AI 如何幫香港企業減低人手及營運成本？

「AI 到底能否真正減少人手、降低營運成本，還是只是又一輪被過度吹捧的技術？」這是不少香港中小企老闆最常問到的問題。市面上的宣傳多數只講可能性，不講條件；而老闆真正需要的，是一組可以對照自身情況的數字，以及一套判斷「這一步值不值得走」的方法。本文只引用可查證的公開數據，並列出每一項數字的來源。

以下內容由 ADWire Agency 團隊整理，結合香港本地實戰經驗與最新行業數據。

一、香港企業採用 AI 的真實數據

要判斷 AI 是否值得投入，先要看清楚香港企業目前實際走到哪一步。以下幾組數字有一個關鍵前提：各項調查對「AI 採用」的定義並不一致，數字不能直接互相比較。

員工層面已經普遍，企業層面仍然落後

生產力局於 2025 年 9 月發表的《2025年香港企業 AI 應用趨勢調查》，訪問約 800 間企業，結果顯示 88% 受訪企業的員工日常已使用 AI 工具，92% 計劃引入 AI 工作流程，24% 擬於一年內全面引入；已有正式 AI 平台的企業佔 45%，當中 54% 沒有完善的治理政策（生產力局，2025年9月）。

要留意的是，這裡的 88% 指的是「員工日常使用」，並不等於企業已經把 AI 納入正式流程，更不等於企業為此付費。同一時期，渣打香港中小企領先營商指數 Q1 2026 訪問 819 間中小企，顯示 55% 曾使用或計劃於一年內使用 AI（渣打香港中小企領先營商指數 Q1 2026）。而大新銀行於 2026 年 5 月訪問 343 間中小企的調查中，只有 23% 表示已在營運中實際採用 AI，32% 計劃一至兩年內採用，45% 仍未採用（大新銀行，2026年5月）。

行業差異比整體數字更有參考價值

整體採用率容易掩蓋行業之間的分歧。同一份中小企領先營商指數顯示，資訊及通訊業的採用率達 92%，專業及商用服務業 72%，金融及保險業 62%，製造業 60%。更值得留意的是付費比例：整體只有 32%，其中資訊及通訊業 64%、金融及保險業 47%、製造業 31%（渣打香港中小企領先營商指數 Q1 2026）。

來源：渣打香港中小企領先營商指數 Q1 2026，819 間中小企

另一個值得注意的趨勢出現在跨境貿易領域。香港貿發局與 Airwallex 於 2026 年 3 至 4 月訪問 462 間跨境貿易企業，AI 採用率在 12 個月內由 25% 升至 79%（HKTDC 與 Airwallex 報告）。上升幅度很快，但這批企業以跨境業務為主，數字不宜直接套用到本地零售或餐飲業。

至於應用的方向，大新銀行的調查顯示，中小企目前把 AI 集中在市場推廣及內容（56%）、客服（42%）、銷售支援（35%）及數據分析（30%），而流程自動化只有 14%（大新銀行，2026年5月）。這一點與「減少人手」直接相關：內容生成與客服問答確實可以省時間，但真正吃掉人力的重複工序——例如資料輸入、對帳、報告整理——目前仍未是中小企的 AI 主戰場。

二、香港人力成本的真實數字

要討論 AI 能否減低成本，先要有一條可對照的人力成本基準線。以下數字全部來自政府及法定機構的公開資料。

工資中位數與職業組別

2025 年 5 至 6 月的統計顯示，香港每月工資中位數為 HK$21,200，第 10、25、75、90 百分位數分別為 HK$11,000、HK$15,300、HK$33,000 及 HK$51,300（政府統計處公布，2026年3月）。按職業組別劃分，2025 年的每月工資中位數如下（政府統計處，2025年按職業組別工資統計）：

來源：政府統計處按職業組別工資統計（2025）；強積金供款按積金局規定計算，僱主供款為有關入息的 5%，最高入息水平 HK$30,000，每月上限 HK$1,500。「每月僱主成本」一欄為本文自行計算的推算，並非官方數字。

