很多香港中小企現在看系統方案書，都會見到類似字眼：AI 功能、AI agent、agentic 工作流程、智能自動化、AI CRM、AI ERP。
問題是，供應商話有 AI，不代表買家真的買到一套可以落地的 AI 系統。有些產品可能只是加了一個聊天框，有些只是把固定提示詞包在介面入面，有些只是傳統自動化換了 AI 名字。更麻煩的是，示範時看起來很聰明，上線後才發現真正工作仍然要人手搬資料、追狀態、改紀錄和補流程。
所以買 AI 系統前，老闆不應只問「有沒有 AI」，而應問：「AI 在我公司哪一條工作流入面，實際做甚麼？」
1. 直接答案：真 AI 系統要看工作流程，不是只看示範回答
對香港中小企來說，判斷一套系統是真 AI 還是假 AI，不應只看示範入面 AI 回答得是否流暢。更重要是看它能否在受控權限內讀取正確業務資料、理解目前流程狀態、準備下一步工作、建立任務或草擬內容、把敏感決定交回人手審批，並留下清楚操作紀錄。
如果一套系統只是在介面加一個聊天框、不能說明資料來源、沒有角色權限、沒有審批流程、沒有操作紀錄，或者離開示範後不能接入真實 CRM、ERP、WhatsApp、表單或 email 流程，就要小心它可能只是 AI 包裝，而不是可落地的 AI-ready 業務系統。
簡單講，真 AI 系統不是「講得似人」。真 AI 系統要能夠在正確資料、正確權限和正確流程之內，幫人準備工作。
2. 甚麼是假 AI 或 AI washing？
AI washing 可以理解為：公司聲稱產品或服務用了 AI 去提升能力，但實際上沒有，或者 AI 的角色被誇大。
Cornell Wex 對 AI washing 的定義很直接：公司聲稱用了 AI 技術提升服務，但事實上沒有。美國 SEC 和 FTC 近年亦多次提醒企業，不應用 AI 字眼作誤導性宣傳。這些例子未必直接等於香港中小企買系統時的法律問題，但它們反映一件事：市場上確實存在「AI 宣傳說法講得比實際能力大」的情況。
放在香港 SME 買系統的語境，假 AI 不一定是完全沒有 AI。更常見的是以下幾種：
- 產品只是接了一個 AI 模型，但沒有真正工作流設計；
- 系統只是加了一個聊天框，不能讀取公司真實資料；
- AI 只能回答固定 FAQ，卻被包裝成 AI agent；
- 供應商說可以全自動處理業務，但說不清楚權限、審批和責任；
- 示範用的是預設情境，上線後不能處理真實例外情況；
- AI 生成了文字，但之後仍要員工人手複製、貼上、更新紀錄和追跟進。
所以「假 AI」的重點不是捉字眼，而是判斷宣傳說法和實際工作流程能力是否一致。
3. 用了 ChatGPT / Gemini / Claude API，是否已經等於真 AI 系統？
不一定。
一套系統可以用了大型語言模型，但仍然不等於一套真正 AI-ready 的業務系統。模型只是其中一層。真正影響落地的是：AI 能否讀到正確資料、知道工作流程去到哪一步、知道自己可以做甚麼和不能做甚麼、需要時能否使用工具或建立任務，以及做完之後有沒有紀錄。
OpenAI 在 agent 指引入面提到，簡單 chatbot、單次回合的大型語言模型應用或情緒分類器，如果不控制工作流程執行，並不算 agent。OpenAI Agents SDK 亦把 agents 描述成可以規劃步驟、調用工具、保留狀態、完成多步工作的應用。
這點對買家很實際。當供應商話「我們有 AI agent」，你可以不用先爭論名詞，而是直接問：
- 它會不會分步處理工作？
- 它會不會根據資料狀態決定下一步？
- 它可否使用工具或觸發任務？
- 它是否知道何時要停下來交回人手？
- 它是否保留足夠狀態和紀錄，讓人追得回過程？
