一家香港保險公司的理賠熱線每星期接四千個電話。營運總監被告知，AI 可以處理每一通電話的頭兩分鐘。六家供應商已經來過提案，每份簡報示範的內容幾乎一模一樣，而沒有一家解釋過：當 AI 答錯的時候，會發生什麼事。
2026 年 7 月 22 日，OpenAI 推出了一項專門圍繞這個問題設計的產品。它叫 Presence，而它不是一個 API。
什麼是 OpenAI Presence？
OpenAI Presence 是一項企業級產品，用於把語音與對話 AI 代理部署到實際生產流程之中。它把模型推理能力，與企業自訂的政策、防護欄、獲授權動作清單及升級規則結合起來。部署由 OpenAI 的 Forward Deployed Engineers 主導，而非自助註冊，每一個代理只負責一項明確工作。
這個分別比表面上重要得多。API 給你一個模型，控制層由你自己建。Presence 則把控制層本身當成產品交付。
根據 OpenAI 的發布公告，理由寫得很直接：企業面對的挑戰，已經不是證明 AI 代理能否運作，而是讓它可靠到足以在生產環境中承擔高價值工作。
為什麼 OpenAI 選擇推出一項交付型產品，而不是又一次模型更新？
因為代理項目的失敗率是部署問題，不是模型問題。Gartner 在 2025 年 6 月訪問了超過 3,400 家正在投資代理式 AI 的機構，結論是：超過四成的代理式 AI 項目將在 2027 年底前被取消，主因是成本失控、商業價值不明確，以及風險控制不足。
這三個原因，沒有一個是靠更聰明的模型可以解決的。
Gartner 的 2026 年代理式 AI 技術成熟度曲線，把這個類別放在「期望膨脹高峰期」：只有 17% 的機構真正部署過 AI 代理，但超過六成表示會在兩年內部署。意向與落地之間的落差，正是 Presence 針對的市場。
Gartner 同時預測，2026 年將有三分之一的企業因為過早部署 AI 而損害客戶體驗，侵蝕品牌信任，並同時打擊客戶獲取與留存。對管理層而言，這才是真正的風險線：內部試點失敗只是燒掉預算，面對客戶的代理失敗則是燒掉客戶。
一個 Presence 部署實際上是怎樣運作的？
每一次部署都由一項具體工作開始，例如處理帳單爭議、支援保險理賠，或處理員工的 IT 服務請求。代理只獲得該項工作所需的知識與系統權限。企業隨後訂立政策，界定代理可以做什麼、什麼情況需要審批、什麼情況必須交回人手。
OpenAI 描述的流程有五個階段，而每一個階段本質上都是組織管理任務，不是技術任務。
--- 界定工作範圍。一項工作，範圍要窄到成功與否可以被量度。
--- 連接知識與系統。只連該項工作需要的，多一項都不連。
--- 設定權限與政策。獲授權動作、審批門檻、升級觸發條件。
--- 上線前測試。以模擬情境與評分器檢查代理是否達成正確結果、是否遵守政策、是否正確使用工具、是否在適當時候升級。
--- 上線後持續改善。生產環境的對話紀錄與升級個案會暴露缺口，Codex 會提出修改建議，團隊先對照現行版本測試，再批准受控推行。
把這份清單當成一份職位說明書再讀一次。五個階段之中有四個屬於你的營運、合規與客戶服務團隊，只有一個屬於模型。
那個 75% 解決率究竟說明了什麼？
Presence 目前支援 OpenAI 自己的英語電話支援線，在無需人手介入的情況下解決 75% 的來電問題。其由 Codex 驅動的改善循環，在 10 天內把人手轉接率降低了 15 個百分點。這些是真實公布的數字，但同時也是最理想情況：OpenAI 用自己的產品，處理自己的支援隊列。
把它當成天花板，而不是預測值。
真正可以借用的洞察在第二個數字，不是第一個。10 天內減少 15 個百分點的轉接率，說明價值累積的位置在改善循環，而不是上線當天的準確度。上線準確度只是起點，上線後修補缺口的速度才是真正的能力。
這會重寫你對供應商的提問方式。不要問代理第一天有多準，要問這個平台讓你在第三個星期修好你發現的問題有多快。
今天誰真的買得到 OpenAI Presence？
Presence 只透過有限度正式發布計劃，向合資格的企業客戶提供。部署由 OpenAI 的 Forward Deployed Engineers 及指定的全球系統整合商主導。OpenAI 明確表示，Presence 目前並非自助式產品，企業必須聯絡其 OpenAI 客戶團隊。
對香港大多數中型企業而言，這扇門暫時是關著的。
公布的設計合作夥伴，反映了它服務的層級。BBVA 正在墨西哥探索日常銀行業務的 AI 語音支援。SoftBank 正在測試自然的日語客戶對話。IAG 則研究在惡劣天氣與自然災害等高需求時刻提供支援。這些都是設有專責 AI 轉型領導層的跨國集團。
一家位於中環、二百人規模的專業服務公司，並不是 Forward Deployed Engineer 計劃的目標客戶。及早認清這一點，可以省下一整季無效的供應商會議。
買不到的香港企業，可以從中拿走什麼？
架構比使用權更有價值。Presence 實質上是一份公開的生產級代理部署參考設計，而當中每一個組件，都可以寫進你的招標文件、內部建置計劃或本地供應商評估標準，與最終選用哪個平台無關。
有四項要求值得直接搬進你自己的評估準則。
