生產級AI的真正主場

為什麼傳統企業比科技公司更值得投資

每次談到AI顧問，大多數文章都指向同一個方向：科技公司、新創企業、數位原生品牌。

這個方向錯了。

根據近期市場實際需求，真正有AI落地空間的，是物流、航運、保險、金融、製造這些「悶」行業。而這個市場，目前幾乎無人競爭。

英國政府2026年1月公布嘅AI Adoption Research發現，英國企業之中只有六分之一現正使用AI，當中自然語言處理同文字生成佔咗八成五嘅實際應用場景——呢類工作（讀文件、寫報告、答查詢），正正係「悶」行業最日常嘅工作。

科技公司的AI問題

科技公司不缺AI工程師。香港生產力局2026年第一季「中小企指數」顯示，資訊及通訊業嘅AI應用比例達92%，喺本港各行業之中明顯抛離其他行業。佢哋有內部團隊、有MLOps流程、有Kubernetes集群、有完整的技術棧。

他們不需要AI顧問。他們需要的是更多工程師——而呢個崗位本身已經夠難請。IDC預測，2026年全球逾九成企業會面對關鍵AI技能短缺，因延誤產品、錯失收入同競爭力下降而蒙受嘅損失，估計合共達5.5萬億美元。科技公司同傳統企業，搶緊同一批人才。

更值得留意嘅一點：自己起爐灶都唔保證成功。MIT Project NANDA喺2025年7月發表嘅研究（覆蓋逾300個實際部署、150多次高層訪談）發現，企業內部自行開發嘅AI項目，成功率大約只係向專業供應商採購嘅三分之一。內部團隊唔係保障，只係其中一個變數。

傳統企業的AI現實

一家香港航運公司，每天收到幾十份PDF市場報告，靠人手整理。

呢個情況喺行業中相當普遍。全球貨運代理行業每年搬運嘅貨值高達19萬億美元，但大部分操作仍然靠電郵、Excel同人手輸入支撐。行業研究顯示，頭部第三方物流商已經用AI處理六成以上嘅報關文件、提單同運費報價，人手輸入嘅工作量因此減少七成以上。

一家保險公司，客戶諮詢需要翻查幾百頁條款，靠搜尋關鍵字。

保險業嘅落地速度近年明顯加快：McKinsey 2025年分析指出，全面部署AI嘅保險公司比例由8%升至34%。不過行業整體嘅理賠直通處理率仍然低於一成，喺未自動化嘅理賠流程入面，非結構化文件嘅人手處理最多佔總時間嘅八成。64%嘅保險公司已將非結構化文件處理列為AI投資首要項目——呢個正正係RAG系統最擅長嘅場景。

一家建築爭議律師行，需要比對幾千頁合約文件，靠人眼審閱。

法律行業嘅情況類似：2026年「AI in Professional Services」調查顯示，74%嘅律師行已用AI協助文件審閱，80%用於法律研究。但訴訟同電子蒐證（e-discovery）嘅人手審閱成本，依然佔據蒐證總開支嘅七成以上，而43%嘅法律機構未有正式AI治理政策——技術用緊，制度跟唔上。

這三家公司都有真實問題、真實數據、真實預算。

他們唯一缺少的，是一個能把問題變成可運行系統的人。

大灣區嘅具體缺口

香港同大灣區嘅情況，正正係呢個論點嘅縮影。財政司司長陳茂波2026年6月公布，政府今年將額外撥款3億港元，加強「數碼轉型支援先導計劃」，協助中小企採用AI同網絡安全方案。香港貿發局亦與Microsoft Hong Kong合辦「AI Adoption Programme」，目標係降低中小企接觸AI嘅門檻。

但政策支持同實際落地之間，仍然有距離。Deloitte同香港大學聯合發表嘅「AI Adoption Index 2026」（覆蓋香港同內地大型企業）顯示，真正錄得可量化財務回報嘅企業比例只係23%，「全面轉型」嘅僅得4%，接近七成企業仍處於試驗或試行階段。同一批調查仲發現，86%嘅香港AI使用者，用緊自己揀嘅消費級工具處理工作（例如直接用ChatGPT過文件），完全脫離公司政策同數據保護範圍——表面普及，實際空心。

