埃森哲／香港：AI 指數二〇二六——僅百分之三企業將 AI／數據全面納入核心策略；跨部門智能體僅百分之一

Key takeaway

埃森哲於二〇二六年十月二十日發表《Accenture Hong Kong AI Index 2026》，訪問一百五十名香港跨行業高管：僅百分之三企業已將 AI 與數據全面納入核心業務策略，跨部門整合智能體（agentic AI）僅百分之一；同時預期未來十八個月生成式 AI 可提升生產力約百分之十五、削減成本約百分之十一，顯示野心與落地落差極大。

埃森哲／香港：AI 指數二〇二六——僅百分之三企業將 AI／數據全面納入核心策略；跨部門智能體僅百分之一

埃森哲於二〇二六年十月二十日發表《Accenture Hong Kong AI Index 2026》，訪問一百五十名香港跨行業高管：僅百分之三企業已將 AI 與數據全面納入核心業務策略，跨部門整合智能體（agentic AI）僅百分之一；同時預期未來十八個月生成式 AI 可提升生產力約百分之十五、削減成本約百分之十一，顯示野心與落地落差極大。

埃森哲／香港：AI 指數二〇二六——僅百分之三企業將 AI／數據全面納入核心策略；跨部門智能體僅百分之一

埃森哲（Accenture）於二〇二六年十月二十日公開《The Enterprise AI Advantage: Hong Kong AI Index 2026》研究報告（官方洞察頁與可下載 PDF），並由南華早報等於十月二十一日跟進報道。調查於二〇二六年三月至四月進行，樣本為香港九個行業共一百五十名 C-suite 及高級主管，企業年收入由少於五億美元至逾五百億美元。本文已對照埃森哲報告原文核實關鍵比例、期望值、能力分類與四大行動綱領，並改寫重點；並非轉載全文。來源真實性已驗證。

一、核心發現：期望很高，規模化很慢

報告指出，受訪港企預期未來十八個月內，規模化生成式 AI 可帶來約百分之十五生產力提升、約百分之十四收入增長、約百分之十四客戶體驗改善，以及約百分之十一成本下降。然而，組織層面的戰略生成式 AI 投注中，僅約百分之十二已達規模化（reached scale）。

少數被歸類為「先鋒」（Vanguards）的企業，已將約百分之二十二的戰略生成式 AI 投資推至規模；他們回報超出預期的比例，約為同儕的兩倍，亦較擅於鎖定高價值場景。其餘「起步者」（Starters）仍在局部試點；「推進者」（Pursuers）已有較強部署能力，但 AI 尚未一貫嵌入全企業。

與「全面融入」直接相關的兩項數字尤其刺眼：

  • 僅百分之三的受訪企業，已將 AI 與數據全面納入核心業務策略。
  • 僅百分之三十四表示，AI 價值已在多個職能一貫出現，或已在企業層面廣泛、持續兌現。

南華早報十月二十一日以「僅百分之三港企已將 AI 全面融入工作流程」作標題轉述；埃森哲原文表述為「fully integrated AI and data into core business strategy」。兩者同指落地極少數，但策略整合與「工作流程」語意並不完全等同，報道宜以官方報告用語為準。

二、能力落差：LLMOps、人才、責任式 AI 的「今天 vs 十八個月後」

報告以十項與規模化相關的 AI 能力建構「香港 AI 指數」，並將企業分為起步者、推進者與先鋒。受訪者對自身「處於較高水平」的自評，與十八個月後的期望差距極大：

能力面向 自評已處較高水平（今天） 期望十八個月內達較高水平
AI 平台 約 35% 約 93%
數據管理與管治 約 24% 約 91%
人才 約 15% 約 76%
責任式 AI（RAI） 約 13% 約 79%
LLM 營運（LLMOps） 約 3% 約 47%

（「較高水平」為各題目前兩檔自評選項加總，屬類別自評，並非指數綜合分數本身。）

智能體層面同樣落後：僅百分之一受訪港企已跨職能整合 agentic AI；百分之四十一指不靈活的舊有基建是主要障礙。同時約百分之五十七已同時運行至少兩組供應商來源的大型語言模型（涵蓋內地、香港與全球供應商），技術拼圖變複雜，但跨系統編排、語義層與管控仍未就緒。

工作與人才側：僅約百分之十九視流程與系統再造為規模化 AI 的關鍵；僅約百分之二十六計劃重設角色與職責。雖有約百分之七十八對吸引頂尖人才有信心，但今天具備支撐價值創造所需「新興 AI 專才技能」者僅約百分之十五。

責任式 AI：RAI 僅佔平均數據與 AI 預算約百分之十三（投資類別倒數第二）；僅約百分之三十四企業具備完善的 AI 風險識別與非預期後果管理能力。領導層自評問責、透明度成熟度偏高，但僅約百分之四十員工覺得對「AI 如何被引入」有發言權——報告形容部分企業是「為監管而建 RAI」，尚未為實際執行者建好參與機制。

