有一个数据点，应该重塑你下一季董事会上每一场 AI 投资对话。根据 BCG 2026 年《Build for the Future》报告，由供应商主导的 AI 部署成功率为 67%，而企业内部自建 AI 的成功率仅约 33%。在统计上，自建路径失败的可能性是采购路径的两倍。
然而，香港大多数中型企业仍习惯以「先自建」为预设选项。工程团队把定制化 AI 包装成竞争护城河；采购部门担心厂商锁定；财务总监问 IT 为何不能比授权方案做得更便宜。预设答案逐渐偏向自建，18 个月后专案进入慢性关停阶段。
有一个更好的方法。一个简单的三问框架，BCG 称之为「能力、复杂度、关键性」（Capability、Complexity、Criticality），让企业领袖在动用资本前，为每一个 AI 用例评分。这个框架不会消除困难的取舍，而是把取舍清楚呈现出来，让决策可被检验、可被辩护。
什么是企业 AI 的自建还是采购决策？
企业 AI 的自建还是采购决策，是指在内部自行开发 AI 能力、购买商业化 AI 产品、或与供应商合作共建之间做出选择。它决定了 AI 路线图中每一个用例的成本、上线时间、定制化深度与持续风险。整个 AI 计划，很少存在一个「全部自建」或「全部采购」的正确答案。
根据麦肯锡《State of AI 2025》报告，已将 AI 规模化部署的企业，已在成本或收入上录得可量度优势；然而仅 6% 的企业可被归类为「AI 高效能者」，其 EBIT 由 AI 贡献超过 5%。这 6% 的模式高度一致：在通用能力上采购、在差异化能力上合作、只在真正具备专属性的能力上自建。
为何「自建」常常是错误的预设选项？
自建之所以常常是错误的预设，因为可见的成本（工程薪资）看起来很小，而隐藏的成本（学习曲线与上线时间）巨大。供应商主导的部署，通常比内部自建快五至七个月达到生产环境，而这个落差会在整个 AI 投资组合上累计。
这条算式并不留情。Forrester 2026 年混合 AI 架构研究显示，平均内部 AI 专案需要 9 至 18 个月才能进入初步生产，而同类别由供应商主导的专案则需要 4 至 7 个月。对一家香港金融服务机构而言，这 6 个月落差所造成的生产力损失，往往超过整个 3 年合约的供应商授权费总额。
什么是「能力、复杂度、关键性」框架？
「能力、复杂度、关键性」框架是一个三问决策工具，为每一个 AI 用例在三个维度上评分：今天可调用的内部能力、工作流的技术复杂度、成果的策略关键性。三项分数的组合，将每个用例导向自建、采购或合作的方向。
输出不是一个固定答案，而是 IT 总监可向财务总监与董事会呈交的可被辩护的推理路径，并让采购团队在动用预算前提出挑战。AI 投资组合中的每一个用例，都用同一组三个问题进行评估。
第一问：能力，你的团队今天具备技能吗？
第一问检视内部团队今天是否具备所需的 AI 工程、数据及运营技能，能够把这个用例交付到生产并持续运行。不是 6 个月招聘冲刺后具备，不是培训计划完成后具备，而是今天，依靠目前在编的人员。
根据生产力局《AI Readiness in Workplace Survey 2025》，人才短缺是香港雇主提及最多的单一限制，大多数受访企业反映高阶 AI 工程能力有限。如果这个问题对该用例的答案不是「是」，自建几乎都是错误路径。采购或合作能保住时程。只自建你能在运营中持续支撑的部分，而非仅在开发阶段交付。
第二问：复杂度，这是标准用例还是专属用例？
第二问检视该用例在技术上是否属于「标准」（已有成熟商业方案可选）或「专属」（需要新颖架构或工作流设计）。为法律部门开发的文件摘要工具属于标准。基于本机构独有承保逻辑的索赔分流系统属于专属。