法定最低工資方面，2025 年 5 月 1 日起為每小時 HK$42.1（政府新聞公報，2025年5月），2026 年 5 月 1 日起升至每小時 HK$43.1（勞工處法定最低工資）。

把這些數字放進香港的企業結構來看，會更清楚為何中小企對成本特別敏感：2026 年 3 月，香港約有 36 萬家中小企，佔企業總數 98% 以上，僱用約 120 萬人（工業貿易署中小企業支援與諮詢中心）。

示範：如何計算一個工序的年度人力成本

很多老闆在評估 AI 時，第一個問題是「工具幾錢一個月」，但更值得先算的是「這個工序一年吃掉幾多錢」。以下是可自行套用的計算示範，全部為本文推算，並非官方數字。

情境：一間約 30 人的貿易公司，有一名文書支援同事，主要負責整理報價單、輸入訂單資料及整理每月對帳表，月薪接近該職業組別中位數 HK$17,500。僱主實際成本為 HK$17,500 + HK$875（強積金）= HK$18,375，年度約 HK$220,500。

假設上述重複性工序佔該同事約 30% 的工作時間（每週約 12 小時），該工序的年度人力成本約為 HK$220,500 × 30% = HK$66,150。若換成一名客服或銷售支援同事（服務及銷售人員中位數 HK$15,800，年度僱主成本約 HK$199,080），同樣 30% 的工序，年度成本約 HK$59,724。

三、AI 實際可以自動化的工序與香港案例

不是所有工序都適合交給 AI。目前在香港有公開數據支持的效益，集中在三類：財務及合規、行政流程、客戶服務。

財務及合規：金管局沙盒的實測數字

金管局於 2025 年 10 月公布的生成式 AI 沙盒結果，是目前香港最具體的效益數據之一。在銀行業的應用中，可疑交易報告及個案摘要的準備時間減少 30% 至 80%；備忘文件的處理時間由一日縮短至約五分鐘；高質素產出的製作時間較人手減少 60%；系統可分析 100% 的個案摘要（金管局生成式 AI 沙盒報告，2025年10月）。

同一個沙盒亦有具體的銀行案例：匯豐商業銀行的聊天機械人在轉用 RAG（檢索增強生成）架構後，準確度及可靠性提升 43%；匯豐銀行（香港）網站的聊天機械人經 800 多個場景測試，95% 使用者認為有幫助、85% 表示滿意（匯豐銀行金管局生成式 AI 沙盒用例摘要）。

行政及客服：政府部門的流程壓縮

政府於 2026 年 8 月公布的部分 AI 應用數字顯示，部分個案的處理或輪候時間減少 90%；部分流程由數日壓縮至數小時；環評程序所需時間減半；垃圾投訴處理時間最多減少七成（政府新聞公報，2026年8月）。

哪些工序最適合先試

來源：工序分類由本文按上述金管局及政府公開案例歸納，適合程度屬本文判斷，非官方評級。

四、導入 AI 的實際成本

算過工序成本之後，下一步是看工具那一邊的支出。以下是香港企業常用方案的公開定價。

來源：Microsoft 365 商業版定價；OpenAI 商業方案定價；ezone 報道香港寬頻「AI+」方案。

單看月費，工具本身的支出確實不高。但金管局在沙盒報告中明確指出，數據準備是最耗資源的階段之一，所耗時間與資源可與模型微調本身相當，甚至更多（金管局生成式 AI 沙盒報告，2025年10月）。換句話說，真正決定項目成本的往往不是訂閱費，而是整理資料、定義流程、以及日後維護知識庫所投入的人力時間。這部分沒有標準價格，必須自行估算。

五、為何多數項目失敗

如果效益如此具體，為何仍有大量項目無聲結束？三組公開資料指向同一方向。

Gartner 於 2026 年 1 月指出，至少 50% 的生成式 AI 項目在概念驗證（PoC）之後被放棄，主要原因為數據質素差、成本失控、業務價值不明（Gartner，2026年1月）。

