政府在 2026 年 8 月 17 日公布，AI 效能提升組已促成及落實首批共 30 個效能提升項目，涉及 13 個部門，其中 10 個為旗艦項目，分四個階段由今年起陸續推出。新聞稿中最搶眼的一句，是政務司副司長卓永興提到「透過採用AI，將部分個案的審批或輪候時間大幅縮減九成」，其後多家報道都聚焦這個數字。
但真正值得慢慢讀的，不是新聞稿，而是新聞稿後面那份附件《首批效能提升項目一覽表》。這是目前少見地把項目範圍、負責部門、推出時間與量化承諾集中公開的政府 AI 清單。清單的價值不在於它有多亮麗，而在於它讓政府 AI 化的形狀、節奏與邊界，可以逐項核對。
關於本文數據的性質：本文所引用的成效數字主要來自政府公布的項目附件；除已推出項目的運行結果外，多數屬預計或預期成效。文中部分百分比由官方提供的前後時間推算，並非 FFOO Labs 的獨立實測結果。
一份清單，比新聞稿提供更多答案
AI 效能提升組於 2025 年《施政報告》宣布成立，由政務司副司長卓永興任組長，創新科技及工業局局長與立法會議員邱達根任副組長。其後公布的整體目標寫得很具體：2026 年內在 100 個政務環節引入 AI 工具，2027 年底前增加至不少於 200 個。值得注意的是，這個 100／200 的目標並不只靠這 30 個定製項目達成——數字政策辦公室的「人工智能＋工具方案目錄」等通用工具，同樣計入政務環節的覆蓋數目。
推進方式也值得注意。提升組成立了由數字政策辦公室及政府統計處 AI 及數據科學專家組成的「AI 項目專隊」，並以「AI 技術合作夥伴」形式與市場上的龍頭 AI 企業合作。同日的「『AI+』政務」交流活動中，出席分享的業界代表來自阿里雲、騰訊雲及華為香港及澳門。這顯示政府採用內部專隊配合市場技術夥伴的推進模式；不過，官方沒有公布這三家公司是否參與首批 30 個項目，也未披露個別項目的供應商或所用模型。
卓永興在公布時說的其中一段，其實已交代了整份清單的方法論：
不同部門雖然職能各異，但不少日常工作場景其實有相似之處，例如網上預約、牌照申請、審核評估、回覆查詢、環境監察等。一個方案如在首試部門成功落地，相關經驗、技術和推行模式便可經適當調適，推展至其他部門和相近的業務場景。
政務司副司長卓永興，2026 年 8 月 17 日
這是「場景複製」而非「部門逐個處理」的策略。要在兩年內把 AI 工具擴展至 200 個政務環節，場景模板及可重用組件會是能否擴展的關鍵：把牌照審核、預約防濫用、查詢回覆、文件擷取這幾種通用模式做成可搬運的模板，比逐個項目重新定製更有機會兌現目標。
節奏：2026 年上半年列出的只有 5 個
附件把 30 個項目分成四個推出階段：2026 年上半年 5 個、2026 年下半年 12 個、2027 年上半年 9 個、2027 年下半年 4 個。換言之，2027 年才推出的共 13 個，佔全批 43%；而 10 個旗艦項目明顯前置，其中 8 個落在 2026 年，2027 年的 13 個項目中只有兩個是旗艦項目（「垃圾黑點執法快」與「AI 遇溺偵測系統」），其餘 11 個（約 85%）並非旗艦項目。
由於公布日期為 8 月 17 日，2026 年上半年這個時段其實已經結束，因此附件的用字值得逐項細看。附件對這 5 個項目的描述並不一致：機電工程署的高位燈具無人機檢測寫「已大幅縮短檢測時間」；環境保護署的 AI 環評寫各階段效率「已系統性提升」、環評時間「已縮短一半」；運輸署的「打擊網上排隊機械人」寫「推行後」輪候時間已縮短——這三個屬已有運行結果。至於政府物流服務署的公司背景審查（AI-DDsearch）與數字政策辦公室的「1823 訴求一覽通」，附件只描述系統能力，並未列出已實現的成效數字。因此，比較穩妥的說法是：這 5 個項目已列於首個階段，其中部分已有運行結果，另一些的成效仍待公布，而非全部都可確認為已全面運行。
