這個決策，決定你整個 AI 計劃的走向
有一個四問題框架，能區分真正帶來複利回報的企業 AI 投資，與最終淪為昂貴概念驗證的項目。而第一個問題——自建、採購，還是與夥伴合作——決定了後續三個問題的答案。
香港的企業主管正面對這個選擇的壓力。Gartner 報告指出，到 2028 年，90% 的企業軟件工程師將使用 AI 編程助手，而 2024 年初這個比例低於 14%。這個轉變悄然改寫了自建開發的經濟學——每家供應商也隨之改寫了自己的銷售說辭。
這篇文章提供一個框架，讓你能正確回答這個決策，而不被捲入供應商的演示戰，或陷入「樣樣自建」的工程幻想。內容設計對象為香港中型企業的營運副總裁、IT 總監、數碼轉型主管，適用於 50 至 500+ 名員工的組織。
2026 年的「自建對採購」，實際上是什麼意思？
自建對採購，是決定企業究竟要自行開發 AI 能力、向供應商購買，還是與專業夥伴合作的策略選擇。在 2026 年，這個選擇幾乎不是二元對立——大多數成熟的企業 AI 計劃採用 70/30 組合：70% 採購（SaaS AI 工具與基礎模型）加 30% 自建（專有數據層與差異化工作流程）。
用字已經改變。十年前，「自建」意指聘用工程團隊、從零訓練模型。而今日，自建通常指在基礎模型之上組裝能力——微調開源模型、在現有系統之間編排 AI 代理、或在內部知識庫之上加入檢索層。
「採購」的意義也已轉變。如今大多數企業 SaaS 產品預設就內建 AI 功能。你不再需要決定是否購買 AI；你是在選擇把工作流程錨定在哪個平台內的哪一層 AI 上。
第三個選項——合作——已成為缺乏深厚內部 AI 專才的企業的預設路徑。專業夥伴處理自建的部分，而你保留對數據、策略與成果的主導權。
在什麼情況下應該選擇自建？
只有在同時滿足三個條件時，才應選擇自建：能力是企業價值創造的核心、內部團隊有長期維護能力、數據敏感度高到不能交給第三方。任何一項條件缺失，採購都是更佳選擇。
第一個條件關乎差異化。如果供應商能提供同樣的能力，自建便是重複勞動，只會消耗資本而不創造優勢。一家金融服務公司自建通用客服聊天機械人，就是在解決二十家供應商已經解決、而且做得更好的問題。
第二個條件關乎能力承載。自建 AI 不是一個項目，而是一個長期承諾。建立它只佔總成本 20%，而在五年內進行維護、重新訓練與監控，佔另外 80%。低估維護成本的企業，會把 AI 預算花在最終默默停用的項目上。
第三個條件關乎數據引力。如果把數據經供應商雲端傳輸會產生監管風險——特別是在香港《個人資料（私隱）條例》下，或金融機構在金管局指引下——本地部署或私有雲自建可能是唯一可行路徑。然而這個情境比大多數主管想像的要窄得多。
一個實用的原則：如果你無法用一句話清晰說明為什麼這個能力必須自建而非採購，那就代表不應該自建。
什麼時候採購才是正確選擇？
當能力屬於商品化功能、供應商路線圖超越你的內部能力、而且離場成本可控，採購便是正確選擇。對於 70% 的企業 AI 使用情境——客服自動化、文件處理、會議摘要、行銷內容生成——答案就是採購。
商品化的 AI 能力，會因供應商將開發成本分攤在數千客戶身上而加速改進。你的內部團隊無法追上這個節奏。任何已有信譽良好供應商提供成熟 SaaS 方案的能力，預設就是採購候選。
路線圖問題比功能清單更重要。一家每季推出有意義新功能的供應商，會在一年內超越內部自建。評估供應商應以發布速度為準，而不是採購當下的功能核對清單。
離場成本，是大多數採購決策悄然出錯之處。在簽約之前，請具體詢問四個問題：誰掌控模型？如果你離開，數據會怎樣？能否乾淨地匯出工作流程？如果使用量擴大到目前的十倍，定價會如何？任何一個答案不清晰，該供應商就尚未準備好被採購。
什麼時候應該選擇合作夥伴？
當使用情境具策略重要性，但內部團隊尚未具備自信操作的深度時，就應選擇合作——這是沒有專責 AI 部門的香港中型企業的預設路徑。夥伴模式結合了自建的針對性，以及採購的速度與風險分擔。
夥伴模式特別適合企業首次部署 AI 的場景。企業首個 AI 系統的治理方式、數據處理模式與整合架構，會被後續每個系統繼承。第一次做錯，就是一場長達數年的昂貴修正。
