星期一早上，你打開上月營業報表，數字比對上個月跌了 14%。你知道跌了，但你不知道為什麼跌。
於是接下來兩小時，你開了五個 Excel、比對逐星期數據、問店長有沒有什麼異常，最後得出一個結論：大概是那幾場大雨吧。
「數據代理」（Data Agent）就是專門代你做這兩小時的軟件，而且不用你開口，它已經查完。2026 年 9 月開始，這個概念不再只是實驗室的展示品，而是正式出現在企業日常使用的工具裡。以下說明數據代理究竟是什麼、它跟你早就不再打開的儀表板有何分別，以及香港中小企現階段是否用得上。
什麼是數據代理？
數據代理是一種人工智能系統，它接駁你的業務數據，自行拆解問題、逐項查證，最後交回一份完整的解釋。它與聊天機械人不同之處在於：它會自己決定下一步查什麼，過程中不需要任何人撰寫資料庫指令或製作圖表。
定義裡最關鍵的兩個字是「查證」。搜尋工具負責找出資料，聊天機械人負責回答你問的那一句，而數據代理會根據剛剛查到的結果，決定接下來應該查什麼，就像一位初級分析員的做法。
當你問它「為什麼上月營業額下跌」，它不會只丟回一個數字。它會先把問題拆開：是客人變少，還是客人一樣多但消費金額變低？哪一間分店？哪一個產品？哪一個星期？它逐項查核，排除無關的方向，最後給你一個簡短結論，並附上支撐這個結論的數據。
數據代理與儀表板有什麼分別？
儀表板只會顯示你事先揀好的指標，然後等你自己解讀；數據代理則由一條業務問題出發，自行判斷哪些數字相關，再解釋成因。儀表板告訴你營業額跌了 14%，數據代理告訴你是因為某一間分店的星期二午市客量下滑。
這是「呈現」與「診斷」的分別，也解釋了為什麼那麼多儀表板用到第三個月之後就再沒有人打開。
大部分中小企缺的並不是數據，而是那二十分鐘有紀律的追查功夫。儀表板把數字交給你就停下來，追查的工作仍然要有人做；而在一間十五人的公司裡，那個人通常就是老闆本人，時間通常是晚上十一點。
儀表板做不到的三件事
- － 它不會自己追問下一條問題。一張顯示下跌的圖表，永遠不會主動去查這個跌幅是否集中在某一條產品線。
- － 它無法把兩個系統的數據併起來看。你的收銀系統與訂座系統各自握著一半答案，儀表板只會顯示它當初被接駁的那一半。
- － 它不會告訴你「這個月沒什麼特別」。無論這個月風平浪靜還是兵荒馬亂，它都是顯示同樣那十二格。
數據代理實際上如何運作？
數據代理的運作分四步：接駁獲授權的數據來源、把問題拆成多項可查證的子問題、逐項自行查核，最後用日常語言寫出結論並附上數據。權限由數據管理者設定，代理只看得到獲准查閱的部分。
以實例說明。OpenAI 於 2026 年 9 月 10 日在 ChatGPT Work 內推出的 Data agent，可接駁 Google BigQuery、Snowflake、Databricks、Amazon Redshift、MongoDB、ClickHouse 與 Datadog 等數據來源，亦可讀取存放在 Google Drive 及 SharePoint 的檔案，並能在 Power BI、Tableau、Sigma、Omni、Oracle BI 與 ThoughtSpot 內建立及讀取儀表板。
這份接駁清單其實透露了一個重點：這些都是設有數據團隊的公司才會使用的平台。一間位於觀塘、十二人的貿易公司，並沒有 Snowflake 帳戶。
四個步驟，順序如下
- － 接駁。由具管理權限的人批准代理可讀取哪些系統。這是一個管治決定，而不是技術決定。
- － 拆解。代理把「為什麼毛利下跌」轉化成一系列可以逐項驗證的子問題。
- － 查證。它針對每條子問題查詢數據，並根據查到的線索調整方向，而不是跑一套固定流程。
- － 解釋。它用完整句子寫出發現、附上數字，通常還會提供一張可以直接轉發的圖表。
香港中小企可以用數據代理做什麼？
對規模較小的香港企業而言，實際用途範圍不廣但相當真實：解釋月度銷售的波動、找出哪些客戶已經停止落單、比較分店表現，以及檢查一次促銷究竟有沒有賺回成本。這四條問題老闆每月都會問，而答案往往靠猜。
數據分析恰好也是香港中小企落後最多的一環。大新銀行於 2026 年 5 月訪問超過 340 間本地中小企，結果顯示市場推廣與內容創作是最主要的 AI 用途，佔 56%，客戶服務佔 42%，而數據分析只有 30%。整體而言，約 23% 受訪企業已經採用 AI，另有 32% 計劃在一至兩年內採用。
換句話說：大部分本地中小企已經用 AI 寫過 Facebook 帖文，但極少數用它去理解自己盤數。
四條值得交給數據代理的問題
