• 金管局公布第二期GenA.I.沙盒，參與銀行和技術夥件較首批增逾1倍
• 新沙盒計劃集中在風險管理、反詐騙、客戶體驗三大主題
• 今年稍後陸續開始登陸數碼港人工智能超算中心的專屬平台

金管局與數碼港公布第二期生成式人工智能（GenA.I.）沙盒參與者名單，在超過60個建議方案中，來自20家銀行和14家技術合作夥伴的27個用例獲邀進入第二期GenA.I.沙盒。相對首批GenA.I.沙盒，金管局當時收到逾40個方案，選取了15個用例，涉及10家銀行和4家技術合作夥伴。

金管局指，第二期沙盒建基於首輪經驗，標誌着業界從探索AI的可能性，邁向推動安全可靠的AI應用，集中在風險管理、反詐騙、客戶體驗三大主題。評審過程中，所有建議方案均按創新水平、技術的複雜程度及其對業界的潛在價值來排序。

第二期AI沙盒涉開發防禦DeepFake機制　參與者將登陸數碼港超算中心
金管局續指，第二期沙盒計劃聚焦積極加強AI治理，多個用例採用「以AI對抗AI」策略，例如運用AI對AI生成內容進行自動化質量檢測，以更具規模的方式提升系統準確度和一致性。

針對深度偽造詐騙的風險日益俱長，沙盒亦為開發創新防禦機制提供試驗場。部分參與者將運用A.I.進行模擬攻防測試，鞏固系統以抵禦更精密的數碼詐騙手法。

沙盒參與者將於今年稍後陸續開始登陸數碼港人工智能超算中心的專屬平台，預計於2026年初開始技術測試。金管局將繼續以GenA.I.沙盒為核心，與業界分享良好做法，推動金融業界負責任地應用A.I. 技術。

銀行公布第二期GenAI沙盒用例
部分入圍的銀行已陸續公布旗下AI用例。

工銀亞洲宣布，將在監管機構的指導下開展三大場景的深度研發與測試驗證，包括：

透過機器學習優化金融市場交易敞口管理模型，更高效地監測異常交易及風險敞口；
實現機械人流程自動化與工銀集團 AI 模型深度融合，以全流程自動化提升貸後回款率及客戶體驗
借助AI技術完成客戶風險評級更新及甄別黑名單結果，加強客戶保障及銀行風控能力。
中銀香港表示，繼首期計劃參與兩個主要項目，在第二期計劃的項目包括：

利用GenAI技術推動財富管理數碼轉型，並將通過多方協作，確保訊息準確，同時添加各項安全保障機制，藉以平衡用戶體驗及合規要求。
通過深化防欺詐偵測技術，讓GenAI持續學習，以應對新型深度偽造的文字及語音技術，構建更精準全面的風險防控體系，進一步提升銀行安全水平。
渣打香港表示，首期計劃中，該行用例集中於提升按揭申請程序及內部資料管理系統的效率及準確性，第二期沙盒用例，專注於風險管理、反詐騙措施和客戶體驗方面的應用場景。

渣打香港兼大中華及北亞區行政總裁禤惠儀表示，去年渣打在全球開發超過350個AI用例，覆蓋包括財富管理、跨境業務等核心增長領域，以提升營運效率及優化客戶體驗。

滙豐表示，該行第二期沙盒計劃中，將試驗文字轉手語及偵測詐騙的用例。在首期計劃中，滙豐完成一系列內部測試，包括模擬與客戶的實時互動。其他試驗用例包括提供金融市場洞察、提升詐騙調查流程及加強交易追蹤

不少企業眼見生成式人工智能（GenAI）技術爆發，都積極投入資源，不想落後於市場。不過現實是，引入技術容易，要讓技術價值顯現卻不易。麥肯錫提出的「生成式AI價值悖論」正是指企業廣泛採用GenAI工具，但卻未能看到對業績有顯著影響。

GenAI熱潮還在持續，最近興起的AI智能體（Agentic AI）更是把生成式AI的潛力推到新的高度，AI智能體具有自治能力，能根據預設目標主動決策、規劃並執行動作。

「多智能體」引發企業潛力
預計AI由最初向從業者提供AI工具和助手，到最終演變成各從業者管理15到20個「多智能體」（Multi-agents)的人機團隊，期間將釋放出巨大生產力潛能。在可預見的未來，某些企業職能會演變為由少數從業人員管理上百個智能體的融合組織，可達到的理論生產力是現在的20倍。

AI技術正以高速發展，不過麥肯錫最近對企業的研究顯示，8成公司已使用了新一代AI，但現實是有80%公司的AI項目是失敗的，收入沒有增長、成本未能降低，更不要談對業務的價值。