夥伴選擇是策略決定，而不是採購流程。合適的夥伴帶來三樣東西：在你所屬行業與類似規模組織的實戰經驗、從試點到正式運行的可複製方法論、以及對成果（而不僅僅是交付物）的真正問責。
在香港的實務脈絡中，一位熟悉《個人資料（私隱）條例》合規、跨境數據流動考量、以及你所屬行業監管期望的本地夥伴，比把香港視為次要市場的全球供應商，能為你節省數月的返工時間。
三種選項的總成本，應該怎樣建模？
建模時要以五年為期，而不是第一年——因為 AI 成本曲線與傳統軟件不同，訓練、監控與模型更新在第二年後會成為主要支出。第一年成本有利於採購；五年成本往往有利於設計良好的夥伴合作。
對自建選項，計算：初期工程成本、基礎設施（運算、儲存、模型推理）、每六至十二個月的模型重新訓練、監控與可觀測性工具、以及維持系統運作所需人員的完整負擔成本。再加 30% 風險溢價，以涵蓋自建開發本質上的不確定性。
對採購選項，計算：按第三年預期規模（而非目前規模）的訂閱費用、整合與導入成本、內部變革管理與培訓、以及第四年若市場轉變需要更換供應商的預估成本。大多數採購成本分析都低估了最後一項。
對夥伴選項，計算：導入成本、任何共用基礎設施、持續的顧問費或託管服務費、你內部所需投入時間、以及若長遠目標是逐步把知識轉移到內部時的轉移成本。
策略問題不是「哪個選項最便宜」，而是「在你組織的具體限制下，哪個選項在五年內每一元投入所產生的價值最高」。
哪些常見陷阱會令這個決策失敗？
在失敗的企業 AI 計劃中，有四個陷阱反覆出現：為避免供應商鎖定而自建、採購時沒有規劃整合、把合作當交易處理、以及憑演示而非正式運行場景做評估。這四個陷阱會彼此疊加。
第一個陷阱——為避免鎖定而自建——是最昂貴的迴避方式。為了逃避未來對成熟供應商的依賴而自建替代品，結果是立即依賴自家工程團隊，而後者通常比供應商合約更難管理。
第二個陷阱——採購時沒有規劃整合——解釋了為什麼大部分「快贏」AI 採購會停滯。工具在獨立測試中完美運作，但放在你的系統堆疊中就無法運作。若在一開始就誠實計算整合成本，往往會發現採購並不如標價那般便宜。
第三個陷阱——把合作當交易處理——讓本應是策略性關係變成採購流程。真正交付成果的夥伴，是深度嵌入你營運的那些，而不是為下一張帳單優化的那些。
第四個陷阱——憑演示做評估——是企業 AI 最可預測的失敗模式。演示在供應商的乾淨數據上運作完美，但你的數據比較雜亂。在做出任何重大承諾之前，堅持要求用你自己的數據進行付費試點。
一個本週就能使用的決策矩陣
對你每個候選的 AI 使用情境套用四個維度矩陣：策略差異化、內部能力、數據敏感度、到位時間的迫切性。每個維度評分為高、中、低——組合模式會告訴你答案。
---高差異化 + 高內部能力 + 高數據敏感度 + 任何迫切度：自建是可辯護的選擇。
---低差異化 + 任何能力 + 低至中數據敏感度 + 高迫切度：採購是正確選擇。
---中至高差異化 + 低至中內部能力 + 中至高數據敏感度 + 中等迫切度：夥伴合作是最佳組合。
---任何評分組合 + 低內部能力 + 高迫切度：夥伴或採購——絕對不要在時間壓力下自建。
在承諾 2026 年 AI 路線圖的任何預算之前，把這個矩陣套用在每個使用情境上。有紀律地執行這個矩陣的企業，通常會發現原本計劃中 60% 至 80% 的「自建」工作，從一開始就應該是採購或合作。
給香港企業領袖的策略啟示
自建對採購的決策，其實不是技術問題，而是策略問題——你選擇把稀缺的注意力、資本與人才，投入在何處以換取競爭優勢。商品化的技術應該採購，策略性差異化項目應該自有——但前提是你有真正把它做好的能力。
我們觀察到的大多數香港企業，在 AI 旅程之初都高估了自己需要自建的數量，而低估了需要治理的部分。未來兩年的贏家，不會是擁有最多客製化 AI 的企業，而是挑對了夥伴、買對了平台，並把內部自建能力集中投入於真正形成差異化的兩至三個項目上的企業。
懂AI的冷，更懂你的難 — UD 同行 28 年，讓科技成為有溫度的陪伴。
準備把這個框架套用到你的 AI 路線圖？
了解了框架，下一步是找出最適合你組織的切入點。UD 28 年來陪伴香港企業走過這個決策——橫跨金融服務、專業服務、物流與製造業。我們手把手帶你完成每一步——從 AI 準備度評估、自建對採購評估，到供應商選型、部署上線，以及五年總成本建模。