香港企业大部分 AI 失败案例，根本不是模型失败，而是营运模式失败。试点成功，概念验证令指导委员会惊艳。十二个月后，工作流仍在试点阶段，三个部门各自打造互不相通的智能体，财务总监开始质问为何投入的预算没有可量化成效。答案很少与 AI 本身有关，而是缺乏一个将 AI 规模化的结构。
填补这个缺口的结构，有一个名字：AI 卓越中心（AI Center of Excellence）。本指南将说明这是什么、为何对香港中型及大型企业特别重要、以及如何在不重建 AI 本应取代的官僚架构下建立它。如果你是 CIO、COO、IT 总监或数码转型主管，需要为跨部门 AI 成效负责，这篇文章就是为你而写。
什么是 AI 卓越中心？
AI 卓越中心是企业设立的跨职能团队及营运模式，负责协调全企业的 AI 策略、治理、交付与采用。它提供「集中治理、分散执行」的结构：业务单位保留各自应用场景的拥有权，卓越中心则提供框架、标准与监督，确保每一个项目符合企业要求。
卓越中心并不是一个独立部门，去拥有所有 AI 项目，而是一条结缔组织，避免二十个 AI 项目变成二十个互不相干的技术债。根据微软云端采用框架（Cloud Adoption Framework），成熟的 AI 卓越中心更接近一个内部顾问及标准制定机构，而非交付团队。
为何香港企业在 2026 年需要 AI 卓越中心？
香港企业需要 AI 卓越中心，因为「不受管理的 AI 蔓延」带来的成本，已经超过治理本身的成本。根据麦肯锡 2025 年 AI 现况报告，虽然 88% 企业有定期使用 AI，但只有 6% 企业能让 AI 为其贡献超过 5% 的税前利润。中间 82 个百分点的鸿沟，不是技术不够强，而是缺乏一个协调机能。
2026 年是合适时机，原因有三。第一，香港个人资料私隐专员公署 2024 年 AI 指引及金管局生成式 AI 原则，已对企业设下清晰问责义务。没有 CoE，便没有人能可信地回答监管机构「谁在治理你的 AI」。第二，香港中型企业没有充裕人手让每个部门各自建立 AI 能力。「集中专业、分散交付」是唯一在人手限制下能扩展的模式。第三，金融服务及专业服务同业已经领先 12 至 18 个月。要追回差距，靠的是结构性行动，不是再做一次试点。
AI 卓越中心的四大支柱是什么？
根据 Deloitte 与微软 2026 年所检视的行业框架，AI 卓越中心建基于四大支柱。第一是策略与商业价值，定义 AI 用来做什么、影响如何衡量。第二是数据与技术基础设施。第三是治理与伦理。第四是人才与组织能力。
每个支柱在首 90 天必须交付一项不可妥协的成果。策略支柱必须产出按优先次序排列的应用场景清单，附带可衡量的业务成果。数据及基础设施支柱必须发布参考架构及核准工具清单。治理支柱必须发布 AI 风险分级制度、可接受使用政策及模型批核流程。人才支柱必须建立明确职涯路径及跨部门实践者网络。
欠缺任何一个支柱，都会带来可预测的失败。有策略没治理，会引发合规危机；有治理没策略，会建立阻碍合理工作的官僚架构；有技术没人才，平台无人采用。四个支柱必须一起运作。
香港企业内部，AI 卓越中心应如何组织？
适合香港中型及大型企业的 CoE 结构，是 4 至 8 人的小型核心团队，加上对业务单位的清晰连接机制，而不是庞大的中央交付团队。核心团队包括 AI CoE 主管、AI 架构师、数据与 MLOps 主管、AI 治理与风险主管、AI 采用与变革主管，以及一名兼职法务联络人。业务单位则委派 AI 大使（AI Champions），他们向所属部门汇报，但定期参与 CoE 会议。
这就是「联邦式」（Federated）模式，亦是 2026 年大部分成功的企业 AI CoE 采用的形式。另一种「中央集权式」模式，由 CoE 拥有并交付每一个项目，在香港行不通，原因是专家数目根本不足。联邦式模式是用 CoE 倍增业务单位的影响力，而不是取代它们。
CoE 主管须直接汇报予高级主管，通常是 CIO、COO 或首席数码总监，并对指导委员会有直接视线。汇报层级过低，是 CoE 表现不彰最常见的单一原因。权力必须匹配责任。
AI 卓越中心日常实际做什么？
AI 卓越中心有五项持续的营运职责：维护应用场景积压清单及优先排序框架；运行模型及工具批核流程；拥有 AI 风险登记册及事故应变指南；推动实践者社群及能力建设项目；以及产出指导委员会用来分配后续投资的季度成效报告。
