数据信任问题阻碍香港AI智能体的大规模落地

治理缺失、数据信任不足与人才短缺共同制约AI规模化推广进程。

香港企业正在加速引入AI智能体，但受制于薄弱的数据基础、人才匮乏以及治理挑战，大多数项目难以走出试点阶段，实现真正意义上的规模化落地。

行业调研结果显示，尽管85%的企业正在扩大AI应用范围，但真正进入生产环境的项目占比依然偏低，这凸显出探索性实验与实际落地之间日益扩大的鸿沟。Databricks公司的Kunal Taneja表示，2026年将是一个重要转折点。他说："2026年标志着从AI实验阶段向能够创造实际回报的生产级AI的转变。"他强调，未来的AI系统将朝着"可靠、可治理、具备业务感知能力"的方向演进。

更高阶AI系统的采用正在快速增长。Taneja指出："截至2026年初，客户对多智能体部署的采用量增长超过300%，其中近90%的应用场景聚焦于实时处理。"这些系统正在显著提升决策效率，在某一具体部署案例中，市场调研所需的时间从数周缩短至数分钟。

然而，规模化推进的步伐并不均衡。Taneja坦言："如果你无法信任数据，就很难信任AI系统输出的结果。"他指出，老旧基础设施与数据孤岛问题持续阻碍AI的深入应用。人才制约同样不容忽视，超过25%的企业反映难以招聘到具备AI与数据科学专业能力的人才。

治理正成为决定AI成败的关键因素。香港的监管环境强调"可解释性、可问责性与数据治理"，但合规要求在一定程度上会拖慢部署进程。与此同时，那些提前布局治理框架的企业正在收获更优异的成果，部分企业的项目生产部署率大幅提升。

香港科技大学张吉恒教授指出，更深层的结构性障碍依然存在。他表示："普通大众对AI的认知仍然有限。"他进一步点出系统整合难题、安全风险，以及数字系统与实体运营之间的脱节等问题。

尽管挑战重重，部分行业的AI落地进展明显领先。金融服务业凭借结构化数据资源和成熟的业务流程，处于采用前沿。某保险公司通过AI驱动的数据分析，实现了客户互动量和潜在客户获取量的翻倍增长；电信和物流企业也在积极探索AI在欺诈检测和供应链协同方面的应用。

总体趋势已然明确：AI的采用正在加速推进，但能否实现规模化，最终取决于治理体系是否健全、数据是否值得信赖，以及人才储备是否充足。对于企业而言，下一阶段的竞争焦点将不再是探索性实验，而是能否在安全、整合、治理完善的体系内真正实现AI的落地运营。

Q&A

Q1：香港企业在AI智能体落地过程中面临哪些主要障碍？

A：目前香港企业AI规模化落地面临三大核心挑战：一是数据信任问题，老旧基础设施和数据孤岛导致AI输出结果难以可信；二是人才短缺，超过25%的企业无法招募到具备AI与数据科学能力的专业人员；三是治理难题，香港监管环境对可解释性和数据治理要求较高，合规流程在一定程度上拖慢了部署速度。

Q2：多智能体部署的增长情况如何？主要用在哪些场景？

A：根据Databricks公司数据，截至2026年初，客户对多智能体部署的采用量增长超过300%，其中近90%的应用场景集中在实时处理领域。在实际案例中，某企业通过多智能体部署将市场调研周期从数周缩短至数分钟，大幅提升了决策效率。

Q3：哪些行业在香港AI落地方面走在前列？

A：金融服务业目前领跑香港AI应用，主要得益于其结构化数据基础和成熟的业务流程。某保险公司借助AI驱动的数据分析，实现了客户互动量和潜在客户获取量的翻倍增长。此外，电信和物流行业也在积极布局，重点探索欺诈检测与供应链协同管理等应用方向。