- － 「上季有買、今季沒買的客戶是哪些？」這是一條幾乎沒有人會手動去跑的客戶流失問題，卻最有機會直接帶來收入。
- － 「九月的折扣所帶來的銷量，有沒有補回讓出去的毛利？」這需要把銷售與成本數據併在一起看，而人手分析通常就是卡在這一步。
- － 「一星期之中，哪兩個小時我們是人手過剩？」答案就藏在收銀系統的時間紀錄裡，只是從來沒有人有空打開。
- － 「今年哪一間供應商的價格升得最多？」這條答案埋在一堆發票之中，也正是成本悄悄上升而無人察覺的原因。
關於數據代理，大家最常誤解什麼？
最常見的三個誤解是：數據代理可以取代分析員、它能處理雜亂無章的數據、以及它的答案不需要覆核。三者皆不成立。它壓縮的是分析中機械式的部分，它不會提供商業判斷，也無法修補一開始就沒有好好記錄的數據。
誤解一：它取代了看數的那個人。它取代的是查詢，不是決策。仍然需要有人知道七月下跌是因為學校放假屬於正常現象，而同樣的跌幅出現在十一月就是警號。
誤解二：手上有什麼數據它都處理得了。如果同一位客戶在你三個系統裡有三種寫法，代理就會很有信心地告訴你那是三位客戶。代理的準確度繼承自底層記錄的質素，而中小企往往在第一天就發現，自己的數據比想像中亂得多。
誤解三：答案不需要覆核。這類系統仍然會出錯，而一個文句流暢、排版整齊的錯誤答案，比一個一望而知有問題的答案更危險。這正是 AI 憑空捏造你公司資料的同一種失效模式。建議把首個月的輸出，當作一位新入職同事的首個月看待：有用，但要覆核。
誤解四：接上去就只有好處，沒有風險。把一套 AI 系統接到客戶與財務紀錄上，本質上是一個數據管治決定。是誰批准這條接駁、它可以讀取什麼、數據在何處被處理，這些問題你應該在啟用之前就答得出。
你的數據足夠讓數據代理發揮作用嗎？
你需要的不是數量，而是三個條件：至少十二個月格式一致的紀錄、每位客戶或每件產品有一個可靠的唯一識別碼，以及數據存放在機器讀得到的地方。一間擁有兩年整齊收銀紀錄的小店，比一間擁有十年混亂試算表的公司更有條件起步。
十二個月之所以重要，是因為不足一年就無法分辨真正的衰退與季節性波動。唯一識別碼之所以重要，是因為所有有價值的問題都涉及分組統計。而機器可讀之所以重要，是因為一張發票的相片並不算數據，無論你儲了多少張。
如果三項條件都不符合，誠實的下一步並不是購買 AI 工具，而是用一個季度去修正紀錄的收集方式。這件事毫不吸引，但無論你日後用不用代理，它都會改善你之後所做的每一個決定。
現階段值得留意嗎？
對大部分香港中小企而言，2026 年底的答案是：現在先理解概念，購買可以稍後。現時這一代數據代理，在定價與接駁方式上都是為擁有數據倉庫的企業而設。不過這個概念正迅速滲入一般商業軟件，而那些早已把紀錄整理妥當的企業，將會是第一天就用得上的一群。
真正的差距並不在於能否接觸到 AI。從採用數據看，大部分香港中小企距離某種形式的 AI 應用只差一至兩年：香港電訊企業方案 2026 年的調查顯示，中小企已實施、試行或計劃採用 AI 的比例為 49%，而大型企業為 79%。真正的差距在於準備度，也就是底層那些數字，是否處於值得被查證的狀態。
所以這個季度真正值得做的，不是揀工具，而是確保當你最終把一套聰明的系統指向自己的業務時，它找到的是一盤整齊的帳，而不是一個鞋盒。
科技要真正幫到手，前提是有人願意陪你走得夠久，久到它能貼合你實際的做事方式。懂AI，更懂你 UD相伴，AI不冷。
常見問題
數據代理與 AI 代理是同一樣東西嗎？
數據代理是 AI 代理的其中一種，專門負責分析。其他 AI 代理則處理客戶回覆、排程或文件處理。它們的共通點是能夠自主執行多個步驟，而不是只給一個答案。
數據代理讀得到我的 Excel 檔案嗎？
部分可以讀取存放在 Google Drive 或 SharePoint 的試算表。格式不是重點，一致性才是：一份欄位名稱穩定的整齊工作表，比二十份標題各異的檔案有用得多。
使用數據代理，是否等於把公司數據交給 AI 公司？
視乎產品而定。有些在客戶自行控制的基礎設施內處理數據，有些則會傳送至供應商。接駁任何系統之前，先問清楚處理地點與保留政策。
這跟叫 ChatGPT 分析一份試算表有何分別？
上傳一份檔案是一次性任務。數據代理與實時系統維持長期接駁，可跨系統執行多步查證，亦可設定為定時自行查看，不需要你每次開口。
理解概念是第一步。弄清楚你手上哪些數字已經可用、哪些需要先修正，是第二步。UD 陪伴香港企業走過 28 年，我們手把手教你完成每一步，由如實評估現有數據開始，直到建立一套你的團隊真的會打開的系統。
由 UD AI 團隊（香港）覆核。2026 年 9 月 15 日發佈。
