全民AI计划如何从活动走向可持续产业化

全民AI计划在今明两个财政年度预计举办超过200场活动，香港特别行政区政府已将普惠培训作为起步措施。

这是合理的起点，但衡量成效不能只看场数、出席人次或完成证书的数量，真正要回答的问题是：市民学会写Prompt并使用生成式AI后，能否获得一种企业愿意付费的新能力？衡量应以职业转化为导向。

全民AI的路径与挑战

香港特别行政区不必在算力与最大模型的训练上与中国内地和美国直接竞争，但信任基建才是把AI引入企业核心流程的关键。

香港拥有国际金融网络、普通法体系、独立审计、保险与跨境商业服务能力，这些要素是企业在部署AI时最需要的信任支持。若全民AI只停留在教市民操作工具，价值将十分短暂。

新加坡早已把AI人才培养、研究、企业试验与应用计划串联。AI Singapore负责推动人才与产业应用，AI Verify Foundation等机构提供测试框架、工具包、认证与沙盒案例。

重点不是单纯让企业“试用AI”，而是建立一套令企业敢部署、客户敢接受、人才知道如何负责的信任机制，这才会推动规模化应用。

马来西亚的National AI Office在其2026至2030行动计划中，列出AI采用、监管框架、伦理守则、政府AI影响研究、趋势报告与数据集等任务，并点名医疗、交通、农业、公共服务、教育及中小企业为应用场景。中央协调与可交代成果是其特点。

香港特别行政区的条件不同，既能接触内地模型与开源生态，也可利用大湾区场景，同时拥有英文商业环境与跨境专业服务能力。优势不会自动变现，必须把不同来源的模型转化为企业可采纳、监管可接受、出错后有人承担的商业服务。

AI审计员需要检查模型是否按照供应商声称的方式运行、使用的数据是否具备授权，以及系统行为记录与版本变更是否可追溯。

模型风险分析师要识别模型在何种情境下易出错、这些错误可能造成何种损失，以及在哪些决策节点必须保留人工复核。

AI合规顾问则把隐私条例、反洗钱指引、上市规则与行业要求，转化为企业可执行的AI使用政策、数据处理安排与监管问答。

行业测试专家要在真实工作场景中测试AI表现，如医疗摘要、法律文件、物流单据与客户服务，找出模型会在哪一步遗漏条件或产生无根结论。

数据治理专才需划清边界：哪些数据可以放入外部模型、哪些必须留在内部；数据跨境传输如何合规；客户要求删除数据时企业是否能证明已完成。

AI产品责任与保险设计人员将变得愈来愈重要，保险行业需要理解模型错误率、错误类型与潜在影响，才能设计保单条款、保费与理赔安排。

要把超过200场活动转化为新经济，政府、院校与业界不应只计算参加人数，而要建立可以量度的职业成果。首要是面向审计、合规、保险、法律、物流与数据管理的行业AI证书。

课程必须包含真实工作流程、数据处理、人工复核与错误处理，而不是只示范如何输入Prompt。证书应反映能胜任企业核心任务的能力。

第二步，应向中小企业提供三至六个月的受控试点，如贸易文件核对、保险理赔初步整理、合规文件追踪或客户查询分类。资助应以持续采用与绩效改进为基准。

第三步，要建立繁体中文、广东话及英文的行业测试基准，企业才能比较不同模型在本地商业语境、合同条款与跨境文件处理上的差异，从而避免被单一供应商锁定。

AI会改变就业结构，但更大的风险是城市只学会使用别人做好的AI。若全民AI最终只是教市民写Prompt与做简报，活动再多，也只是为海外与内地模型平台培养更多用户。

香港特别行政区真正应培养的，是能判断模型是否值得信任、错误由谁承担、数据能否跨境使用，以及如何把AI纳入金融、法律、审计、保险与贸易流程的专业人才。模型可以购买，Prompt可以快速学会，但把AI变成企业敢签约、监管能接受、客户愿付费的服务，才是关键。

除了举办“如何用AI”的讲座，更需要建立一条让专业人士靠AI创造新收入、企业敢把AI放入核心流程的成长路径。否则，200场活动可能只留下200次掌声，模型供应商赚到订阅费，而香港特别行政区未能形成可持续产业。