5 個香港中小企 AI Agent 實戰案例
餐廳、補習社、裝修公司、網店同秘書服務公司,各自可以點樣用 AI Agent 分擔重複工作?五個綜合場景逐個拆解分工、人手檢查點同應該量度咩,唔作數字、唔吹成效。
本文內容
01痛點The problem
人人都講 AI,但「我呢行用唔用得到」冇人講清楚
網上好多 AI 案例都係大公司、大預算,或者係「用咗 AI 效率提升幾多倍」呢類冇得核對嘅講法。對一間十個人以下嘅香港公司嚟講,真正想知嘅係:我每日做緊嘅嘢,邊一部分可以交俾 AI?交咗之後邊個睇住?
香港約有 36 萬間中小企,佔商業單位超過 98%,僱用私營機構超過 43% 嘅僱員(工業貿易署數字)。佢哋嘅工作模式好唔同,但重複性工作嘅形態其實好相似:寫內容、覆查詢、整理資料、跟進客人。
以下五個係綜合場景,唔係真實客戶。我哋刻意唔寫「成效提升幾多」,因為每間公司起點唔同;我哋寫嘅係分工、檢查點同你應該自己量度咩。
02真實處境Real situation
五個綜合場景嘅背景
以下五個都係綜合場景,唔係真實客戶。場景一,社區餐廳:老闆娘每星期要更新午市套餐、出兩三篇社交媒體帖文,仲要覆食客訂位同包場查詢。場景二,小型補習社:每季開新班,要寫課程簡介,又要大量覆家長關於時間表同收費嘅相似問題。
場景三,裝修公司:師傅喺地盤影相、錄口述筆記,返到公司要整理成報價同工程進度更新,跟進客人經常延誤。場景四,網店:新貨上架要寫產品描述同尺寸資料,客服問題大部分係送貨同退換。
場景五,公司秘書服務:要提醒客人周年申報表、商業登記續期等到期事項,每次都要人手查日期再寫電郵。呢五個場景嘅共通點係:有大量格式相似嘅文字工作,而且出錯會直接影響客人信任,所以全部都要保留人手檢查。
03工作流程Workflow
五個場景共用嘅骨架流程
雖然行業唔同,五個場景都可以用同一個骨架:由現有資料出發,AI 寫草稿,人手按風險高低決定檢查深度,最後先出街或者發俾客人。下圖係呢個骨架,每個場景只係換咗資料同輸出。
現有資料資料 (Data)
菜單、課程表、地盤筆記、產品資料、到期日清單。
- 交俾 草稿 Agent:附件同例子
草稿 AgentAI Agent (AI agent)
按固定格式寫帖文、回覆、報價說明或者提醒草稿。
- 交俾 風險分類:草稿
風險分類人手 (Human)
有冇涉及價錢、日期、法律或者個人資料?
