AI 工具發展日新月異,應用愈見普及,但市面上選擇愈多,未必代表更容易上手。香港電訊今日正式推出自主開發平台 HKT.AI,以「AI ON. FEAR GONE.」為口號,結合本地化 AI 助手、企業級安全保障、免費課堂及 24 小時專人支援,協助個人與中小企由「想用」走向「識用、善用」,全方位推動「全民 AI」普及。
HKT.AI 設有個人及商業用戶版本,分別對應日常生活與香港中小企的營運需要。平台由構思至正式推出,歷時僅數月。香港電訊集團董事總經理許漢卿(Susanna) 表示,HKT 憑藉深厚經驗、頂級的網絡安全基建,以及團隊的全心投入,不僅要把 AI 帶到客戶面前,更要用得安心,為客戶及社會創造更大價值。
直擊中小企痛點 提升營運效率
不少企業現時面對 IT 技能不足、資源與預算有限,以及人手短缺等挑戰。香港電訊商業客戶業務董事總經理吳家隆(Steve)期望透過 HKT.AI,協助中小企善用 AI,實現「做好業務,快人一步」。
HKT.AI 商用版提供逾 40 個 AI 智能體(Agent),按市場推廣、人力資源、財務及行政等職能分類,猶如公司內各個部門,分工處理不同任務。Steve 指出,讓企業踏出應用 AI 的第一步,關鍵是降低操作門檻。透過選項引導及提示詞優化,用戶毋須先掌握複雜的 Prompt 撰寫技巧,也能一鍵生成所需內容。
HKT.AI 個人版則照顧學生、家長、上班族及銀髮族的不同需要,協助市民將 AI 融入日常。香港電訊個人業務行政總裁林國誠(Bruce) 指出,市民已從過去的「FOMO」(Fear of Missing Out,錯失恐懼症)演變成「FOBO(Fear of Becoming Obsolete,害怕過時被淘汰)」——擔心因不諳新科技而失去競爭力。強調 AI 不只要功能強大,更要「以人為本」。
香港電訊自 2023 年起持續推動 AI 教育,已舉辦逾 500 場工作坊。而市民常見的阻礙,仍是「不懂使用」和「不知從何開始」。因此,HKT.AI 不只着重功能,更配合免費課堂及 24 小時支援,協助市民跨過應用門檻。
個人版提供逾 58 個生活應用 AI 助手。以「孩子學習專家」為例,家長只需用手機拍攝並上傳試題,即可獲得分析及解題引導;平台亦支援生成練習、模擬試題及改卷,協助家長處理課業輔導需要。
姜濤分享 AI 應用經驗
HKT.AI 代言人姜濤(@MIRROR)亦分享平日利用利用 AI 尋找舞台演出靈感的經驗,並表示日後會多加利用 HKT.AI 協助管理其個人服飾品牌,親身展示 AI 如何在激發創意的同時,兼顧高效的業務營運 。
人工智能(AI)成為企業競爭的新戰場,企業共同的「Prompt」幾乎都是:AI 盡快落地。然而,當 AI 模型這個「黑盒」,進化成擁有自主決策權限的 AI 代理(AI Agent),風險亦隨之而倍增,AI 治理(AI Governance)成為高速發展下的一大隱憂。
小編邀請到兩位專家,Splunk, a Cisco Company 大灣區銷售總監 Paul Lee,以及香港大學商學院客席助理教授兼 KBQuest CEO Eric Moy,深入探討企業在 AI 治理上的迫切性與實踐方向。
AI 三大熱門應用場景 由網安防禦到客戶分析
企業現時最常見的 AI 應用,Paul 認為主要集中於三個場景,第一是 Agentic SOC,即以 AI Agent 監察及防禦網絡安全;第二是 AI 的可觀測性(Observability),例如銀行或電商的數碼交易鏈,由客戶下單到完成付款,中間橫跨手機應用程式、第三方支付 API、雲端微服務以至傳統系統;第三則是面向客戶的 AI,例如奢侈品牌和金融業的客戶經理,利用 AI 分析客戶的消費紀錄、社交媒體偏好,從而制定客制化的銷售建議。
傳統系統整合主要是將不同應用程式及資料來源連接起來,讓資訊可以流通,但 AI Agent 的不但能夠串連資訊,「其實你畀咗個權限個 AI Agent,佢可以更新資訊、做決定,所以無論系統定公司政策,管治難度都提高咗好多」,Paul 指出。
