有一個數據點，應該重塑你下一季董事會上每一場 AI 投資對話。根據 BCG 2026 年《Build for the Future》報告，由供應商主導的 AI 部署成功率為 67%，而企業內部自建 AI 的成功率僅約 33%。在統計上，自建路徑失敗的可能性是採購路徑的兩倍。
然而，香港大多數中型企業仍習慣以「先自建」為預設選項。工程團隊把客製化 AI 包裝成競爭護城河；採購部門擔心廠商鎖定；財務總監問 IT 為何不能比授權方案做得更便宜。預設答案逐漸偏向自建，18 個月後專案進入慢性關停階段。
有一個更好的方法。一個簡單的三問框架，BCG 稱之為「能力、複雜度、關鍵性」（Capability、Complexity、Criticality），讓企業領袖在動用資本前，為每一個 AI 用例評分。這個框架不會消除困難的取捨，而是把取捨清楚呈現出來，讓決策可被檢驗、可被辯護。
什麼是企業 AI 的自建還是採購決策？
企業 AI 的自建還是採購決策，是指在內部自行開發 AI 能力、購買商業化 AI 產品、或與供應商合作共建之間做出選擇。它決定了 AI 路線圖中每一個用例的成本、上線時間、客製化深度與持續風險。整個 AI 計劃，很少存在一個「全部自建」或「全部採購」的正確答案。
根據麥肯錫《State of AI 2025》報告，已將 AI 規模化部署的企業，已在成本或收入上錄得可量度優勢；然而僅 6% 的企業可被歸類為「AI 高效能者」，其 EBIT 由 AI 貢獻超過 5%。這 6% 的模式高度一致：在通用能力上採購、在差異化能力上合作、只在真正具備專屬性的能力上自建。
為何「自建」常常是錯誤的預設選項？
自建之所以常常是錯誤的預設，因為可見的成本（工程薪資）看起來很小，而隱藏的成本（學習曲線與上線時間）巨大。供應商主導的部署，通常比內部自建快五至七個月達到生產環境，而這個落差會在整個 AI 投資組合上累計。
這條算式並不留情。Forrester 2026 年混合 AI 架構研究顯示，平均內部 AI 專案需要 9 至 18 個月才能進入初步生產，而同類別由供應商主導的專案則需要 4 至 7 個月。對一家香港金融服務機構而言，這 6 個月落差所造成的生產力損失，往往超過整個 3 年合約的供應商授權費總額。
什麼是「能力、複雜度、關鍵性」框架？
「能力、複雜度、關鍵性」框架是一個三問決策工具，為每一個 AI 用例在三個維度上評分：今天可調用的內部能力、工作流的技術複雜度、成果的策略關鍵性。三項分數的組合，將每個用例導向自建、採購或合作的方向。
輸出不是一個固定答案，而是 IT 總監可向財務總監與董事會呈交的可被辯護的推理路徑，並讓採購團隊在動用預算前提出挑戰。AI 投資組合中的每一個用例，都用同一組三個問題進行評估。
第一問：能力，你的團隊今天具備技能嗎？
第一問檢視內部團隊今天是否具備所需的 AI 工程、數據及營運技能，能夠把這個用例交付到生產並持續運行。不是 6 個月招聘衝刺後具備，不是培訓計劃完成後具備，而是今天，依靠目前在編的人員。
根據生產力局《AI Readiness in Workplace Survey 2025》，人才短缺是香港僱主提及最多的單一限制，大多數受訪企業反映高階 AI 工程能力有限。如果這個問題對該用例的答案不是「是」，自建幾乎都是錯誤路徑。採購或合作能保住時程。只自建你能在營運中持續支撐的部分，而非僅在開發階段交付。
第二問：複雜度，這是標準用例還是專屬用例？
第二問檢視該用例在技術上是否屬於「標準」（已有成熟商業方案可選）或「專屬」（需要新穎架構或工作流設計）。為法律部門開發的文件摘要工具屬於標準。基於本機構獨有承保邏輯的索賠分流系統屬於專屬。
