——「智能AI」、「RAG」、「自動化流程」——令評估工作變得困難。

以下六個問題，並非技術審查清單，而是採購決策的判斷框架。任何背景的業主均可在洽談前使用。

一、對方能否分析並接手你的業務流程？

AI諮詢並非安裝軟件。一個能產生實際業務影響的AI系統，必須建基於對現有流程的清晰理解——文件從哪裡來、由誰處理、以什麼格式輸出、交給哪個環節。

如果供應商在初次會議上以演示優先、流程分析其次，通常意味著他們在銷售通用方案，而非為你的業務訂製系統。

可驗證的問題：「你能具體描述我們的業務流程在AI整合後的每個步驟嗎？」能夠清楚回答的供應商，才具備設計可運行系統的基礎。交付能力與顧問建議能力的差異，在企業為何需要AI顧問，而非單純使用Claude或Poe中有詳細拆解。

企業在使用AI工具的過程中，積累了大量對話數據、提示設計和業務上下文。這些數據儲存在哪裡？屬於誰？

主要AI平台（ChatGPT、Claude、Gemini）在默認設置下，對話歷史存放於平台服務器，不同對話之間通常不會自動共享記憶。企業為AI系統積累的上下文，往往無法帶走或遷移。

採購AI諮詢服務時，需要釐清：AI系統的記憶層設計在哪裡的基礎設施之上？若合作關係結束，這些數據能否完整遷移？未來更換供應商的轉移成本是多少？

自訂系統能夠將記憶層部署在企業自有基礎設施上，令上下文積累成為企業資產而非平台資產。相關架構設計詳見HKSoka記憶系統的工程拆解。

大多數企業的核心知識，存放於PDF報告、內部手冊、電郵記錄或即時通訊對話之中。AI系統若無法接入這些數據源，其實際用途便大幅受限。

檢索增強生成（RAG）是目前主流的整合方案——AI在回答問題時，從企業文件庫中實時檢索相關內容，而非依賴模型訓練時的靜態知識。

但RAG系統的質量差異極大。需要釐清的問題包括：系統能否處理混合中英文文件？文件更新後，系統能否即時反映最新版本？多份文件同時查詢時，如何排序相關性？

香港企業文件普遍存在繁體中文與英文並存的情況，這對RAG系統的檢索準確率有顯著影響。具體挑戰與驗證方法，可參考雙語RAG的實際限制。

AI系統的實際價值，往往取決於整合深度。一個只能在獨立界面運作的AI助手，員工需要主動切換工具才能使用，採用率通常偏低。

整合可能涉及：內部ERP或CRM系統、即時通訊平台（WhatsApp Business等）、電郵工作流、Google Workspace或Microsoft 365文件庫、現有審批或報告流程。

供應商應能具體說明整合方案的技術實現，而非僅承諾「可以整合」。Agent架構與固定Pipeline在整合深度和成本上有顯著差異，不同用例適合不同設計，不存在普遍最優的選擇——相關分析見AI Agent還是固定Pipeline：點揀啱你用例嘅架構。

AI系統上線後，如何確認員工在使用？哪些功能使用頻率最高？哪些查詢類型最常觸發錯誤或低置信度回答？

缺乏使用量追蹤的AI系統，無法進行有效的持續優化，也無法向管理層提供投資回報的客觀數據。

採購前需確認：系統是否內建使用日誌和分析功能？錯誤或低置信度回答能否被識別和記錄？有沒有定期的效能評估機制？

大型語言模型存在幻覺（Hallucination）這一已知限制——即生成看似合理但實際錯誤的信息。生產級系統通過檢索接地、置信邊界設計和審計日誌來管理這一風險。相關設計原則見LLM答錯時：生產AI系統的問責機制與驗證設計。

企業AI系統通常服務於多個部門或崗位，不同用戶的數據訪問範圍和功能需求不同。

人力資源部門的AI助手，不應能夠訪問財務數據；初級員工的查詢，不應觸及管理層的決策文件。這些限制需要在系統架構層面實現，而非依賴用戶自律或事後管理。

供應商應能具體說明：用戶權限如何在技術層面定義和管理？部門隔離如何實現？員工離職或崗位變動後，權限變更的處理流程是什麼？管理員能否獨立管理這些設定，無須每次依賴供應商介入？

香港中小企業採購AI的路徑通常有三種，各有適用場景。

工具訂閱（ChatGPT Plus、Claude Pro等月費服務）：適合個人使用或初期探索。啟動成本低，無須技術團隊。記憶不可跨平台遷移，整合能力受限，無法客製化業務流程。

AI諮詢採購（委託顧問或工程師設計自訂系統）：適合有明確業務問題、需要系統性解決方案的企業。關鍵評估標準在於供應商是否能交付可運行系統，而非僅提供建議書或策略報告。

自建系統：需要內部工程能力或長期技術合作夥伴。適合業務流程高度特殊或數據敏感度極高的場景。前期投入較高，系統完整歸屬企業。

三條路徑無絕對優劣，取決於業務規模、數據敏感度、預算結構和內部技術能力的組合。企業AI顧問與直接使用LLM平台之間的六種功能缺口，是釐清自身需求的實用起點。

AI系統，包括目前最先進的大型語言模型，均存在已知限制：幻覺、推理不穩定、對複雜邊緣情況的處理能力有限。生產級系統通過多層設計管理這些風險，但不能消除。任何承諾「零錯誤」或「完全自動化」的供應商，描述的是銷售立場而非工程現實。合理的技術夥伴，會在洽談初期明確說明系統的可靠邊界和失效條件。

Levi 是香港獨立AI工程師，為香港及大灣區企業構建生產級LLM應用及RAG Pipeline。學術背景包括比利時Vlerick商學院商業分析與AI碩士，生產部署包括保險行業RAG比對系統及HKSoka（hksoka.com）多層記憶AI平台。過往亦曾實際應用於客戶項目（受NDA保護）。

Levi係駐香港嘅獨立AI工程師，為香港推動AI數碼轉型嘅中小企構建生產級LLM應用、RAG pipeline及文件智能系統。