香港企業大部分 AI 失敗案例，根本不是模型失敗，而是營運模式失敗。試點成功，概念驗證令指導委員會驚艷。十二個月後，工作流仍在試點階段，三個部門各自打造互不相通的智能體，財務總監開始質問為何投入的預算沒有可量化成效。答案很少與 AI 本身有關，而是缺乏一個將 AI 規模化的結構。
填補這個缺口的結構，有一個名字：AI 卓越中心（AI Center of Excellence）。本指南將說明這是什麼、為何對香港中型及大型企業特別重要、以及如何在不重建 AI 本應取代的官僚架構下建立它。如果你是 CIO、COO、IT 總監或數碼轉型主管，需要為跨部門 AI 成效負責，這篇文章就是為你而寫。
什麼是 AI 卓越中心？
AI 卓越中心是企業設立的跨職能團隊及營運模式，負責協調全企業的 AI 策略、治理、交付與採用。它提供「集中治理、分散執行」的結構：業務單位保留各自應用場景的擁有權，卓越中心則提供框架、標準與監督，確保每一個項目符合企業要求。
卓越中心並不是一個獨立部門，去擁有所有 AI 項目，而是一條結締組織，避免二十個 AI 項目變成二十個互不相干的技術債。根據微軟雲端採用框架（Cloud Adoption Framework），成熟的 AI 卓越中心更接近一個內部顧問及標準制定機構，而非交付團隊。
為何香港企業在 2026 年需要 AI 卓越中心？
香港企業需要 AI 卓越中心，因為「不受管理的 AI 蔓延」帶來的成本，已經超過治理本身的成本。根據麥肯錫 2025 年 AI 現況報告，雖然 88% 企業有定期使用 AI，但只有 6% 企業能讓 AI 為其貢獻超過 5% 的稅前利潤。中間 82 個百分點的鴻溝，不是技術不夠強，而是缺乏一個協調機能。
2026 年是合適時機，原因有三。第一，香港個人資料私隱專員公署 2024 年 AI 指引及金管局生成式 AI 原則，已對企業設下清晰問責義務。沒有 CoE，便沒有人能可信地回答監管機構「誰在治理你的 AI」。第二，香港中型企業沒有充裕人手讓每個部門各自建立 AI 能力。「集中專業、分散交付」是唯一在人手限制下能擴展的模式。第三，金融服務及專業服務同業已經領先 12 至 18 個月。要追回差距，靠的是結構性行動，不是再做一次試點。
AI 卓越中心的四大支柱是什麼？
根據 Deloitte 與微軟 2026 年所檢視的行業框架，AI 卓越中心建基於四大支柱。第一是策略與商業價值，定義 AI 用來做什麼、影響如何衡量。第二是數據與技術基礎設施。第三是治理與倫理。第四是人才與組織能力。
每個支柱在首 90 天必須交付一項不可妥協的成果。策略支柱必須產出按優先次序排列的應用場景清單，附帶可衡量的業務成果。數據及基礎設施支柱必須發布參考架構及核准工具清單。治理支柱必須發布 AI 風險分級制度、可接受使用政策及模型批核流程。人才支柱必須建立明確職涯路徑及跨部門實踐者網絡。
欠缺任何一個支柱，都會帶來可預測的失敗。有策略沒治理，會引發合規危機；有治理沒策略，會建立阻礙合理工作的官僚架構；有技術沒人才，平台無人採用。四個支柱必須一起運作。
香港企業內部，AI 卓越中心應如何組織？
適合香港中型及大型企業的 CoE 結構，是 4 至 8 人的小型核心團隊，加上對業務單位的清晰連接機制，而不是龐大的中央交付團隊。核心團隊包括 AI CoE 主管、AI 架構師、數據與 MLOps 主管、AI 治理與風險主管、AI 採用與變革主管，以及一名兼職法務聯絡人。業務單位則委派 AI 大使（AI Champions），他們向所屬部門匯報，但定期參與 CoE 會議。
這就是「聯邦式」（Federated）模式，亦是 2026 年大部分成功的企業 AI CoE 採用的形式。另一種「中央集權式」模式，由 CoE 擁有並交付每一個項目，在香港行不通，原因是專家數目根本不足。聯邦式模式是用 CoE 倍增業務單位的影響力，而不是取代它們。
CoE 主管須直接匯報予高級主管，通常是 CIO、COO 或首席數碼總監，並對指導委員會有直接視線。匯報層級過低，是 CoE 表現不彰最常見的單一原因。權力必須匹配責任。
AI 卓越中心日常實際做什麼？
AI 卓越中心有五項持續的營運職責：維護應用場景積壓清單及優先排序框架；運行模型及工具批核流程；擁有 AI 風險登記冊及事故應變指南；推動實踐者社群及能力建設項目；以及產出指導委員會用來分配後續投資的季度成效報告。
