有一個四部框架，能區分「財務總監會批准的 AI 提案」與「在跟進會議中悄然夭折的提案」。它與更漂亮的簡報或更宏大的願景無關，而是關於：給那位掌管預算的人一個他能向董事會辯護的數字。以下就是這個框架。
其中的利害關係，比多數提案所承認的更高。根據 Gartner，全球 AI 開支在 2026 年可望達到約 2.5 萬億美元，然而只有約四分之一的 AI 項目達到預期回報。這道缺口並非技術問題，而是商業方案的問題。
為什麼大多數企業 AI 商業方案無法獲批？
大多數 AI 商業方案失敗，是因為它們承諾轉型，卻拿不出站得住腳的數字。財務總監無法批准「效率」或「創新」，他能批准的是一項具體削減的成本、一段具體節省的工時，或一筆具體釋放的收入，並附上時間表。模糊的好處讀起來就是風險，而沒有數字的風險，不會獲得撥款。
數據解釋了這份審慎。Gartner 指出，約有兩成的 AI 項目徹底失敗，只有約 28% 完全達到回報預期。一位讀過這些數字的財務總監並非在為難你，而是在把你的提案，對照一片充斥著「昂貴試點只換來一份簡報」的景象作模式比對。
AI 商業方案的四部框架是甚麼？
這個框架有四部分：界定價值、建立務實的回本模型、指明你將匯報的指標，以及降低試點風險。每一部分都回答一條財務總監在簽署前會問的問題。少了一項，提案就有一個財務團隊在第一次會議就會找到的漏洞。
其邏輯是有先後次序的。未界定價值，就無法建立回本模型；不清楚價值，就無法挑選指標；未定義的東西，也無從降低風險。按序完成，這四部分就把一個願景，變成一份投資備忘錄，而那正是財務總監真正會批准的文件。
如何界定一項 AI 投資的價值？
界定 AI 價值，要把它綁定到一個具體、可衡量的業務流程，而非一個部門級的宏願。挑一項有已知成本的任務：花費的工時、錯誤率、回應時間，或人手壓力。一個狹窄而量化的目標，遠比「轉型營運」這類寬泛承諾更容易獲批。
試看一個具體例子。與其說「AI 會改善客戶服務」，界定後的版本是：「我們團隊每月花 400 個工時回答重複的政策問題；一個以我們自身文件為根據的 AI 助理，估計可吸收其中約六成的查詢量。」現在財務總監看到的是數字、來源與界限。
麥肯錫的研究印證了界定範圍為何重要。它發現只有約 21% 的生成式 AI 採用者從根本重新設計了底層流程，但這批企業匯報顯著 EBIT 影響的機會，約為其餘者的 3.6 倍。價值來自重新設計流程，而非把 AI 硬接到一個已經失靈的流程上。
企業 AI 務實的回本期是多久？
對一項具規模的部署而言，企業 AI 的務實回本期是兩至四年，而非領袖常假設的七至十二個月。德勤一項涵蓋逾 1,800 名高管的調查發現，AI 回本期通常較傳統科技長三至四倍，只有約 6% 能在一年內見到回報。
這是整份商業方案中最重要的一份誠實。一份承諾六個月回本的提案，不會被任何有經驗的財務總監相信，並且會在它延誤時損害你的信譽。一份建立務實兩至三年回本模型、並在首年附上一個較小快速成果的提案，讀起來是幹練而非天真。
策略上的做法是分階段。先撥款給一個回報迅速而溫和的狹窄試點，以證明機制有效，再以那份證據去支撐多年期投資。相比「被承諾的機制」，財務總監遠更樂意為「已被證明的機制」撥款。
該匯報哪些指標來證明 AI 回報？
匯報那些能直接對應金錢或風險的指標：每宗交易成本、收回的工時、錯誤率、周期時間，以及採用率。像「回答了多少查詢」這類虛榮指標只證明活動量，而非價值。正確的指標，是財務總監能追溯到損益表或已降低責任的那一種。
採用率值得特別留意，因為它是最多項目忽略、也是最多失敗共有的指標。一個只有 12% 團隊使用的 AI 工具，無論技術多好，也只交付其模型價值的 12%。把採用率與成果並列匯報，會告訴財務總監這項投資是否真正落地。
這件事在此刻尤其重要：Gartner 指出，只有約 29% 的高管有信心能衡量自己的 AI 回報。單是帶著一份清晰的衡量計劃出現，就已令你的提案領先於那大多數答不出這條問題的人。
在索取全額預算前，如何降低 AI 試點的風險？
降低 AI 試點風險的方法，是令它小型、有時限、可逆轉，並在開始前先議定一個明確的成功門檻。一個無法以低成本失敗的試點，並不是試點，而是一項偽裝的承諾，而財務總監會立即看穿其中分別。
三道實務護欄能為大多數試點降低風險。設定固定預算與結束日期，令開支不會失控。事先界定成功指標與門檻，令擴大規模的決定基於證據而非政治。並在事前確認資料與整合的實際情況，因為與舊有系統的摩擦，正是預算悄然超支之處。
這裡也浮現出財務總監真正的問題：不是「它會否成功」，而是「若不成功會怎樣」。一份誠實回答這條問題、並把下行風險封頂的商業方案，遠比一份假裝失敗不可能發生的方案更容易獲批。
在香港，一份可獲批的 AI 商業方案是甚麼樣子？
一份可獲批的香港 AI 商業方案，會把一個界定清晰的本地應用場景，配上務實回本期與一個明確的資料治理答案。由於金融服務等行業須遵守金管局的期望與《個人資料（私隱）條例》，財務總監會在問回報之前先問資料處理。你要在備忘錄裡回答，而非在被追問時才回答。
一個有力的本地例子：一家中型專業服務公司把 AI 界定於文件草擬，建立兩年回本模型並置於一個三個月試點之後，承諾追蹤採用率與周期時間指標，並在事前處理客戶資料保密問題。這份備忘錄能獲撥款，因為香港財務總監會提出的每一條問題，都已在紙上得到回答。
對照之下發人深省。同一家公司若只是索取「探索 AI 的預算」，換來的會是禮貌的擱置，因為探索是成本中心，而一項界定清晰、已降風險、可衡量的投資，才是一項商業決策。
策略要點
最好的 AI 商業方案，不是最宏大的那一份，而是最站得住腳的那一份：一個界定清晰的應用場景、一段務實的多年期回本並附首年快速成果、能對應金錢的指標，以及一個即使失敗也只以低成本失敗的試點。那正是區分「獲得預算的領袖」與「被擱置的領袖」的文件。
有一個曾坐在談判桌兩邊的夥伴，把它建好會更容易。懂AI，更懂你 — UD相伴，AI不冷。同行28年，協助香港企業把科技化為成果，我們深知：一份能獲撥款的 AI 策略，建立於誠實的數字，而非宏大的承諾。
準備好建立一份財務總監會批准的方案了嗎？
既然你已掌握這個框架，下一步就是找出你價值最高、風險最低的切入點，並為它配上真實的數字。UD 手把手帶你完成每一步，由 AI 準備度評估、界定試點、建立回本模型，到定義你董事會會信任的指標，28 年企業服務經驗，全程陪你走。