大多数 CoE 首先推出的实务工具，是「AI 应用场景登记表」。任何业务单位想启动 AI 项目，必须透过 CoE 提交。CoE 会对风险作分类、推荐架构、从核准清单建议供应商，并指派一位 CoE 伙伴支援交付。没有登记机制，业务单位便会悄悄购买「影子 AI」工具，累积合规风险。
第二项实务工具是季度更新的模型及工具核准清单。根据 Forrester 2026 年企业 AI 治理调查，78% 维持核准清单的 CoE 在六个月内，影子 AI 采购量大幅下降。
AI 卓越中心应发布哪些治理标准？
AI 卓越中心应在首六个月内发布六项核心治理标准：AI 可接受使用政策、AI 风险分类框架、模型批核流程、AI 数据使用标准、人类监督标准、AI 事故应变指南。每一项都应简短、具立场，并以业务语言撰写。
当中以 AI 风险分类框架最为重要。它根据影响、敏感度、不可逆性将应用场景分为层级。低风险可自行确认；中风险需 CoE 审查；高风险须提交指导委员会批核。根据香港个人资料私隐专员公署 2024 年 AI 指引及金管局 2024 年生成式 AI 原则，这种分级方式正是监管机构询问「你如何治理 AI」时所期望的答案。
人类监督标准则防止香港企业最常见的错误：在客户面对的情景中部署 AI，却没有清晰的升级路径。根据 Deloitte 2025 年 AI 信任调查，过去一年发生 AI 事故的企业中，47% 没有任何书面监督标准。
如何衡量 AI 卓越中心是否有效运作？
AI 卓越中心是否有效运作，可由 12 个月内三项可量化变化判断：应用场景由提案到投产的时间缩短 40% 或以上；运行 AI 项目的业务单位比例上升 50% 或以上；影子 AI 采购量下降 60% 或以上。三项一同达标，代表 CoE 在赋能而非阻碍。
错误指标是大多数 CoE 预设使用的「治理项目数量」，那只是计算活动量，不是成效。应改用三项成效指标：AI 带来的税前利润总影响、已部署 AI 工作流为员工释放的时间、首次审计通过的 AI 项目比例。根据 BCG 2026 年「为未来而建」研究，首年采用成效指标的 CoE，所获后续投资较只汇报活动量者高出 2.4 倍。
季度汇报非常重要。年度汇报太迟，已经来不及修正方向。CoE 主管应每 90 天以一页 A4 向指导委员会讲解指标。
AI 卓越中心最常见的失败模式有哪些？
三类失败模式占 AI CoE 表现不彰的大部分情况。第一是策略尚未成形便先设立 CoE；第二是中央人员过剩、业务单位资源不足；第三是 CoE 变成守门员而非赋能者。三类问题若在首年发现，仍可修复；拖到第二年，便难以挽回。
没策略便设立，意味 CoE 没有可优先排序的依据，最终沦为「收件箱优先」的求助台。中央人员过剩看似有进度，实际上削弱真正创造价值的业务单位。根据 Gartner 2026 年 CIO 调查，高表现 AI CoE 中位数为中央 6.4 名全职员工，加上 24 名分散于业务单位的 AI 大使。比例本身就是讯号。
变成守门员，意味 CoE 只懂说「不」。这是业务单位在六个月内绕过 CoE 自行采购、令影子 AI 不减反升的失败模式。CoE 必须在实际速度上比绕过它更快；若做不到，整个结构是颠倒的。
结论：从试点循环到真正能力
香港企业困于试点循环，原因不是技术失败，而是缺乏一个将试点转化为能力的营运结构。AI 卓越中心，就是那个结构。在 2026 年建立 CoE 的企业，到 2027 年将以结构性更低的成本基础运作，而那些再延迟一年的同业，则仍在原地。
真正的决策不是「是否建立 CoE」，而是要让它多轻量、由多高层级主管领导、从哪一个支柱开始。懂AI，更懂你 — UD相伴，AI不冷。28 年来与香港企业同行每一波科技变革，我们亲历过让价值复利的 CoE，亦见过沦为另一个委员会的 CoE，差别就在执行。
准备设计你的 AI 卓越中心？
你已掌握框架。下一步是盘点你目前的 AI 活动、找出最先创造杠杆的支柱、为你的规模设计合适的团队。UD 团队手把手带你完成每一步，从 CoE 设计、治理基线，到应用场景登记设置、供应商评估，以及 90 天营运节奏。我们已为香港金融服务、物流、专业服务各行各业组织完成过此类工作。