對於標準用例，採購幾乎都更快、更便宜、風險更低。市場已在產品化上投入數十億美元，你的內部版本要追上極為困難。對於專屬用例，合作或自建是可被辯護的，但前提是第一問也答「是」。標準用例搭配有能力的團隊仍可能是採購；專屬用例搭配能力薄弱的團隊，永遠應先考慮合作而非自建。
第三問：關鍵性，這對你的競爭優勢有多核心？
第三問檢視該用例直接塑造你競爭地位的程度。它是 12 個月內每個競爭對手都會擁有的「商品基礎設施」，還是與數據、工作流、客戶關係綁定，只有你能做出來的「差異化能力」？答案會改變投資意願，也改變對廠商鎖定的接受度。
對一家香港物流企業而言，使用內部歷史數據的 AI 路線優化引擎屬於高關鍵性，專屬數據就是護城河。對同一家企業而言，AI 客戶服務聊天機器人屬於低關鍵性，沒有任何物流客戶會以聊天機器人質素為選擇依據。在這種情境下自建聊天機器人，只有當第一問與第二問也指向自建時才合理，但這種情境極為罕見。
框架如何對應到自建、採購或合作？
框架對應到一個清晰的矩陣。高能力、高複雜度、高關鍵性，通常支持自建。低能力或低複雜度（無論關鍵性高低），幾乎都指向採購。任一維度位於中段，通常指向合作，由廠商專業加速進度，但你的團隊共擁成果並保留組織內知識。
根據 Forrester 2026 年混合 AI 研究，65% 的企業已採用混合架構，大約 70% 採購、30% 自建；這群企業達到可持續 AI ROI 的速度，比純自建組織快 60%。混合並不是妥協，而是實證上勝出的模式。
應用框架時最常見的陷阱是什麼？
最常見的陷阱是讓工程虛榮心拉高第三問的分數。每一個有趣的 AI 問題，對著手解決它的團隊而言都感覺策略性十足。但策略關鍵性是董事會的問題，不是工程的問題；它應錨定於客戶選擇與營收，而非技術優雅度。
第二個陷阱是把答案當成靜態結論。自建、採購、合作的組合，應每 12 個月重新檢視一次，因為廠商能力會改變，內部團隊會成熟，去年屬於專屬的能力，今年可能變成商品。同一個 HR 分析用例，2026 年的決策，與 2024 年的決策幾乎不會相同。
第三個陷阱是忽略變革管理成本。BCG 2026 年供應鏈 AI 研究顯示，即使是成熟的廠商方案，當實施被當成「技術安裝」而非「流程再造」處理時，生產力提升通常只有單位數百分點。採購決策節省的是工程力，而非變革管理投資。
框架如何套用到香港金融服務業？
對於受金管局 2025 年 11 月生成式 AI 通函監管的香港銀行而言，框架產出穩定的答案。反洗錢監察屬於高關鍵性但標準複雜度，應與一家受規管的 AI 廠商合作並共擁模型。通用聊天式生產力工具屬於低關鍵性、標準複雜度，應從具備港區數據存放地的主流雲端平台直接採購。
香港金融服務業真正適合自建的位置，是護城河確實具備專屬性的環節，例如針對銀行特定資產組合調校的內部信用風險模型，或嵌入獨有合規工作流中的制裁名單篩查邏輯。即便如此，務實的模式仍是與專家合作，而非單獨自建。
對香港企業領袖的核心結論
MIT NANDA 在 2025 年報告的 95% AI 試點失敗率並非隨機，它高度集中於一個特定模式：機構在沒有先進行結構化「能力、複雜度、關鍵性」對話之前，預設選擇自建。成功的 5% 看起來不一樣，他們在通用能力上積極採購、在差異化能力上有意識地合作、只在真正具備專屬性的能力上節制地自建。
紀律不在於選自建、選採購、還是選合作，而在於產出該選擇的決策對話。把每一個 AI 用例放進同一組三問框架、把推理過程記錄下來、每年重新檢視一次。懂AI，更懂你 — UD相伴，AI不冷。28 年來陪伴香港企業，我們見過太多 AI 投資不是被精巧的工程救回來，而是被清晰的決策框架救回來。你帶進董事會的框架，比你推上生產的模型更重要。
你已經掌握了框架。下一步是把 AI 路線圖中的每一個用例，對應到正確的「能力、複雜度、關鍵性」答案。我們手把手帶你完成每一步，從用例評分、自建/採購/合作建議，到一份董事會可呈交的 12 個月投資計劃，28 年香港企業科技交付經驗，全程陪你走。