如果答案都不清楚，它可能只是 AI 聊天功能，而不是真正的 AI agent 系統。
4. 真正可落地的 AI 系統，通常有哪 7 個特徵？
以下清單不是技術審計標準，而是老闆和營運負責人可以用來問供應商的驗收框架。
| 判斷位 | 真正 AI-ready 系統應該做到 | AI 包裝常見情況 |
| 資料來源 | 說得清楚 AI 讀哪些資料、資料多久更新 | 只說「AI 會學習你公司資料」，但沒有邊界 |
| 權限 | 不同角色和 AI 動作有權限限制 | 所有人共用同一套權限，AI 可讀甚麼不清楚 |
| 工作流狀態 | 知道查詢、客戶、訂單或任務目前去到哪一步 | 只回答問題，不知道流程狀態 |
| 可執行任務 | 可摘要、草擬、建立任務、準備下一步 | 只生成文字，之後仍要人手搬資料 |
| 人手審批 | 敏感動作交回人批核 | 把高風險動作講成全自動 |
| Audit trail | 記錄 AI 建議、人手修改和最後版本 | 出錯後追不到誰改過甚麼 |
| 試行驗收 | 可用真實工作流程測試 | 只展示預設示範，不肯用真實例子 |
如果一套系統在這七點入面大部分都答不清楚，買家就不應只因為它有 AI 字眼而加分。
5. 供應商示範時，應該要求看甚麼？
很多 AI 示範的問題，是太乾淨。
示範入面的客戶資料齊全，問題清楚，流程筆直，沒有例外，沒有投訴，沒有折扣，沒有資料缺漏。這種示範可以展示介面，但不能證明系統能處理你的日常營運。
較好的做法，是要求供應商用一條真實而低風險的工作流程示範。例如：
1. 一個新查詢由網站表單或 WhatsApp 進來。 2. 系統建立或更新 CRM 紀錄。 3. AI 摘要客戶需要和缺漏資料。 4. AI 草擬下一步回覆或建立跟進任務。 5. 員工審閱、修改和批准。 6. 系統記錄最後版本和下一步負責人。
這條流程不需要一開始很複雜。重點是它要真實。你要看到 AI 怎樣讀資料、怎樣處理資料不足、怎樣標示不確定位置、怎樣交回人手，以及最後紀錄在哪裡。
若供應商只能展示一個完美 chatbot 回答，但不能展示資料、任務、審批和紀錄，這套系統未必適合直接放入公司營運流程。
6. 供應商話有 AI agent 時，應該問哪 12 條問題？
以下問題可以直接放入供應商會議：
1. AI 會讀哪些資料？是否可以逐個模組、欄位或角色限制？ 2. AI 不能讀哪些資料？ 3. AI 可以寫入或更新甚麼資料？ 4. 哪些動作只可草擬，不能自動發出？ 5. 哪些動作一定要人手審批？ 6. 系統是否記錄 AI 建議、人手修改和最後版本？ 7. 如果 AI 回答錯，如何追蹤資料來源和修正？ 8. AI 是否知道工作流程狀態，例如查詢、報價、訂單、補堂或付款狀態？ 9. 示範能否用公司一條真實工作流程測試？ 10. 上線後誰負責維護提示詞、資料、權限和工作流程？ 11. 日後轉供應商時，資料和紀錄能否匯出？ 12. 第一個試行的成功標準是甚麼？
好供應商不一定每題都即場有完美答案，但應該願意把範圍、風險、責任和驗收方法講清楚。相反，如果對方只是不斷回到「我們 AI 很強」、「可以自動化很多事」、「之後再設定」，就要小心。
7. 哪些 AI 系統說法要特別小心？
以下不是一定代表對方有問題，但值得你停一停再問清楚。
第一，供應商一開始就承諾「全自動」。 對中小企來說，投訴、退款、折扣、付款、刪除紀錄、改合約、正式承諾和高價值新客，不應一開始就交給 AI 自動決定。較穩陣的設計，是 AI 準備，人手覆核，系統記錄，再正式執行。
第二，供應商說 AI 可以學習所有公司資料，但講不清楚邊界。 AI 可以讀甚麼、不可以讀甚麼，應該可以被定義。若涉及客戶資料、價格、付款、員工資料或營運紀錄，權限邊界比「AI 夠不夠聰明」更重要。
