你正在決定：是自建AI能力、購買現成方案，還是與專業夥伴合作。這是未來三年最影響你AI投資成本、速度與風險的一個決定，但大多數企業做這個決定時，掌握的證據比招聘一個中層職位還要少。
證據其實已經存在。這篇文章把數據攤在桌面，給你一個能夠自信下判斷的框架。
企業AI的「自建與採購」是什麼意思？
自建指以內部力量開發AI能力：自己的工程師、自己的模型或管道、自己的基礎設施。採購指購買現成的供應商產品，開箱即用。合作介乎兩者之間：由外部專家在你的系統上定制及部署AI，成果的擁有權仍在你手上。
十年前這主要是一條軟件問題。在AI時代賭注更高，因為AI系統需要持續的訓練數據、評估、監控與重訓。誰建造它，誰就要養活它。
這個決定很少是全有或全無。多數企業按工作負載逐一判斷：大路功能直接採購，只在流程真正獨有之處自建，在講求速度而內部能力未成熟時選擇合作。
2026年這個決定變得逼切，是因為供應商市場已然成熟。三年前需要一整隊數據科學家的能力，今天已是貨架上的產品。對大多數中型機構而言，預設答案已經改變。
數據怎樣說：自建與採購的成功率差多遠？
數據出乎意料地一面倒。MIT NANDA計劃的《The GenAI Divide: State of AI in Business 2025》報告發現，向專業供應商採購或與夥伴共建的AI工具，成功率約為67%；純內部自建的成功率只有約三分之一。
同一份MIT研究基於150個管理層訪談、350名員工調查及300個公開AI部署的分析，發現約95%的企業生成式AI試點項目未能帶來可量度的損益影響。成功的5%傾向採購或合作、聚焦後勤流程，並深度整合而非四處實驗。
宏觀數據印證了做錯這個決定有多昂貴。麥肯錫2025年11月發表的全球AI調查顯示，88%的機構已在某處使用AI，但只有39%見到盈利影響。Gartner另外預測，超過四成的Agentic AI項目將於2027年底前因成本上升與價值不清而遭取消。
對香港管理層的策略啟示是：最大的失敗模式不是選錯供應商，而是高估了自己機構持續建造和維護AI系統的能力。
什麼情況下值得自建？
三個條件同時成立才自建：流程真正獨有、該能力是持久的競爭優勢、而且你已擁有足以長期維護系統的工程人才。如果你要自動化的流程跟同業大同小異，自建只會買到成本，買不到優勢。
檢驗標準是「差異化」，不是「熱情」。一家地區銀行沉澱數十年的信貸審批邏輯，可能值得自建，因為沒有任何供應商產品內置這套邏輯；但同一家銀行的會議轉錄或文件摘要則不然，那些是大路商品。
誠實的能力盤點比雄心更重要。一套內部AI系統需要數據工程、評估基建、保安審查與重訓循環。在香港緊絀的AI人才市場，把這樣一支團隊長期留住，本身就是需要計價的風險。
一個實用的過濾器：如果這套系統停擺一星期也不會出現在董事會文件上，它大概不夠策略性，不值得自建。
什麼情況下應該採購或合作？
當速度決定價值、用例在行業內屬於通用、或內部AI能力仍在成形時，應該採購或合作。MIT 2025年的數據顯示，外部方案的成功率約為內部自建的兩倍，因此對大多數不構成差異化的工作負載，採購是有證據支持的預設選項。
採購贏在時間。供應商產品數星期內上線，附帶支援、保安更新，以及一條由別人出資的產品路線圖。代價是配置彈性有限、按人頭收費隨編制膨脹，以及對供應商方向的依賴。
合作贏在「定制而不養人」。專業夥伴把AI整合到你現有系統、向你的團隊轉移知識，最終流程仍屬於你。對系統老舊、需要中英雙語的香港中型企業，這往往是回報最高的路徑。
無論走哪條路，評估權必須留在自己手上。把建造外判是明智，把「它到底行不行」的判斷也外判就不是。
如何比較三條路的真實成本？