三、四大行動綱領與香港政策背景

埃森哲將先鋒優勢歸結為四項互相強化的行動：

  1. 以價值帶領（而非先堆技術）：把 AI 投資對準可量度的業務結果，並能跨場景持續放大。
  2. 以成果再造工作：先劃分人類判斷、副駕駛、智能體與自動化的任務邊界，再重組角色與問責，而不是把模型塞進舊流程。
  3. 重整數碼核心以支撐智能體規模化：連接跨職能 AI 能力、建立語義層／領域本體，並提供可信業務脈絡與管控。
  4. 嵌入責任式 AI：從模型遴選、評估、可解釋性到持續監控貫穿生命週期；智能體可自主行動時，須釐清批准權與結果問責。

報告亦對照香港《經濟社會發展第一個五年規劃（2026–2030）》與二〇二六年《施政報告》中的「AI+」方向：把 AI 同時視為核心產業與賦能既有行業的技術，並強調數據資源、算力基建、數據管治，以及面向中小企的應用推廣與 AI 智能體風險指引。政策側「鼓勵採用」與企業側「僅百分之三策略全面整合」並存，正是本指數的商業張力所在。

四、日常應用場景

1. 開發者與技術團隊

若團隊已在多供應商 LLM 之間切換（報告指逾半受訪者如此），下一步瓶頸往往不是再接一條 API，而是 LLMOps、評測閘與變更管控。可把「戰略用例是否達規模」寫成可觀測指標（延遲、成本、幻覺／違規率、人工覆核率），避免試點永遠停在演示。

2. 企業與隱私敏感行業

金融、醫療、法律與受規管行業若要縮短「期望十八個月大躍進」與「今天 RAI／LLMOps 仍個位數至低雙位數」的落差，宜優先建設資料與推理可審計、可控的部署形態（私有或專用環境、權限分層、智能體不可單方面關閉監控）。跨部門智能體僅百分之一，意味多數港企仍應先打通數據語義與舊系統接口，再談全自動代理。

3. 一般管理層與中小企

「對 AI 有興趣」並不足夠：僅約一成九把流程再造視為關鍵。實務上可從單一高價值流程（對賬、客服分流、合約初審）做端到端再設計，並預先定義人類最終決策點，而不是全公司同時發放同一聊天工具。

4. 香港與亞洲市場視角

本指數直接以香港高管為樣本，並嵌入五年規劃與施政報告語境，對本地董事會與 CIO 的參考價值高於一般全球調查。亞洲同業若同時使用內地與國際模型，與港企「多供應商並存、舊基建卡關」的格局相近；差別在於香港同時面對人才結構、跨境數據與合規敘事——私有化或本港託管往往是縮短落地週期的務實選項之一。

五、專業評價與潛在考量

優勢

  • 本地樣本（N=150）與公開可下載報告，便於港企對標「策略整合／智能體／LLMOps／RAI」四條軸，而非只看工具清單。
  • 同時給出「期望回報」與「今天能力自評」，把執行落差量化，利於董事會討論預算與組織再造優先序。
  • 先鋒對照（約百分之二十二戰略投注達規模、回報超預期機率約兩倍）提供可操作的對標群體，而非空泛「要數碼轉型」。

需要留意的地方

  • 多數百分比為受訪者自評與期望，並非獨立審計的生產 KPI；「十八個月後達標」可能偏樂觀。
  • 南華早報「工作流程」表述與報告「核心業務策略」不完全相同，二次傳播時宜回到 PDF 原文。
  • 報告含埃森哲客戶案例與生態合作敘事（例如責任式 AI、樂園場景等），屬顧問研究常見寫法；採購決策仍須以自身數據與合規要求驗證。
  • 產業覆蓋九個行業、收入跨度大，行業細分差異可能被平均值掩蓋。

結語

埃森哲香港 AI 指數二〇二六把本地現實寫得很清楚：市場預期生成式 AI 在十八個月內顯著拉升生產力並壓低成本，但真正把 AI 與數據寫進核心策略的企業只有百分之三，跨部門智能體更只有百分之一；LLMOps、責任式 AI 與專才技能的「今天水位」遠低於「明年期望」。對香港企業而言，下一階段勝負手不在多試幾個聊天模型，而在價值導向的用例篩選、工作再造、可支撐智能體的數碼核心，以及可審計的責任式 AI。若需要資料留港、可私有部署的企業語言模型與智能體編排，以縮短「試點到規模」的落差，可參考 YSK Limited 的企業私有 LLM 全託管（https://ysk.hk/services/ai-automation）。

參考來源

Related services & products

Related posts