很多香港中小企想导入 AI，但真正风险通常不是模型选错，而是太早上线。若资料来源、权限边界、审批点和例外处理仍未厘清，AI 只会把原本混乱的流程加速。
较稳妥的做法，是先确认公司是否具备 AI-ready 的工作流基础：资料是否集中、AI 可以读什么与草拟什么、哪些动作必须保留人手审批，以及哪一条流程最值得先做 pilot。
AI 上线前先看六个位置
| 准备项目 | 最低标准 |
| 资料盘点 | 知道查询、客户、订单、付款与任务资料分别放在哪里 |
| 权限边界 | 已定义 AI 可读、可草拟、可建议的范围 |
| 人手审批 | 已分清楚哪些动作一定要主管或前线同事确认 |
| 流程责任人 | 每条流程知道由谁接手、谁批核、谁收尾 |
| 第一条 POC | 先选一条高重复、低风险、可量度的流程 |
| 例外处理 | 知道资料缺漏、价格特批、客诉或库存异常时由谁接手 |
先整理资料，不是先选模型
若公司仍然把查询放在网站表单、WhatsApp、email、Excel 与不同后台之间，AI 即使生成流畅文字，也未必知道真实状态。较实际的第一步，是先画出资料地图：查询从哪里进来、客户主档在哪里、订单或服务状态在哪里更新，以及谁负责下一步。
若你的核心问题是线索和跟进纪录分散，可先整理 CRM software。若你的核心问题是对话、通知与后续追踪割裂，可检视 WhatsApp Business API 是否已成为受控工作流的一部分。
先定义 AI 可以做什么
AI readiness 的关键不是提示词，而是权限边界。你至少要先定义：AI 可以读什么、可以准备什么、可以建议什么，以及绝对不应直接做什么。
- 可先由 AI 草拟回复、整理摘要、建立待跟进任务、标示缺漏资料。
- 涉及价格、付款、敏感主档、订单状态或大规模对外发送的动作，第一阶段通常都应保留人手审批。
香港现时公开 AI 指引亦强调 impact assessment、human-in-the-loop oversight 及个人资料保护框架。对中小企而言，实际意思是不能跳过角色、责任与资料边界。
先做一条 workflow pilot
很多 AI project 失败，不是因为技术不够，而是第一步做得太大。较稳妥的做法，是先选一条高重复、低风险、可量度的流程，例如查询到跟进、报价前置核对，或行政申请与通知准备。
若线索与跟进责任不清，通常应先做 CRM；若订单、库存或交付资料不一致，通常应先做 ERP workflow cleanup；若你想理解整体 category，可先阅读 AI 代理商业系统 Hong Kong 指南，再配合 AI agent、chatbot、CRM 与 ERP automation 比较指南 一并看。
oneflash 适合哪些公司？
oneflash 较适合已有真实查询、报价、通知、跟进或营运流程，但资料分散在网站、WhatsApp、CRM、Excel、email 或不同后台之间的香港中小企。若你最困扰的是回复前要到处找资料、查询很多但责任人不清，或团队想用 AI 但又担心失去控制，较合适的第一步通常是先做 workflow diagnosis，再决定先做 CRM、ERP workflow cleanup、WhatsApp workflow，还是第一条 AI-assisted workflow。
若你的流程涉及报价、订单与库存协调，可延伸了解 B2B ordering system 与 inventory management system；若是教育或行政场景，可参考 教育中心管理系统。