生成式AI價值悖論
麥肯錫提出的「生成式AI價值悖論」正是指企業廣泛採用GenAI工具，但卻未能看到對業績有顯著影響。歸跟究底，是雖然許多公司都在使用GenAI，但卻沒看到由GenAI產生的收益或生產力提升。
現時我們看到企業的GenAI應用主要有兩種，一是橫向應用（如企業級AI助理），雖然能提升員工效率，但省下來的零散多餘勞力及時間未能為企業帶來明顯財務效益；另一則是縱向應用，讓GenAI負責專門職能，雖然價值及潛力大，但卻有90%的案例均停在試點階段，正如「生成式AI價值悖論」所指，企業難讓GenAI顯現實際業務價值。

中國企業4大痛點
近兩年，麥肯錫與150多家企業在GenAI專案上達成了深度合作，其中有10多家在中國。我們更發現，中國企業部署GenAI時面對4大痛點，有些與外國公司類似，有些則屬於中國企業獨有：包括目標與價值不清晰；缺乏關鍵人才與協同機制；組織動力與轉型機制缺失及技術架構與資料數據治理能力不足。GenAI在不同行業及地區的部署都大不同，針對中國企業情況，亦要更細緻獨到考量，大多數中國企業的技術部門長期以系統維運為主，缺乏與業務並肩推動AI變革的經驗與角色認知，這使得從規劃到落地的斷層更加明顯。

麥肯錫最近發表的《麥肯錫講全球企業數碼化》一書中的建議，我們可以先由宏觀角度出發，再針對個別情況細緻部署：

制定價值路線圖：聚焦關鍵業務領域和核心流程，從上而下制定價值目標，然後圍繞目標進行端到端重構，融入AI與數碼化手段，按價值將應用場景與可行性排序，制定轉型路線圖讓資源運用更有效。

建構人才能力，改變營運模式：業務團隊要加強對GenAI的理解與應用能力，將AI在不同業務實現；技術或數碼團隊則應該更深入理解業務的需求與痛點，才可有效將想法透過技術實踐。

推動變革管理，實現技術應用和推廣：企業需要設計和執行有針對性的溝通、培訓、引導與激勵機制，以提高員工對人工智能技術的理解，將技術融入日常。

建構具可擴展性的技術架構與統一數據平台：企業需建構既有前瞻性又可落地的技術架構，能夠支援未來多大語言模型與智能體的運用。

GenAI在不同行業和企業的部署都大不同，以下兩個例子，引證了建議的實施。

1.企業專責團隊推動全方位AI轉型
一家離散製造企業利用GenAI降低成本的同時實現業務成長；在制定了AI數位轉型路線圖後，企業下一步要解決組織在AI技術落地時鴻溝，即技術團隊對業務缺乏理解，業務團隊則缺乏技術應用的想像力。

於是，該企業同時從業務團隊與技術團隊抽調員工，組成敏捷小隊（Agile Squad），包括製造小隊、研發小隊、供應鏈小隊、銷售小隊。在每一個小組中，業務部門扮演了非常重要領導的角色，參加所有的敏捷實踐，包括「每日站會」、每兩週與業務負責人進行「衝刺評審」，「衝刺規劃」會議，與技術團隊協同以獲得持續反饋和改進。該企業透過系統性地推動數化碼與AI轉型，成功變革了營運模式，建構好人才能力。最後，兩年內就實現了利潤率翻倍。

2. GenAI滲透企業組織末梢實現變革管理
   另外，一家網絡企業從3個方向(銷售、編碼生成、產品設計)部署GenAI。該企業從4個層面推動GenAI在組織落地：包括1.統一認知，強化理解與共識；2.提升技能，進行全員訓練與能力建構；3.嵌入機制，推動行為轉變與持續使用及4.追蹤成效，建立採納與價值回饋閉環。

要了解，GenAI部署不僅是技術革新，更是組織文化變革。它要求領導階層以清晰方式推動由上而下的溝通，引導員工理解並接納新技術所帶來的工作方式變化。種種舉措確保GenAI應用不只是「被部署」，而是被真正「用起來」，並轉化為可持續的業務成果和組織能力。

由此可見，AI技術正以高速發展，現正成為新舊時代企業的分水嶺，企業要懂高屋建瓴、從業務整體出發，去探索並實際測試GenAI，讓企業進入智能轉型週期，並建構涵蓋策略、技術、人才與治理能力，捕捉機遇，要主宰自家AI命運，而不是追逐潮流。