香港中小企做 AI 要預備甚麼？

先選定一個清楚流程，準備數個具代表性的真實案例，列出現時所用系統、負責同事、例外情況及可量度基線。未必需要先整理所有公司數據。

AI 顧問、軟件公司和 AI 實施伙伴有甚麼分別？

顧問主要協助策略與選型；軟件公司通常按需求開發；AI 實施伙伴除了模型與程式，亦要負責流程設計、數據、整合、安全、測試、培訓及上線後改進。

不是。需要準確規則運算的工作可能適合傳統自動化；需要辨認影像可用 computer vision；需要理解非結構化文件或自然語言，才較適合生成式 AI。

不一定。應按資料敏感度、延遲、成本、網絡及控制要求決定公有雲、私有雲或本地模型，並保留適當權限及人工覆核。

理想起點是重複、耗時、資料可以取得，而且結果可以量度的工作。把流程由開始到完成畫出來，標示每次人手輸入、等待、覆核及例外。這一步往往已經能分辨問題需要 AI、傳統自動化，還是先改善流程。

例子：訂單輸入、文件核對、品質檢查、報價跟進、管理報表。

原型應使用具代表性的正常及例外個案，並在開始前訂明成功準則。除了準確率，也要量度處理時間、需要幾多人手覆核，以及錯誤會造成甚麼影響。原型的目的，是得到一個是否值得上線的決定。

建議輸出：可行性結論、限制清單、預計回報及正式上線範圍。

真正上線需要處理 API、ERP／WMS、文件來源、登入權限、記錄保存、失敗重試及人工升級機制。高風險或低信心結果不應自動通過，而要交回指定同事判斷。

AI Agent 的價值不是代替所有人，而是完成可完成的工作，只把例外交回人。

常見指標包括每宗處理時間、錯誤率、遺漏數量、產出量、轉化率、停機時間及覆核工時。把 AI 供應、系統維護及人手覆核成本一併計算，才能知道應否擴大。

先量度一個流程，再擴至相鄰流程，通常比一次過建大型平台更穩妥。

要求潛在伙伴說明數據如何流動、現有系統如何接駁、例外由誰負責、安全與私隱如何處理，以及上線後如何監察。最好的方案未必用最多 AI，而是以最低複雜度可靠地改善業務指標。

WITTI 的做法：理解現場 → 快速驗證 → 接入流程 → 持續改善。