第三，示範不能處理例外情況。 真實生意不會每次都跟示範一樣乾淨。客戶會問不完整問題，資料會缺漏，庫存會不準，報價會有例外，家長或客戶會投訴。AI 系統要懂得標示不確定位置，並把例外交回人手。
第四，沒有操作紀錄。 如果 AI 建議過甚麼、員工修改過甚麼、最後發出甚麼都沒有紀錄，出錯時公司很難學習，也很難管理責任。
第五，報價很低但範圍很模糊。 AI 系統成本不只是模型或月費。資料整理、權限設計、工作流程、培訓、UAT、上線後調整和維護，都會影響真正成本。報價愈低，愈要問清楚哪些包括，哪些不包括。
8. 香港中小企第一個 AI 試行應該怎樣驗收？
判斷真 AI 或假 AI，最實際不是靠口頭承諾，而是做一條細而真實的試行。
適合第一階段測試的工作流程通常有幾個特徵：重複性高、風險較低、有明確資料來源、有員工可以覆核、結果可以量度。
例子包括：
- 查詢分類和摘要；
- 報價草稿準備；
- 客戶跟進提醒；
- 內部資料查找；
- 教育中心請假或補堂資料整理；
- 庫存、訂單或付款例外提示。
試行驗收時，不應只問 AI 答得是否漂亮。應該看：
- AI 是否讀到正確資料；
- 員工是否看得出資料來源；
- 敏感動作是否需要審批；
- AI 產出的草稿是否值得員工修改使用；
- 系統是否記錄 AI 建議和人手修改；
- 有沒有減少漏跟進、漏資料或重複人手工夫；
- 員工是否知道甚麼時候要信、要改、要停。
如果一條細工作流程都不能驗收，就不應急於把 AI 放入更高風險的流程。
9. 真 AI 系統是否代表可以不用人？
不是。
對香港中小企來說，AI 較健康的角色不是取代所有人，而是放大人可以處理的工作量和穩定性。
AI 可以幫忙查資料、整理內容、草擬回覆、提醒下一步、準備任務和標示例外。但人仍然要負責銷售判斷、客戶信任、例外處理、審批責任和商業承諾。
較合理的第一階段模式通常是：
AI 準備 -> 人手覆核 -> 系統記錄 -> 流程繼續
如果一套 AI 系統一開始就鼓勵你取消人手審批、讓 AI 自動處理高價值客戶或敏感決定，買家應該更謹慎，而不是更興奮。
10. oneflash 怎樣看真 AI 系統？
oneflash 不會把 AI 系統理解成單一 chatbot，也不會把 AI agent 當成孤立工具。對香港中小企來說，更重要的是有一個可以讓人和 AI 一齊工作的商業系統底座。
這個底座包括資料、工作流程、權限、審批、操作紀錄、CRM、ERP、WhatsApp、表單、email 和任務交接。AI 的價值不是自己在旁邊表演，而是在這些受控流程入面幫人準備工作。
所以買 AI 系統前，第一步不一定是問哪個模型最強，也不是問有多少個 agent。更實際是先揀一條真實工作流程，問清楚：
- 資料從哪裡來？
- 誰負責跟進？
- AI 可以讀甚麼？
- AI 可以草擬甚麼？
- 哪一步一定要人批？
- 最後如何留紀錄？
能夠用這些問題驗收的系統，才比較接近真正可落地的 AI-ready 業務系統。
11. 延伸參考
- Cornell Wex: AI washing
- SEC: false and misleading statements about AI
- FTC: AI 宣傳說法檢查指引
- OpenAI: A practical guide to building agents
- OpenAI API 文件: Agents SDK
- Microsoft: Copilot and AI agents
- IBM: What is agentic AI?
- Google Cloud: What are AI agents?