金融保險業嘅中小企AI應用比例為62%，製造業為60%。物流相關行業則受惠於香港運輸及物流局推動嘅「智慧港口」升級——港口社區系統（PCS）整合海、陸、空貨運數據，配合單一電子鎖（SELS）計劃打造跨境「綠色通道」，並計劃延伸至廣西，銜接東盟市場。基建同政策都到位，缺嘅依然係將業務流程同AI系統連接起嚟嘅人。

Demo與生產的分別

市面上的AI顧問，大部分交付的是Demo：一個精美的ChatGPT包裝，配合一份PowerPoint。

呢個現象唔係香港獨有。MIT Project NANDA嘅研究發現，部署緊生成式AI嘅企業之中，95%並無錄得任何可量化嘅損益表影響，只有大約5%真正捕捉到規模化價值。常見原因離不開三點：業務指標模糊、數據未就緒，同方案設計上由始至終冇打算長期運作。

生產級AI系統是另一回事：

• AWS Lambda定時執行的新聞聚合管線
• 支援多LLM供應商切換的容錯架構
• 向量資料庫驅動的檢索系統，支援繁體中文嵌入
• 整合Stripe的訂閱制SaaS，帶token成本管理
• 能在上線後持續監控、修復、演進的系統

真正的生產系統，在交付後不需要顧問天天在場。這是傳統企業真正願意付錢的東西。

生產級唔等於萬能：模型依然會出錯，高風險決策依然需要人手覆核，上線之後仍然要持續監察成本同準確度。呢啲限制，應該喺項目開始之前同客戶講清楚。

MCP與Context Engineering：下一個落地場景

2026年，市場上開始出現新的需求關鍵字：MCP（Model Context Protocol）與Context Engineering。

簡單說，這是讓AI代理人能夠結構化訪問企業內部系統的技術層——訂單管理、CRM、ERP、內部文件庫。

呢個技術層嘅增長速度，數字睇得出嚟。Anthropic喺2024年11月推出MCP，當時SDK每月下載量大約10萬次；到2026年3月，呢個數字升到9700萬次，18個月內升咗970倍。Gartner預測，到2026年底，四成嘅企業應用程式會內建任務專屬AI代理人，相比目前不足5%。Forrester仲預測，三成嘅企業應用供應商會喺2026年內推出自己嘅MCP伺服器。

傳統企業恰好是這個場景的主戰場：他們有大量內部系統，有清晰的業務流程，但缺乏能把兩者連接起來的技術能力。

這個缺口，正是AI顧問的非對稱優勢所在。

為什麼這個市場幾乎無人競爭

原因很簡單：大部分AI工程師不懂業務，大部分業務顧問不懂AI。

能同時做到以下兩件事的人極少：

1. 理解物流公司的運營痛點
2. 把痛點變成一個在AWS上跑、成本可控、上線後穩定運行的系統

這個交叉點，就是傳統行業AI化的真正入口。

呢個入口嘅規模，正在快速擴大。全球AI顧問服務市場喺2026年估值大約113至140億美元，預計以每年26%至27%嘅複合增長率擴張，到2033年有機會增至730億美元左右。金融銀行業目前佔市場最大份額，達22.3%。市場唔細，只係懂得進場嘅人少。

結語

AI顧問市場不缺理論，缺的是能交付生產系統的人。

傳統企業不缺預算，缺的是找到對的人。

這個市場，比你想像中更大、更容易進入、競爭更少。

HKSoka專注做緊呢個交叉點——香港同大灣區嘅傳統企業，由表面嘅AI使用，走到有實際財務回報嘅生產級系統。如果你嘅公司都有類似嘅文件、流程、人手痛點，歡迎傾傾。