重點摘要
- Gartner 預計超過六成早期代理式 AI 項目會未達成本或效能預期，主因是低估了整合、治理與人才需求。
- 對每個 AI 需要接觸的系統問四個問題：流程需要什麼、從哪道門進入、可以改動什麼、出錯時誰會發現。
- 接駁路線按穩定程度排序：API 或 MCP 連接器、唯讀資料庫視圖、定時匯出，畫面自動化只作過渡。
一家物業管理公司用 AI 回覆住戶查詢已有兩個月。直到住戶問「上月管理費入賬了沒有」：答案在一套 2008 年的收費系統裏，原開發商早已結業，AI 無從查閱。
大多數企業 AI 項目不是卡在模型，而是卡在新智能與舊系統的接口。以下四個問題，助你逐一決定 AI 怎樣接上每個舊系統。
為什麼 AI 項目總是卡在舊系統整合？
因為真正有用的答案都在記錄系統之內，例如 ERP、收費系統、工單平台和核心銀行系統，而這些系統當初並非為外部存取而設計。模型推理能力再強，若無法穩定、合規地讀取最新資料，最多只能給出空泛草稿或自信的猜測。
Gartner 2026 年 1 月的研究《How to Enable Agentic AI via API-Based Integration》預計，到 2030 年超過 60% 的早期代理式 AI 項目會未達效能或成本預期，原因是低估了整合與治理要求。Dun & Bradstreet 的 AI Momentum 調查亦發現，只有 6% 企業認為資料已完全準備好支援大規模 AI。
四問整合框架是什麼？
對每個 AI 需要接觸的系統問四個問題：這個流程究竟需要它提供什麼？AI 可以從哪道門進入？AI 可以改動什麼？出錯時誰會發現？四個答案合起來，就決定了該系統的接駁路線、權限級別和監察安排。
- 流程需要什麼：只列出必須讀取的欄位和必須執行的動作，往往可把一半系統移出範圍。
- 從哪道門進入：由正式 API 到直接操作畫面，路線決定建置成本與維護負擔。
- 可以改動什麼：分開讀取與寫入，再分開可逆與不可逆的寫入。
- 出錯時誰會發現：每個接口都要有業務負責人、操作紀錄、警報和關閉開關。
每個舊系統應該用哪一種接駁路線？
選擇該系統已支援的最穩定路線：先考慮正式 API 或 MCP 連接器，其次是唯讀資料庫視圖，再其次是定時檔案匯出，最後才是畫面自動化。越往下越快起步，但運行時越脆弱，因此路線要與流程的重要程度相配。
| 路線 | 適用情況 | 起步速度 | 運行風險 |
|---|---|---|---|
| API 或 MCP 連接器 | 系統或供應商提供正式接口 | 中 | 低 |
| 唯讀資料庫視圖 | 自家機房系統，沒有 API，但 IT 可控制資料庫 | 中 | 低至中 |
| 定時匯出（CSV 或 SFTP） | 流程可接受數小時前的資料 | 快 | 中：資料過時 |
| 畫面自動化（RPA 或電腦操作代理） | 沒有 API、無法存取資料庫、開發商已結業 | 快 | 高：畫面一改即失效 |
AI 可以寫入核心系統時，權限應怎樣設計？
所有接口一律由唯讀開始，然後逐項開放寫入權限：先開放可以撤回的動作，不可逆的動作則保留人手審批。AI 必須使用獨立的服務帳戶，範圍收窄至任務所需，絕不借用同事的登入資料，這樣每項改動都可追溯、可即時撤銷。
- 讀取：查閱紀錄以回答問題。
- 草擬：準備改動，由同事審批執行。
- 可逆寫入：例如為工單加標籤。
- 不可逆寫入：收款、豁免費用，一律保留人手審批。
這與私隱專員公署《人工智能：個人資料保障模範框架》一致：按風險設定人為監督，並盡量減少 AI 處理的個人資料。
香港企業實際應用時是怎樣的？
框架會把「把 AI 接上所有系統」這個模糊項目，拆成幾個逐一系統的具體決定。以物業管理公司為例，可以讓 AI 經唯讀視圖查閱收費系統、經 API 讀取工單平台，客戶通訊則只容許草擬，運作穩定後再逐步放寬。
- 收費系統（2008 年，沒有 API）：唯讀視圖，只顯示單位、繳費狀態和入賬日期。
- 維修工單平台：經正式 API 讀取進度。
- 住戶通訊：AI 草擬，同事核對後發出。
運行八星期後，純狀態回覆升至自動發出；涉及欠款或投訴的仍維持草擬。舊系統沒有更換，只是多了一道受管控的門。
企業整合 AI 與舊系統時最常犯哪些錯誤？
最常見的錯誤包括：未證明一個流程有效就整合所有系統；因為示範效果好而預設使用畫面自動化；讓 AI 借用員工帳戶；以及把資料新鮮度當作純技術細節。這些做法在試點階段看似高效，一旦規模擴大便代價高昂。
- 範圍過大：只需兩個系統的流程，卻接了六個。
- 以畫面自動化為主力：系統一更新便失效，只宜作過渡。
- 共用帳戶：改動無法追溯，審計寸步難行。
- 忽略資料新鮮度：用昨晚的匯出回答，AI 會自信地報出過時數字。
怎樣向財務總監或董事會提出 AI 整合方案？
把整合定位為與單一流程成果掛鈎的分階段投資，而不是基建工程。方案應列明涉及的系統、每個系統的路線與權限級別、建置及運行成本、風險控制，以及在哪一天按什麼指標決定擴展、暫停或終止。
- 流程與基準：目前的處理量、處理時間和錯誤率。
- 系統地圖：每個系統的路線與權限級別。
- 分階段成本：建置、運行及脆弱路線的維護費用。
- 決策關口：觸發擴展的指標和日期。
寫明「暫時不做什麼」的方案，更易獲批。
整合本身就是策略，而不只是管線
舊系統不是 AI 的障礙，未經審視的整合計劃才是。選定一個流程，問完四個問題，由唯讀開始。
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
與熟悉舊系統的夥伴，規劃第一個 AI 接口
下一步是選定一個流程和它涉及的系統。由免費 AI 員工配置評估開始，UD 團隊手把手帶你完成每一步，由接駁路線、權限設計到部署與成效追蹤。$0 開通費，資料存放於香港或你的私有雲，配合 PDPO。
常見問題
引入 AI 之前，必須先更換舊系統嗎？
不必。大多數企業透過 API、唯讀資料庫視圖或定時匯出，把 AI 接上現有系統。只有當長期整合與維護成本高於更換成本時，更換才合理。
用 RPA 把 AI 接上舊軟件是壞主意嗎？
不一定。系統沒有 API、又無法存取資料庫時，畫面自動化是合理的過渡方案；但畫面一改便會失效，因此要預留維護預算，並避免用於不可逆的動作。
把 AI 接上內部系統，會否帶來私隱條例風險？
若 AI 看到超出任務所需的個人資料，便有風險。應實行資料最小化、把資料存放在認可地點、記錄每次存取，並參考私隱專員公署的人工智能個人資料保障模範框架。