- 交俾 快速檢查:低風險
- 交俾 逐項核對:高風險
快速檢查人手 (Human)
低風險內容:睇格式同語氣。
- 交俾 出街/發俾客人:確認
逐項核對人手 (Human)
高風險內容:逐個數字、日期、條款對返原始資料。
- 交俾 出街/發俾客人:核對後確認
出街/發俾客人人手 (Human)
確認後發佈或者發送。
- 交俾 量度紀錄:每週記錄
量度紀錄資料 (Data)
記低用咗幾耐、改咗幾多、有冇出錯。
04實作步驟Steps
五個場景逐個拆:分工、檢查點、應該量度咩
每個場景都寫低 AI 做邊部分、人做邊部分,同埋上線後建議你追蹤嘅指標。指標係建議,唔係成效保證。
場景一:社區餐廳嘅每週內容
AI 做:根據新一週套餐資料寫帖文草稿同配圖描述,可以用 CinderHub Automations 嘅帖文模板定時生成。人做:確認菜式名同價錢、揀相、批准發佈。應該量度:每週準備內容嘅時間、帖文需要修改嘅次數。
場景二:補習社嘅家長查詢
AI 做:根據課程表同收費表,為常見查詢寫回覆範本;新班開始前寫課程簡介草稿。人做:核對時間表同收費,處理退款或者特別安排。應該量度:常見查詢平均回覆時間、範本被直接採用嘅比例。
場景三:裝修公司嘅地盤筆記整理
AI 做:將師傅嘅文字筆記整理成工程進度更新同報價說明草稿,列出缺漏資料。人做:所有尺寸、物料同價錢由負責同事逐項核對,報價一律人手簽發。應該量度:由地盤到發出進度更新所需時間、報價返工次數。
場景四:網店嘅產品描述同客服
AI 做:按固定欄位寫產品描述(物料、尺寸、保養方法),為送貨同退換問題寫回覆草稿。人做:核對尺寸同物料、批准涉及退款嘅回覆。應該量度:新貨上架所需時間、客服問題首次回覆時間。
場景五:秘書服務公司嘅到期提醒
AI 做:根據人手維護嘅到期日清單,寫提醒電郵草稿,列明要客人準備嘅文件。人做:到期日一律由同事對返官方紀錄,確認後先發。應該量度:有冇遺漏提醒、準備提醒電郵所需時間。
05清單範本Checklist
可重用模板:一頁 AI 試行計劃
揀其中一個場景,用呢一頁計劃試行四個星期。四個星期之後睇數據,再決定擴大定收返。
四星期 AI 試行計劃
- 試行場景:只揀一個(例如:每週社交媒體帖文)
- 負責人:一位同事負責檢查同記錄
- AI 做嘅部分:逐項列出
- 人做嘅部分:逐項列出,特別係價錢、日期、條款
- 風險分類:邊類內容要逐項核對
- 試行前基線:而家做呢件事每週用幾耐、出錯幾多次
- 每週記錄:用咗幾耐、改咗幾多、有冇出錯
- 第四週檢討:繼續、調整定停止
06常見錯誤Common mistakes
中小企試行 AI 最常見嘅錯
以下錯誤喺五個場景都會出現,同行業無關。
錯誤 / Mistake: 同時試五個場景
改法:Fix: 一次只試一個,有基線同記錄,先知道 AI 有冇真係幫到手。
錯誤 / Mistake: 冇記錄試行前嘅基線
改法:Fix: 開始前用一星期記低而家用幾耐、錯幾多,否則四星期後冇得比較。
錯誤 / Mistake: 高風險內容只做快速檢查
改法:Fix: 價錢、日期、法律條款、到期日一律逐項對返原始資料。
錯誤 / Mistake: 將客人個人資料成批貼入 AI
改法:Fix: 只提供完成任務必需嘅資料,並為公司定一份員工使用生成式 AI 嘅內部指引。
錯誤 / Mistake: 照抄網上案例嘅成效數字做目標
改法:Fix: 用自己嘅基線定目標,每間公司起點唔同。
07下一步Next step
下一步:揀一個場景,試行四個星期
由你最熟悉、最重複嘅場景開始,用上面嘅一頁計劃寫低基線同分工。
CinderHub Modules 按角色分咗財務、設計師、程式員、社交創作、分析同數據報告模組,每個模組都有對應嘅預設角色同工具。揀最接近你業務嘅模組,按本文嘅骨架流程試做一個場景;涉及社交媒體帖文嘅,可以再配合 Automations 嘅帖文模板。
按你嘅行業揀一個模組開始
登入 CinderHub 去 Modules,揀最接近你業務嘅模組(例如社交創作、分析、財務),用入面嘅預設角色同工具試做本文其中一個場景。
按你嘅行業揀一個模組開始只會記錄有幾多人有興趣,唔會收集聯絡資料。 We only count interest; no contact details are collected.
參考資料
- 工業貿易署:支援工商業政策(香港約 36 萬間中小企,僱用私營機構逾 43% 僱員)(查閱日期 2026-10-25)
- 個人資料私隱專員公署:《僱員使用生成式 AI 的指引清單》新聞稿(2025 年 3 月 31 日)(查閱日期 2026-10-25)