6月23日，九龙达之路78号，香港生产力促进局大楼。一场围绕AI Agent落地的专题研讨会在这里举行——来自政府部门、公共服务机构、零售企业和NGO的多位决策者与数字化转型负责人坐到一起，讨论的问题很具体：AI Agent到底怎么从"能回答问题"变成"能干活"？
这些机构不是没试过AI。聊天机器人上了，大模型也用了，但真正跑通业务流程的很少。问题不在技术本身——模型够用了——而在于：AI回答完之后，然后呢？谁来执行？谁来跟进？谁对结果负责？
这场由香港生产力促进局与Aurora Mobile旗下GPTBots.ai联合举办的专题研讨会，主题是"AI Agent赋能香港政企服务：落地实践、关键技术与真实案例"。四位讲者从政策趋势、安全治理、落地方法论到真实行业案例，给出了一条清晰的路径。
香港AI全面加速：问题不是"要不要做"，而是"怎么做得稳"
研讨会上，GPTBots 首席商务官Tommy Lui率先梳理了香港在AI领域的政策布局。数据相当密集：
- HK$1亿"AI创效基金"（AIEEI） ：2026至2027年度财政预算案拨款，分三年运用，推动政府和公营机构应用AI；
- 2026年内完成100项行政程序AI化：写入立法会文件的具体目标；
- HK$30亿"AI补贴计划" ：重点资助算力与科研基础设施；
- HK$5,000万全民AI培训：由数码港、科技园及生产力局联合执行，计划举办200余场活动，覆盖5万人次；
- HK$10亿人工智能研发院：预计2026下半年投入运作。
（注：以上数据来源于2026至2027年度《财政预算案》、立法会文件及官方公告）
信号很明确：香港在AI上的投入不是试探，是全面铺开。但Tommy也指出了一个关键矛盾——政策可以加速部署，却无法绕过企业面对的真实困境。很多机构的AI还停留在"问答工具"阶段：能回答FAQ，能写报告摘要，但不能执行业务流程。客户问贷款利率，AI能回答，但不能帮客户提交提前还款申请。工单系统里躺着待审批的任务，AI能告诉你审批规则，但不能读取申请资料、校验信息、推进下一步。
从"能回答"到"能执行"——这不是模型升级能解决的问题，而是需要一套企业级的底座能力。
（GPTBots 首席商务官Tommy Lui正在演讲）
"管不住就不敢用"：安全治理是AI落地的第一道门槛
当AI开始深入业务——读取内部资料、调用系统工具、推动审批流转——安全和治理就成了第一道门槛，而不是事后的补充。
个人工具里用AI，跑通就行。企业环境完全不同：AI读到了客户数据怎么办？接触了财务报表怎么脱敏？谁能触发什么操作？大额转账、合同修改这类高风险动作，能不能让AI自己决定？出了问题，谁来看日志、追责任？
GPTBots AI Agent构建工程师王珂在现场明确划出了企业级AI的安全边界：
- 内容审查：AI输出必须经过合规过滤，不能生成违规或不当内容；
- 数据脱敏：敏感信息在进入AI处理链路前必须自动识别和遮蔽；
- 权限分级：不同角色触发不同操作，高风险节点强制人工确认；
- 人机协同（Human-in-the-loop） ：关键决策点保留人工干预能力；
- 日志审计：每一次AI的决策和执行，都有完整记录，可追溯、可合规。
"管不住就不敢用"——这不是保守，是企业的基本理性。王珂展示了GPTBots 如何在Agent层面内置完整的安全治理框架：不是在AI跑完之后再检查，而是从输入到输出的每一步都有安全机制嵌入。对企业来说，这意味着AI不是黑箱，而是可控、可审计的业务工具。
（GPTBots AI Agent构建工程师王珂正在讲解为什么“AI 不止会聊天，它是真能干活的”）
"先体检，再配药，后复诊"：AI落地的方法论
安全底座确认之后，下一个问题是：从哪里开始？
GPTBots AI Agent构建工程师李嘉祺提出了一套"三阶映射方法论"，核心逻辑是——别急着上AI，先看清楚业务需要什么。
第一步：流程体检。 不是所有业务都适合AI。找到高频、规则明确、价值可量化的环节——比如每天处理数百张的客服工单分类、重复性的订单审核、固定格式的数据汇总报告。这些才是AI投入产出比最高的切入点。
第二步：能力匹配。 任务简单、输入输出固定？工具型Agent足够。需要理解企业内部知识、做推理判断？上知识库推理型Agent。涉及多语言、多模态？选更高级的配置。关键是"按需配药"，而不是"一上来就最贵的"。
第三步：闭环验证。 从一个业务点开始试点，跑通"输入→处理→输出→反馈"的完整闭环，验证效果后再逐步复制，最终演进为可规模化运转的"数字员工"平台。
李嘉祺在制造业、跨境商贸和服务业的多个项目中验证了这套方法。他的判断很务实：AI落地最难的不是技术选型，而是"找到那个值得让AI接手的环节"。