Paul 表示 AI Agent 能夠獲取權限,令管治難度大為提升,故企業必須要建立完整的觀測系統,監察 AI 運作。
AI 代理如同員工 必須建立完整觀測系統
談及 AI Agent 的管理挑戰,Eric 以工廠生產線作比喻。他指出,傳統系統如同既定流程的流水線,每個步驟均由人員預先設計,企業只需監察流程是否按預期完成。然而,AI Agent 更像一位具備自主判斷能力的員工,面對不同資料與情境時,可能會採取不同的處理方式。
他進一步表示,傳統系統通常只會根據既定規則執行工作,例如「低於十元即可批准」等明確條件;但 AI Agent 則有機會結合不同來源的非結構化數據(Unstructured Data)作出判斷,例如參考 WhatsApp 訊息、電子郵件內容或其他未經正式定義的資料來源,從而影響定價或業務決策,令風險管理變得更具挑戰性。
Eric 認為,AI 模型本身具有一定程度的「黑盒」特性,即使現時技術發展迅速,業界對模型內部運作機制仍未能完全掌握。因此,企業除了關注 AI 應用成效外,更需要建立完善的可觀測性機制(Observability),持續監察 AI 的準確度、效能、成本及運作狀況,並以管理企業員工的思維去管理 AI。
市場對 AI 治理認知度不足
目前不少企業都急於部署 AI,惟真正建立完整治理框架的比例仍然偏低。Eric 分享指,曾接觸香港部分中小型會計師樓利用 AI 處理客戶文件歸檔工作,當中涉及大量個人資料。然而,部分企業對所使用模型的部署位置、資料流向及處理方式並不完全清楚,反映市場對 AI 管治的理解仍有待提升。享受過工作上的效能,卻往往忘記風險,Paul 指出,「代幣(token)用量暴升、數據私隱外洩,呢啲都係要『找數』」,強調企業不能等到 AI Agent 出現問題後才開始觀測,理想做法是 AI 應用和 Observability 同步部署。
兩位受訪者均認為,市場認知度是最大的隱憂。Paul 引述調查指,八成企業計劃今年會推出 AI 項目,但他估計真正落實完整治理框架的,應不足兩成。Eric 則認為,能夠將治理措施全面融入日常運作的企業,比例可能更低。不過,近月市場對相關風險的關注度明顯提升,Paul 稱不少企業開始設立 Chief AI Officer 等新職位,由合規與治理團隊共同承擔責任。
Eric 認為不少企業均積極推動 AI 應用,但對 AI 治理的認知度仍有待提升,中小企情況尤為明顯。
「可觀測性」既是 Splunk 的皇牌,亦是企業應用 AI Agent 中不能忽視的重點,Paul 建議企業先建立 AI 基礎設施監控(AI Infrastructure Monitoring),收集來自任何應用程式、數據庫、網絡以至物聯網設備的日誌數據,在基建層面發現關乎 AI 應用的異常行為;再按需要加上獨立運作的 AI Agent 監控 (AI Agent Monitoring),全天候監察 AI Agent 的行為。
此外,Splunk 亦提供雲端及本地部署選項,讓企業按行業、資料敏感度及合規要求選擇架構,並推出 Machine Data Lake 及 Federated Search 等嶄新 Cisco Data Fabric 架構,企業可以全面監管公司所有數據。Paul 表示,在新的架構框架下,有客戶的投資成本較以往大減減少,並能對企業架構全面監控。
AI Agent 的應用速度只會越來越快,企業真正需要的,不是盲目叫停 AI,而是知道它正在做甚麼,以及在出現問題前及時介入。透過 Splunk 的日誌收集、即時分析、基礎設施監察及 AI Agent Observability,企業可以從看不見、管不到的黑盒,走向可觀測、可追蹤及可治理的 AI 環境。對於希望安全地擴展 AI、控制成本並保障客戶資料的企業而言,Splunk 不只是網絡安全工具,更是建立企業級 AI 管治的重要基礎。