很多香港中小企现在看系统方案书，都会见到类似字眼：AI 功能、AI agent、agentic 工作流程、智能自动化、AI CRM、AI ERP。
问题是，供应商说有 AI，不代表买家真的买到一套可以落地的 AI 系统。有些产品可能只是加了一个聊天框，有些只是把固定提示词包在界面里面，有些只是传统自动化换了 AI 名字。更麻烦的是，示范时看起来很聪明，上线后才发现真正工作仍然要人手搬资料、追状态、改纪录和补流程。
所以买 AI 系统前，老板不应只问「有没有 AI」，而应问：「AI 在我公司哪一条工作流里面，实际做什么？」
1. 直接答案：真 AI 系统要看工作流程，不是只看示范回答
对香港中小企来说，判断一套系统是真 AI 还是假 AI，不应只看示范里面 AI 回答得是否流畅。更重要是看它能否在受控权限内读取正确业务资料、理解目前流程状态、准备下一步工作、建立任务或草拟内容、把敏感决定交回人手审批，并留下清楚操作纪录。
如果一套系统只是在界面加一个聊天框、不能说明资料来源、没有角色权限、没有审批流程、没有操作记录，或者离开示范后不能接入真实 CRM、ERP、WhatsApp、表单或 email 流程，就要小心它可能只是 AI 包装，而不是可落地的 AI-ready 业务系统。
简单讲，真 AI 系统不是「讲得似人」。真 AI 系统要能够在正确资料、正确权限和正确流程之内，帮人准备工作。
2. 什么是假 AI 或 AI washing？
AI washing 可以理解为：公司声称产品或服务用了 AI 去提升能力，但实际上没有，或者 AI 的角色被夸大。
Cornell Wex 对 AI washing 的定义很直接：公司声称用了 AI 技术提升服务，但事实上没有。美国 SEC 和 FTC 近年亦多次提醒企业，不应用 AI 字眼作误导性宣传。这些例子未必直接等于香港中小企买系统时的法律问题，但它们反映一件事：市场上确实存在「AI 宣传说法讲得比实际能力大」的情况。
放在香港 SME 买系统的语境，假 AI 不一定是完全没有 AI。更常见的是以下几种：
- 产品只是接了一个 AI 模型，但没有真正工作流设计；
- 系统只是加了一个聊天框，不能读取公司真实资料；
- AI 只能回答固定 FAQ，却被包装成 AI agent；
- 供应商说可以全自动处理业务，但说不清楚权限、审批和责任；
- 示范用的是预设情境，上线后不能处理真实例外情况；
- AI 生成了文字，但之后仍要员工人手复制、贴上、更新纪录和追跟进。
所以「假 AI」的重点不是捉字眼，而是判断宣传说法和实际工作流程能力是否一致。
3. 用了 ChatGPT / Gemini / Claude API，是否已经等于真 AI 系统？
不一定。
一套系统可以用了大型语言模型，但仍然不等于一套真正 AI-ready 的业务系统。模型只是其中一层。真正影响落地的是：AI 能否读到正确资料、知道工作流去到哪一步、知道自己可以做什么和不能做什么、需要时能否使用工具或建立任务，以及做完之后有没有纪录。
OpenAI 在 agent 指引里面提到，简单 chatbot、单次回合的大型语言模型应用或情绪分类器，如果不控制工作流程执行，并不算 agent。OpenAI Agents SDK 亦把 agents 描述成可以规划步骤、调用工具、保留状态、完成多步工作的应用。
这点对买家很实际。当供应商说「我们有 AI agent」，你可以不用先争论名词，而是直接问：
- 它会不会分步处理工作？
- 它会不会根据资料状态决定下一步？
- 它可否使用工具或触发任务？
- 它是否知道何时要停下来交回人手？
- 它是否保留足够状态和纪录，让人追得回过程？
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 系统。
4. 真正可落地的 AI 系统，通常有哪 7 个特征？
以下清单不是技术审计标准，而是老板和营运负责人可以用来问供应商的验收框架。
| 判断位 | 真正 AI-ready 系统应该做到 | AI 包装常见情况 |
| 资料来源 | 说得清楚 AI 读哪些资料、资料多久更新 | 只说「AI 会学习你公司资料」，但没有边界 |
| 权限 | 不同角色和 AI 动作有权限限制 | 所有人共用同一套权限，AI 可读什么不清楚 |
| 工作流状态 | 知道查询、客户、订单或任务目前去到哪一步 | 只回答问题，不知道流程状态 |
| 可执行任务 | 可摘要、草拟、建立任务、准备下一步 | 只生成文字，之后仍要人手搬资料 |
| 人手审批 | 敏感动作交回人批核 | 把高风险动作讲成全自动 |
| Audit trail | 记录 AI 建议、人手修改和最后版本 | 出错后追不到谁改过什么 |
| 试行验收 | 可用真实工作流程测试 | 只展示预设示范，不肯用真实例子 |
如果一套系统在这七点里面大部分都答不清楚，买家就不应只因为它有 AI 字眼而加分。
5. 供应商示范时，应该要求看什么？
很多 AI 示范的问题，是太干净。
示范里面的客户资料齐全，问题清楚，流程笔直，没有例外，没有投诉，没有折扣，没有资料缺漏。这种示范可以展示界面，但不能证明系统能处理你的日常营运。
较好的做法，是要求供应商用一条真实而低风险的工作流程示范。例如：
1. 一个新查询由网站表单或 WhatsApp 进来。 2. 系统建立或更新 CRM 纪录。 3. AI 摘要客户需要和缺漏资料。 4. AI 草拟下一步回复或建立跟进任务。 5. 员工审阅、修改和批准。 6. 系统记录最后版本和下一步负责人。