（GPTBots AI Agent构建工程师李嘉祺正在讲解“三阶映射方法论”）
真实场景：四个行业，同一套逻辑
方法论讲完之后，研讨会上进入了最实质性的环节——来自不同行业的真实场景拆解。这些案例来自金融、地产、零售和社会服务领域，场景各异，但背后的逻辑高度一致。
场景一：大型银行的复杂客服工单自动化
某大型银行的客服中心每天处理大量复杂咨询。传统机器人只能应对标准化问题，一旦涉及"贷款提前还款的利息重算""跨境汇款被冻结的排查"这类需要查系统、看规则、做判断的问题，就只能转人工。
部署AI Agent后，系统能识别客户意图，自动调用核心银行系统和工单系统，完成"意图识别→信息查询→规则匹配→处理执行→结果反馈"的完整链路。遇到异常或超出权限的情况，才触发人工介入。结果是：人工客服从重复性查询中释放，客户等待时间大幅缩短。
场景二：地产集团的全渠道客户数据打通
某大型地产集团面临一个典型问题：客户咨询分布在多个渠道——WhatsApp、电话、线下门店——但数据彼此割裂。销售看到的信息和物业看到的不一样，客服又要重新问一遍。
解决方案是搭建统一的客户数据平台，将WhatsApp、App Push、Email、SMS等渠道整合到一个平台上。AI Agent基于完整的用户历史做出判断和响应。客户在WhatsApp问物业费，AI不只回答金额，还能关联到"上个月报修的空调是否已处理"，主动推送进度。服务从"有问必答"变成"问一知三"。
场景三：零售品牌的售后工单自动化
某零售品牌的售后流程涉及"登记→检测→维修→物流→补偿"多个环节，每个环节都需要人工流转。部署AI Agent后，工单自动生成，Agent判断问题类型，触发对应工作流——需要维修就派单，需要补偿就走审批。涉及大额赔偿或客户投诉升级时，转人工处理。结果：售后工单处理时间压缩超过60%，人工只需要介入真正的异常。
场景四：社会服务机构的精准分发
某社会服务机构面对的难题是：一条服务通知需要同时送达服务对象、一线社工和管理层，但每个人的需求不同、接收渠道不同。通过AI Agent识别需求并判断优先级，再由全渠道平台选择最合适的渠道进行精准投递——WhatsApp推送给社工、短信通知服务对象、邮件同步管理层——同时自动跟进处理进度。社会服务从"被动等待求助"变成"主动精准推送"。
四个场景，行业不同，痛点不同，但解决逻辑一致：AI Agent负责"理解和决策"，全渠道平台负责"触达和执行"，两者协同完成从"识别需求"到"服务交付"的闭环。 这也是Aurora Mobile旗下两条产品线协同的核心逻辑——EngageLab作为AI原生客户互动平台，提供统一客户数据、全渠道可靠交付与用户身份验证能力；GPTBots.ai作为企业级AI智能体构建平台，提供Agent构建、知识管理到安全治理的端到端AI能力。两者协同，完成从"识别需求"到"服务交付"的完整闭环。
（Aurora Mobile 市场总监全啸宇正在分享真实场景案例）
政策助力：中小企AI转型的"临门一脚"
在讨论技术方案的同时，香港生产力促进局也在研讨会上介绍了针对企业的资助政策。其“中小企资援组”致力于协助中小企业匹配合适的政府资助计划，解答申请过程中遇到的疑问，并提供免费的一对一咨询及表格预审服务，鼓励中小企业善用政府资助，实现升级转型。通过“技术支援”咨询及多元化外展活动，全方位协助中小企业持续发展。
详情可参阅：https://smereachout.hkpc.org/
对中小企业来说，技术路径正在清晰，政策支持也在到位。关键是谁能最快把AI从"试试看"变成"跑起来"。
Aurora Mobile：定义问题，也给出答案
作为本次研讨会的联合主办方，Aurora Mobile（纳斯达克代码：JG）是一家连接客户互动、业务流程与AI执行的平台型科技公司，帮助企业从连接客户、持续互动，走向AI驱动的业务行动。旗下拥有两条核心产品线——AI原生客户互动平台EngageLab，以及企业级AI智能体构建平台GPTBots.ai。EngageLab以AI智能体、统一客户数据和可靠多渠道交付为核心，帮助企业建立更稳固的客户关系；GPTBots.ai提供从Agent构建、知识库管理到工作流编排和安全治理的端到端AI能力。两者的协同，构成了从"理解需求"到"服务交付"的完整链路。
在香港这个金融、地产、零售和公共服务高度密集的市场，Aurora Mobile正在与多个行业的客户一起，把AI Agent从概念推向业务流程中的真实环节。
当AI不再只是"回答问题"，而是真正开始"干活"——属于企业级AI的时代，才算真正开始。
.png)
.png)
.png)
.png)