比較三年生命週期成本，不是上線成本。自建承擔薪酬、基建，以及實務分析普遍估算佔系統總成本一半以上的長期維護；採購承擔隨用戶數放大的授權費；合作承擔項目費加支援安排。上線最便宜的選項，生命週期往往最貴。
計算自建時要誠實地為團隊定價：數據工程師、機器學習工程師、保安審查、雲端算力，還有這些人手本可交付其他項目的機會成本，再加上香港AI人才市場的流失風險溢價。
計算採購時，要以全面採用的規模建模，而非試點人數。20人試用時價格溫和的工具，鋪開到500名員工後可以變成七位數字的年度開支。
Gartner預測，直至2026年，大多數缺乏「AI就緒數據」的項目將被放棄。這一條適用於所有路徑：無論自建、採購還是合作，先為數據整備編列預算。這是唯一無法外判掉的成本。
為什麼大多數企業最終走向混合模式？
因為用例組合從來不是均質的。真實企業同時運行數十個AI用例，各有不同的差異化程度、風險與流量，理性答案自然是組合式：商品層直接採購、整合密集的流程找夥伴、只為定義競爭地位的少數流程保留自建。
香港中型企業的典型形態是：會議紀錄、文件起草、程式輔助等用採購產品；由夥伴交付一套連接公司文件與客戶系統的AI部署；到內部數據證明是護城河時，才啟動一個範圍收窄的自建項目。
混合模式也降低了次序風險。先採購能累積使用數據與內部認知，令日後任何自建項目的規格更精準。先自建的機構，常常以高昂代價發現自己建錯了東西。
治理上的必要條件是為整個AI組合指定單一負責人。當每個部門各自決定自建或採購，企業累積的是重疊的工具、無人管理的風險，以及零議價能力。
領導者最常犯什麼錯誤？
反覆出現的錯誤有四個：把自建當成面子工程、用示範而非生產證據做評估、低估整合成本、跳過退出計劃。每一個都能在決策時避免，事後補救則代價高昂。
面子陷阱源於文化。工程主導的機構把自建等同於認真，但MIT 2025年的研究顯示，內部自建的失敗率約為外部方案的兩倍。策略問題從來不是「我們能不能建」，而是「這家機構稀缺的變革能量應否花在這裏」。
用示範做評估，獎勵的是包裝而非匹配。堅持以你自己的數據、你自己的邊緣案例做付費試點，並在開始前以書面協定成功指標。
整合是預算悄悄死去的地方。模型只佔工作量的少數，把它接駁到你的ERP、CRM與審批流程才是大頭。同時永遠談妥退出條款：數據匯出格式、過渡支援，以及關係結束時你的微調資產歸屬。
香港企業在2026年應該怎樣決定？
讓每個用例過四條問題：它是否構成差異化？我們有沒有人才長期維護？三條路的三年生命週期成本各是多少？評估由誰負責？除非答案明確支持自建，否則預設採購或合作。數據說明，這個預設能把成功率翻倍。
香港的條件進一步強化合作路線：需要小心整合的舊有系統、通用產品處理欠佳的繁體中文與英文雙語流程、要求本地合規意識的《個人資料（私隱）條例》，以及令自養團隊本身成為風險的AI人才市場。
時機與方向同樣重要。供應商能力每季複利增長，推遲一年的決定，往往意味着用自建時代的價錢，購買一件已經變成產品的東西。任何超過十二個月的自建決定都應重新檢視。
無論選哪條路，都要儀表化。部署前定義KPI基線，九十日後量度，並保留逆轉的勇氣。自建或採購是一個假設，不是一種身份。
總結
自建還是採購，是你AI計劃中槓桿最高的決定。證據支持一個有紀律的預設：商品直接買、講匹配就合作、只在自家數據與流程構成護城河時才自建。為每個用例評分、計算完整生命週期成本、把評估權留在內部。
跟隨這套紀律的企業，才能加入把AI開支轉化為盈利的少數。懂AI，更懂你，UD相伴，AI不冷。
了解了框架，下一步是為你的機構做一次誠實的準備度評估。UD團隊手把手帶你完成每一步：從AI準備度評估、方案選型，到部署上線與成效追蹤，28年企業服務經驗，全程陪你走。