大多數 CoE 首先推出的實務工具，是「AI 應用場景登記表」。任何業務單位想啟動 AI 項目，必須透過 CoE 提交。CoE 會對風險作分類、推薦架構、從核准清單建議供應商，並指派一位 CoE 夥伴支援交付。沒有登記機制，業務單位便會悄悄購買「影子 AI」工具，累積合規風險。
第二項實務工具是季度更新的模型及工具核准清單。根據 Forrester 2026 年企業 AI 治理調查，78% 維持核准清單的 CoE 在六個月內，影子 AI 採購量大幅下降。
AI 卓越中心應發布哪些治理標準？
AI 卓越中心應在首六個月內發布六項核心治理標準：AI 可接受使用政策、AI 風險分類框架、模型批核流程、AI 數據使用標準、人類監督標準、AI 事故應變指南。每一項都應簡短、具立場，並以業務語言撰寫。
當中以 AI 風險分類框架最為重要。它根據影響、敏感度、不可逆性將應用場景分為層級。低風險可自行確認；中風險需 CoE 審查；高風險須提交指導委員會批核。根據香港個人資料私隱專員公署 2024 年 AI 指引及金管局 2024 年生成式 AI 原則，這種分級方式正是監管機構詢問「你如何治理 AI」時所期望的答案。
人類監督標準則防止香港企業最常見的錯誤：在客戶面對的情景中部署 AI，卻沒有清晰的升級路徑。根據 Deloitte 2025 年 AI 信任調查，過去一年發生 AI 事故的企業中，47% 沒有任何書面監督標準。
如何衡量 AI 卓越中心是否有效運作？
AI 卓越中心是否有效運作，可由 12 個月內三項可量化變化判斷：應用場景由提案到投產的時間縮短 40% 或以上；運行 AI 項目的業務單位比例上升 50% 或以上；影子 AI 採購量下降 60% 或以上。三項一同達標，代表 CoE 在賦能而非阻礙。
錯誤指標是大多數 CoE 預設使用的「治理項目數量」，那只是計算活動量，不是成效。應改用三項成效指標：AI 帶來的稅前利潤總影響、已部署 AI 工作流為員工釋放的時間、首次審計通過的 AI 項目比例。根據 BCG 2026 年「為未來而建」研究，首年採用成效指標的 CoE，所獲後續投資較只匯報活動量者高出 2.4 倍。
季度匯報非常重要。年度匯報太遲，已經來不及修正方向。CoE 主管應每 90 天以一頁 A4 向指導委員會講解指標。
AI 卓越中心最常見的失敗模式有哪些？
三類失敗模式佔 AI CoE 表現不彰的大部分情況。第一是策略尚未成形便先設立 CoE；第二是中央人員過剩、業務單位資源不足；第三是 CoE 變成守門員而非賦能者。三類問題若在首年發現，仍可修復；拖到第二年，便難以挽回。
沒策略便設立，意味 CoE 沒有可優先排序的依據，最終淪為「收件箱優先」的求助台。中央人員過剩看似有進度，實際上削弱真正創造價值的業務單位。根據 Gartner 2026 年 CIO 調查，高表現 AI CoE 中位數為中央 6.4 名全職員工，加上 24 名分散於業務單位的 AI 大使。比例本身就是訊號。
變成守門員，意味 CoE 只懂說「不」。這是業務單位在六個月內繞過 CoE 自行採購、令影子 AI 不減反升的失敗模式。CoE 必須在實際速度上比繞過它更快；若做不到，整個結構是顛倒的。
結論：從試點循環到真正能力
香港企業困於試點循環，原因不是技術失敗，而是缺乏一個將試點轉化為能力的營運結構。AI 卓越中心，就是那個結構。在 2026 年建立 CoE 的企業，到 2027 年將以結構性更低的成本基礎運作，而那些再延遲一年的同業，則仍在原地。
真正的決策不是「是否建立 CoE」，而是要讓它多輕量、由多高層級主管領導、從哪一個支柱開始。懂AI，更懂你 — UD相伴，AI不冷。28 年來與香港企業同行每一波科技變革，我們親歷過讓價值複利的 CoE，亦見過淪為另一個委員會的 CoE，差別就在執行。
準備設計你的 AI 卓越中心？
你已掌握框架。下一步是盤點你目前的 AI 活動、找出最先創造槓桿的支柱、為你的規模設計合適的團隊。UD 團隊手把手帶你完成每一步，從 CoE 設計、治理基線，到應用場景登記設置、供應商評估，以及 90 天營運節奏。我們已為香港金融服務、物流、專業服務各行各業組織完成過此類工作。