这条流程不需要一开始很复杂。重点是它要真实。你要看到 AI 怎样读资料、怎样处理资料不足、怎样标示不确定位置、怎样交回人手，以及最后纪录在哪里。
若供应商只能展示一个完美 chatbot 回答，但不能展示资料、任务、审批和纪录，这套系统未必适合直接放入公司营运流程。
6. 供应商说有 AI agent 时，应该问哪 12 条问题？
以下问题可以直接放入供应商会议：
1. AI 会读哪些资料？是否可以逐个模块、字段或角色限制？ 2. AI 不能读哪些资料？ 3. AI 可以写入或更新什么资料？ 4. 哪些动作只可草拟，不能自动发出？ 5. 哪些动作一定要人手审批？ 6. 系统是否记录 AI 建议、人手修改和最后版本？ 7. 如果 AI 回答错，如何追踪资料来源和修正？ 8. AI 是否知道工作流程状态，例如查询、报价、订单、补堂或付款状态？ 9. 示范能否用公司一条真实工作流程测试？ 10. 上线后谁负责维护提示词、资料、权限和工作流程？ 11. 日后转供应商时，资料和纪录能否汇出？ 12. 第一个试行的成功标准是什么？
好供应商不一定每题都即场有完美答案，但应该愿意把范围、风险、责任和验收方法讲清楚。相反，如果对方只是不停回到「我们 AI 很强」、「可以自动化很多事」、「之后再设定」，就要小心。
7. 哪些 AI 系统说法要特别小心？
以下不是一定代表对方有问题，但值得你停一停再问清楚。
第一，供应商一开始就承诺「全自动」。 对中小企来说，投诉、退款、折扣、付款、删除纪录、改合约、正式承诺和高价值新客，不应一开始就交给 AI 自动决定。较稳阵的设计，是 AI 准备，人手覆核，系统记录，再正式执行。
第二，供应商说 AI 可以学习所有公司资料，但讲不清楚边界。 AI 可以读什么、不可以读什么，应该可以被定义。若涉及客户资料、价格、付款、员工资料或营运纪录，权限边界比「AI 够不够聪明」更重要。
第三，示范不能处理例外情况。 真实生意不会每次都跟示范一样干净。客户会问不完整问题，资料会缺漏，库存会不准，报价会有例外，家长或客户会投诉。AI 系统要懂得标示不确定位置，并把例外交回人手。
第四，没有操作记录。 如果 AI 建议过什么、员工修改过什么、最后发出什么都没有纪录，出错时公司很难学习，也很难管理责任。
第五，报价很低但范围很模糊。 AI 系统成本不只是模型或月费。资料整理、权限设计、工作流程、培训、UAT、上线后调整和维护，都会影响真正成本。报价愈低，愈要问清楚哪些包括，哪些不包括。
8. 香港中小企第一个 AI 试行应该怎样验收？
判断真 AI 或假 AI，最实际不是靠口头承诺，而是做一条细而真实的试行。
适合第一阶段测试的工作流程通常有几个特征：重复性高、风险较低、有明确资料来源、有员工可以覆核、结果可以量度。
例子包括：
- 查询分类和摘要；
- 报价草稿准备；
- 客户跟进提醒；
- 内部资料查找；
- 教育中心请假或补堂资料整理；
- 库存、订单或付款例外提示。
试行验收时，不应只问 AI 答得是否漂亮。应该看：
- AI 是否读到正确资料；
- 员工是否看得出资料来源；
- 敏感动作是否需要审批；
- AI 产出的草稿是否值得员工修改使用；
- 系统是否记录 AI 建议和人手修改；
- 有没有减少漏跟进、漏资料或重复人手工夫；
- 员工是否知道什么时候要信、要改、要停。
如果一条细工作流程都不能验收，就不应急于把 AI 放入更高风险的流程。
9. 真 AI 系统是否代表可以不用人？
不是。
对香港中小企来说，AI 较健康的角色不是取代所有人，而是放大人可以处理的工作量和稳定性。
AI 可以帮忙查资料、整理内容、草拟回复、提醒下一步、准备任务和标示例外。但人仍然要负责销售判断、客户信任、例外处理、审批责任和商业承诺。
较合理的第一阶段模式通常是：
AI 准备 -> 人手覆核 -> 系统记录 -> 流程继续
如果一套 AI 系统一开始就鼓励你取消人手审批、让 AI 自动处理高价值客户或敏感决定，买家应该更谨慎，而不是更兴奋。
10. oneflash 怎样看真 AI 系统？
oneflash 不会把 AI 系统理解成单一 chatbot，也不会把 AI agent 当成孤立工具。对香港中小企来说，更重要的是有一个可以让人和 AI 一起工作的商业系统底座。
这个底座包括资料、工作流程、权限、审批、操作记录、CRM、ERP、WhatsApp、表单、email 和任务交接。AI 的价值不是自己在旁边表演，而是在这些受控流程里面帮人准备工作。
所以买 AI 系统前，第一步不一定是问哪个模型最强，也不是问有多少个 agent。更实际是先选一条真实工作流程，问清楚：
- 资料从哪里来？
- 谁负责跟进？
- AI 可以读什么？
- AI 可以草拟什么？
- 哪一步一定要人批？
- 最后如何留纪录？
能够用这些问题验收的系统，才比较接近真正可落地的 AI-ready 业务系统。
11. 延伸参考
- Cornell Wex: AI washing
- SEC: false and misleading statements about AI
- FTC: Keep your AI claims in check
- OpenAI: A practical guide to building agents
- OpenAI API Docs: Agents SDK
- Microsoft: Copilot and AI agents
- IBM: What is agentic AI?
- Google Cloud: What are AI agents?