Sumsub：94%香港企業已應用或試行AI代理，僅36%具備完整可追溯審計紀錄

Sumsub公布最新《Sumsub亞太地區數碼信任現況：AI治理基準報告》，指出香港企業正迅速採用具備自主執行能力的多步驟AI系統，但相關治理及審計基礎設施未完全跟上。報告顯示，94%的香港企業已應用或正在試行多步驟AI系統，然而僅36%能透過可靠且不可篡改的紀錄，為AI行為提供完整並可永久保存的審計軌跡。

這項落差反映亞太企業普遍面對的結構性問題：企業雖然加快將AI投入實際業務流程，卻未必具備監察、還原及審核AI決策所需的技術與制度。Sumsub將此現象稱為「問責不對稱問題」（Accountability Asymmetry），即企業需要為AI決策承擔責任，但未能充分向監管機構、持份者或客戶解釋及證明AI如何作出相關決定。

香港AI應用擴張速度高於亞太平均

報告以三大範疇評估亞太企業的自主AI代理治理進展，包括AI在企業運作中自主執行工作的程度（自主程度，Autonomy）、企業能否界定並承擔AI行為所涉及的責任（責任清晰度，Responsibility），以及企業能否還原、解釋及審核AI決策過程（可追溯性，Traceability）。

在香港市場，95%的企業表示過去一年曾擴大AI應用規模或提升AI自主程度，高於亞太地區92%的平均水平。另有94%企業已經應用或試行多步驟AI系統，顯示AI代理正逐步由測試階段進入實際業務流程。

不過，應用規模擴大並未完全轉化為治理能力。當AI在缺乏人類直接監督的情況下執行更多決策，若企業沒有建立持續、可靠及不可篡改的紀錄，個別未受監察的AI行動便可能累積成營運、合規及客戶信任風險。

香港企業較傾向跨部門共同問責

報告指出，40%的香港企業表示，AI行為與決策涉及的責任由多個業務部門共同承擔，比例高於亞太區平均的27%，亦是區內最高。這反映香港企業在AI治理方面較傾向採取跨部門協作模式，而非由單一部門承擔全部責任。

然而，共同問責亦可能帶來責任邊界不清的問題。若企業沒有明確記錄AI代理的授權範圍、執行過程、決策依據及人類監督角色，當系統出現錯誤時，便可能難以確認哪個部門或負責人需要作出解釋及修正。

涉及財務決策時，企業態度仍然審慎

89%的香港企業表示願意將低風險及例行工作交由AI處理，與亞太區88%的平均水平相若。相較之下，當AI涉及財務相關決策，企業仍然較為審慎，反映市場對高風險自動化流程的信任程度仍受可追溯性及責任機制限制。

Sumsub亞太區副總裁Penny Chai表示：「香港企業並非缺乏推動AI代理應用的策略方向，而是在拓展應用時採取較審慎的態度。當決策涉及財務責任時，未成熟的追溯機制或會為企業帶來難以承受的營運風險。因此，建立穩健的追溯及安全框架，是企業在高風險決策中安全和大規模地應用AI的先決條件。」

她又指出，亞太地區未來的AI發展將取決於公私營機構之間的合作。監管機構需要提供治理框架，而業界建立的信任基礎設施則有助企業在實際應用中落實問責機制，將合規要求轉化為可驗證的數碼信任。

香港AI治理評分略低於亞太平均

香港企業的整體自我AI治理評分為66.7分，略低於亞太區平均的67.1分。報告認為，香港作為國際金融中心，監管環境一直對企業治理標準形成影響；隨著相關監管框架逐步完善，企業亦需要同步建立與AI應用規模相匹配的治理能力。

報告提到，香港律政司於2026年成立「檢視支持更廣泛應用AI所需的法律配套」跨部門工作小組督導委員會，聯合各政策局及部門檢討其政策範疇下的相關法規。這類監管發展將影響企業如何界定AI系統的責任、紀錄及審核要求。

從區域比較來看，泰國及菲律賓分別以70.3分及69.6分位居前列，報告認為與兩地較早建立且較嚴謹的數碼法規及企業合規機制有關。印度得分68.5分，受既有紙本合規框架支持；中國則持續推出及調整AI相關監管措施，包括制定《人工智能智能體互聯》系列國家標準，得分為68.0分。

澳洲及印尼正逐步調整私隱及數據保障框架，以涵蓋自主AI系統。新加坡已推出代理式AI模型治理框架（Model AI Governance Framework for Agentic AI），企業普遍以較成熟的技術標準作出評估，因此自我評分相對嚴謹。馬來西亞企業則正為即將落實的AI治理法案（AI Governance Bill）作準備。

金融服務業在AI治理方面領先

高度受監管行業在亞太區的AI治理表現較為領先。金融服務業以69.6分位居各行業榜首，並錄得最高的審計軌跡應用率；資訊科技及軟件服務業則以68.8分排名第二。

報告同時指出，資訊科技及軟件服務業的技術部署速度較快，治理能力落後於應用程度的風險亦相應增加。相較之下，財務風險較低的行業通常更重視AI帶來的即時業務效益。

電子商務與網購平台的治理評分為65.4分。雖然業界廣泛使用AI工具推動銷售，但由於利潤空間有限，只有29%採用獨立審計機制。交通運輸與配送平台則以64.4分排名榜末，企業較優先考慮營運效率，可能因而削弱監察及追溯能力。若自動化AI系統出現異常，物流運作便可能因監管不足而出現系統性盲點。

成本及系統整合是企業面對的主要障礙

對香港企業而言，安全擴大AI應用仍涉及多項技術及營運挑戰。受訪企業認為，三大技術重點包括管理先進AI模型的技術難度（64%）、降低建立追溯機制的成本（50%），以及確保不同平台之間能夠順暢整合（48%）。

這些問題顯示，AI治理不只是制定政策或增加人工審批，亦需要企業在系統架構層面建立能夠記錄代理身分、授權狀態、執行指令、決策結果及人類監督介入的機制。若不同AI平台及業務系統之間缺乏互通能力，企業便難以建立完整的跨系統審計鏈。

企業準備採用第三方驗證方案

報告表示，企業需要由形式上的合規，轉向可驗證的信任機制，並採用統一的信任基礎架構，確保每項自動化行為均可追溯至獲授權的AI代理，以及負責監督相關決策的人類。

市場對這個轉型方向的接受程度相對高，98%的香港企業表示已為應用第三方驗證方案作好準備，計劃將AI自動化行為與經驗證的身分網絡綁定。這項做法能否有效降低風險，仍取決於企業是否能將驗證機制整合至實際工作流程，並持續保存可供審核的決策紀錄。