对于标准用例，采购几乎都更快、更便宜、风险更低。市场已在产品化上投入数十亿美元，你的内部版本要追上极为困难。对于专属用例，合作或自建是可被辩护的，但前提是第一问也答「是」。标准用例搭配有能力的团队仍可能是采购；专属用例搭配能力薄弱的团队，永远应先考虑合作而非自建。
第三问：关键性，这对你的竞争优势有多核心？
第三问检视该用例直接塑造你竞争地位的程度。它是 12 个月内每个竞争对手都会拥有的「商品基础设施」，还是与数据、工作流、客户关系绑定，只有你能做出来的「差异化能力」？答案会改变投资意愿，也改变对厂商锁定的接受度。
对一家香港物流企业而言，使用内部历史数据的 AI 路线优化引擎属于高关键性，专属数据就是护城河。对同一家企业而言，AI 客户服务聊天机器人属于低关键性，没有任何物流客户会以聊天机器人质素为选择依据。在这种情境下自建聊天机器人，只有当第一问与第二问也指向自建时才合理，但这种情境极为罕见。
框架如何对应到自建、采购或合作？
框架对应到一个清晰的矩阵。高能力、高复杂度、高关键性，通常支持自建。低能力或低复杂度（无论关键性高低），几乎都指向采购。任一维度位于中段，通常指向合作，由厂商专业加速进度，但你的团队共拥成果并保留组织内知识。
根据 Forrester 2026 年混合 AI 研究，65% 的企业已采用混合架构，大约 70% 采购、30% 自建；这群企业达到可持续 AI ROI 的速度，比纯自建组织快 60%。混合并不是妥协，而是实证上胜出的模式。
应用框架时最常见的陷阱是什么？
最常见的陷阱是让工程虚荣心拉高第三问的分数。每一个有趣的 AI 问题，对着手解决它的团队而言都感觉策略性十足。但策略关键性是董事会的问题，不是工程的问题；它应锚定于客户选择与营收，而非技术优雅度。
第二个陷阱是把答案当成静态结论。自建、采购、合作的组合，应每 12 个月重新检视一次，因为厂商能力会改变，内部团队会成熟，去年属于专属的能力，今年可能变成商品。同一个 HR 分析用例，2026 年的决策，与 2024 年的决策几乎不会相同。
第三个陷阱是忽略变革管理成本。BCG 2026 年供应链 AI 研究显示，即使是成熟的厂商方案，当实施被当成「技术安装」而非「流程再造」处理时，生产力提升通常只有单位数百分点。采购决策节省的是工程力，而非变革管理投资。
框架如何套用到香港金融服务业？
对于受金管局 2025 年 11 月生成式 AI 通函监管的香港银行而言，框架产出稳定的答案。反洗钱监察属于高关键性但标准复杂度，应与一家受规管的 AI 厂商合作并共拥模型。通用聊天式生产力工具属于低关键性、标准复杂度，应从具备港区数据存放地的主流云端平台直接采购。
香港金融服务业真正适合自建的位置，是护城河确实具备专属性的环节，例如针对银行特定资产组合调校的内部信用风险模型，或嵌入独有合规工作流中的制裁名单筛查逻辑。即便如此，务实的模式仍是与专家合作，而非单独自建。
对香港企业领袖的核心结论
MIT NANDA 在 2025 年报告的 95% AI 试点失败率并非随机，它高度集中于一个特定模式：机构在没有先进行结构化「能力、复杂度、关键性」对话之前，预设选择自建。成功的 5% 看起来不一样，他们在通用能力上积极采购、在差异化能力上有意识地合作、只在真正具备专属性的能力上节制地自建。
纪律不在于选自建、选采购、还是选合作，而在于产出该选择的决策对话。把每一个 AI 用例放进同一组三问框架、把推理过程记录下来、每年重新检视一次。懂AI，更懂你 — UD相伴，AI不冷。28 年来陪伴香港企业，我们见过太多 AI 投资不是被精巧的工程救回来，而是被清晰的决策框架救回来。你带进董事会的框架，比你推上生产的模型更重要。
你已经掌握了框架。下一步是把 AI 路线图中的每一个用例，对应到正确的「能力、复杂度、关键性」答案。我们手把手带你完成每一步，从用例评分、自建/采购/合作建议，到一份董事会可呈交的 12 个月投资计划，28 年香港企业科技交付经验，全程陪你走。