--- 按工作範圍授權。代理只看得見其單一工作所需的數據與系統。這同時是讓代理部署在《個人資料（私隱）條例》下站得住腳的最低成本方法。
--- 明確的審批門檻。用文字寫下哪些動作代理可以自行執行、哪些必須由人簽批，而且要在上線前議定，不是出事後才補。
--- 上線前模擬測試。針對邊緣情境與高風險情境測試，並就結果、政策合規、工具使用與升級行為四個維度評分。
--- 指定一位上線後改善負責人。要有一個具名的人，每星期審視升級個案並批准修改。
本地情境令第三與第四點更為關鍵。個人資料私隱專員公署完成了對香港 60 間機構的循規審查，2026 年 5 月公布的結果顯示，95% 的機構在日常運作中使用 AI，超過一半同時運行三個或以上的 AI 系統。公署未發現違反《個人資料（私隱）條例》的情況，但指出隨着應用普及，部分治理措施反而有轉弱的跡象。
應用速度正在跑贏治理速度。一個會在客戶帳戶上執行獲授權動作的代理，正是這道落差變得最昂貴的位置。如果你還未釐清每一個代理在系統內如何被識別與授權，這個問題值得先解決，我們在代理身分的專題解析中已另行處理。
交付型代理平台、訂閱式聊天機械人與自建方案有何不同？
現時有三種交付模式在爭奪同一筆預算。訂閱式聊天機械人從知識庫中回答問題。交付型代理平台則在你的系統內執行獲授權的動作。自建方案給你完整控制權，同時把控制層的全部責任交還給你。
選擇取決於一個問題：這個流程需要 AI 去「做」一件事，還是只需要它「講」一件事？
回答是知識問題。如果工作只是告訴客戶退款政策是什麼，你需要的是準確檢索、多語言覆蓋，以及對系統不知道的事情誠實處理。一個配置得好的訂閱式聊天機械人就是相稱的答案，價格也相應合理。
執行是治理問題。如果工作是核實來電者身分、查閱帳戶、應用政策，然後真的把退款發出去，你已經進入另一個風險類別。此時你需要獲授權動作清單、審批門檻、審計軌跡與升級規則。這正是 Presence 佔據的位置，而成本反映的是治理架構，不是模型本身。
自建買到控制權，同時繼承最難的部分。選擇自建的團隊，往往低估模擬與評估層的工作量。這一層不好看、成本高，卻是試點卡在六成準確度、又找不到路走到八成時，最常缺失的那一塊。
大部分機構最終會發現，約七成查詢適用第一種模式，餘下三成需要第二種。在建立供應商短名單之前先定下這個比例，比任何功能對照表都更有價值，因為它決定你是在買一份訂閱，還是在啟動一個項目。
代理部署在實務上會在哪裡出錯？
Gartner 所描述的被取消項目，大部分源於三種失敗模式，而三種都在上線前已經看得見，前提是你知道要看什麼。
範圍蔓延。試點以「處理帳單查詢」開始，變成「處理客戶服務」。一項有可量度解決率的窄工作，變成一個沒有及格線的無限職責。Presence 用設計抵抗這一點：一次部署，一項工作。大多數內部試點沒有這個約束。
沒有升級契約。團隊定義了代理可以做什麼，卻忘記定義它必須在什麼時候停手。結果代理要麼不斷升級，摧毀成本論據；要麼極少升級，摧毀信任論據。
上線後沒有負責人。項目團隊在上線當日解散，升級紀錄堆積而無人閱讀。到第四個月，代理仍在依照第二個月已經修改過的政策回答問題。這是最安靜的殺手，也正是改善循環比上線準確度更重要的原因。
還有第四種模式，值得專門向董事會指出：在測試中表現正常的代理，在目標衝突與壓力之下可能出現不同行為，我們在代理式錯位風險的分析中已詳細檢視。
簽約之前應該問任何代理平台供應商什麼？
有五個問題，足以分辨一個能撐過生產環境的平台，與一個只撐得過示範的產品。按這個次序提問，並要求書面答覆。
--- 這個代理負責哪一項單一工作，多少解決率才算成功？如果供應商無法協助你寫下及格線，你買的是一個試點。
--- 哪些動作代理可以不經人手審批執行，這份清單存放在哪裡？它應該是一份受管治的文件，不是一段對話。
--- 政策修改如何在觸及客戶之前完成測試？模擬能力現在是基本要求，不是加值功能。
--- 改善循環具體是怎樣運作，由誰負責？要問實際頻率，也要問實際那個人。
--- 客戶數據存放在哪裡，誰有權存取？在《個人資料（私隱）條例》之下，無論基建由哪家供應商持有，這個答案的責任都屬於你。
留意一點：這五個問題沒有一個關於模型質素。在 2026 年，模型質素是入場門檻，部署紀律才是差異所在。
策略性結論
值得理解 OpenAI Presence，不是因為香港大多數企業本季就買得到，而是因為它為一場爭論下了結論：企業 AI 代理最難的部分從來不是推理能力，而是政策、升級規則、上線前模擬，以及第六個月時仍然負責改善循環的那個人。
這是營運模式問題，而營運模式問題不會因為等下一次模型更新而解決。它靠界定一項工作、寫下規則、上線前測試、指定負責人來解決。任何機構本月就可以開始這項工作，用任何平台，在任何預算之下。
技術會繼續移動，紀律才會累積。懂AI，更懂你 UD相伴，AI不冷。
本文由 UD 企業 AI 團隊審閱。
先看清準備度，再看供應商名單
在評估任何代理平台之前，你需要先知道自己哪些流程真的已經可以被界定範圍、被治理、被量度。UD 團隊手把手帶你完成每一步，從 AI 準備度評估、流程範圍界定、政策設計，到部署上線與成效追蹤，28 年香港企業服務經驗，全程陪你走。