MIT NANDA 於 2025 年的研究更為直接：95% 企業的生成式 AI 試點對損益沒有可量度的影響；外購方案的成功率約 67%，而自行開發的失敗率約為外購方案的三倍（MIT NANDA 研究，2025年）。

香港本地方面，生產力局 2025 年的同一份調查列出企業面對的主要挑戰，依次為：缺乏 AI 專才及培訓（首位）、數據私隱與安全、難以與現有系統整合、員工抗拒、實施成本高昂（生產力局，2025年9月）。

把三組資料放在一起，失敗的共同點就清楚了：項目通常由「想用 AI」開始，而不是由「哪個工序的工時最貴、輸出格式最固定」開始。當工具先行、工序後補，就很容易出現數據未整理好、流程未定義好、無人可以量度成效的局面。企業自行開發的路線風險更高，MIT 的數據顯示其失敗率約為外購方案的三倍。

六、一個實用的評估框架

以下五個步驟按上述數據整理，核心原則是：先算人力時間，再看工具。

第一步：列出重複工序，而非列出 AI 用途

請三位同事各寫出每週重複三次以上、輸出格式固定的工作，例如整理對帳資料、回覆同類客戶查詢、把同一批資料輸入不同系統。目標是找工序，不是找工具。

第二步：為每項工序算年度人力成本

用本文第二節的方法：該職位的年度僱主成本 × 工序佔用的工時比例，得出的數字就是判斷門檻。工序佔比可先用同事估算。

第三步：檢查數據是否準備好

金管局已指出數據準備可與模型微調本身同樣耗時。因此第三步不是選工具，而是問：這項工序的輸入資料是否存在、是否集中、格式是否一致、有沒有可核對的來源。若答案是否定的，應先處理資料。

第四步：先做一個工序，而不是一次過推行

大新銀行的調查顯示，目前中小企的 AI 應用集中在市場推廣與客服，流程自動化只有 14%（大新銀行，2026年5月）。流程自動化仍有大量未開發空間，但可供參考的本地經驗也較少。先做一個工序、量度它、再決定下一步，比一次過推行全公司數碼轉型穩妥。

第五步：預先定義「停止條件」

Gartner 指出 50% 項目在概念驗證後被放棄，主因包括成本失控與業務價值不明（Gartner，2026年1月）。應在開始前寫明：在什麼時間點、用什麼指標，判定這個工序的 AI 化是否值得繼續。指標可以是處理時間或需要人手覆核的比例。

常見問題

總結

回到最初的問題：AI 能否真正幫香港企業減低人手及營運成本？從公開數據看，答案是「可以，但條件比宣傳複雜得多」。

效益是真實存在的。金管局的沙盒數據顯示，財務及合規類工序的處理時間可減少 30% 至 80%，備忘文件由一日縮短至約五分鐘；匯豐商業銀行的聊天機械人轉用 RAG 架構後，準確度及可靠性提升 43%。政府部門的部分流程亦由數日壓縮至數小時。前提是工序本身規則清晰、資料齊備、有可核對的來源。

香港企業的實際情況則仍有明顯落差。員工日常使用 AI 的比例達 88%，但中小企付費使用只有 32%，流程自動化的應用更只有 14%。同時，Gartner 與 MIT 的全球研究顯示，大量項目在試點階段後停滯，MIT 的數據更指出自行開發的失敗率約為外購方案的三倍。生產力局列出的首位挑戰是缺乏 AI 專才及培訓。

對香港中小企老闆而言，最務實的做法不是問「要不要做數碼轉型」，而是先做一件很具體的事：挑一個每週重複三次以上、輸出格式固定的工序，算出它的年度人力成本，再判斷有沒有工具能在明顯低於這個成本的前提下把它處理好。這條算式不需要任何 AI 知識，卻能過濾掉大部分不值得做的項目。

如果你的團隊正處於「想用 AI 但不知道從哪個工序開始」的階段，可以先參考我們在企業 AI 應用及工作流程自動化方面的工作方式，再決定是否需要外部協助。