這個節奏本身沒有問題，反而比一次性宣布「全部完成」更貼近實況。但它意味著一件事：目前公布的大部分數字仍屬「預計」而非「已實現」。附件用字其實相當小心——已推出的項目寫「推行後」、「至今已識別」；未推出的寫「預計」、「預期」。已推出項目可能在 2026 年產生初步運行數據，但較完整、可比較的跨項目成效評估，可能要待項目累積足夠運行時間後才具參考價值。官方目前並未承諾在 2027 年公開正式回顧數據，因此外界不宜假定會有這樣一份公開檢視。
「九成」是真的，但只屬個別環節
把附件裡所有列出前後時間或明確百分比的環節抽出來排序，會看到一個很少被報道的梯度：由 90% 一路降到 10%。
「九成」出現在運輸署的「牌照申請審批易」——自動審批個案的車輛牌照續期通知書，預計由最長 10 個工作天縮短至 1 個工作天，並預計網上車輛牌照續期的自動處理比率提升至超過 90%。值得留意的是表述層次的差異：新聞稿以概括方式表示部分個案的審批或輪候時間可縮減九成，但附件顯示，對應的「牌照申請審批易」列於 2026 年下半年，並以「預計」表述。因此，九成是這個個別環節的項目承諾或預期成效，而不是截至公布日已全面驗證的跨項目結果。這類流程的共同特徵是格式高度標準化、規則明確、每年量大（附件列出每年約 24 萬宗網上車輛牌照續期申請）、判斷成分低。政府物流服務署的公司背景審查（1 至 2 天縮短至 2 小時內）、機電工程署的高位燈具無人機檢測（8 小時縮短至 1 至 2 小時）也有相近的結構。
另一端則相當克制。屋宇署的「基礎圖則審批易」以專業領域視覺語言模型比對《建築物條例》、《作業守則》與內部工程手冊，審批一份圖則的時間將由約 20 小時縮減至約 18 小時——約一成。房屋局／房屋署的「資助出售房屋申請易」預計把每宗約 60 至 90 分鐘的審核時間減少 10%。食物環境衞生署的滲水投訴整體處理預計由約 90 個工作天減至 80 個工作天，同樣約一成。數字政策辦公室的 1823 通話後個案處理，預計減少 15%。
中位數怎樣算出來，以及它不代表甚麼
把這些環節整理後，按本文口徑，19 個可量化環節的中位數約為 30%；如果只計附件直接列明百分比的 10 個環節，中位數為 50%。計算方法有必要交代清楚：我們只納入附件同時列出前後時間、或直接列明百分比的環節；其中 10 個百分比由附件直接提供（例如車輛牌照續期通知書的九成、垃圾黑點分析的八成、環評的一半），另外 9 個由附件所列的前後時間推算。遇到區間，我們取中點（例如房屋上訴聆訊記錄由 7 至 10 個工作天縮短至約 3 個工作天，前值取 8.5）；「1 至 2 天」按每日 8 小時工作天換算；跨越不同時間單位的環節（月、星期、工作天、小時、分鐘）一律以同一單位內的相對減幅計算，不作跨單位加權；結果四捨五入至整數。個別項目披露多於一個環節（例如「垃圾黑點執法快」同時列出黑點分析與簡單個案處理），我們逐個環節分開計算。
這個中位數不能視為 AI 專案的通用回報率，也不應理解為語言模型或視覺模型在行政流程中的普遍實際收益。這 19 個環節涵蓋不同技術、不同流程階段與不同的時間量度方式，當中大部分還是預期值。它的用處主要在於：在這批披露了前後數字的政府流程中，成效分布遠比「九成提速」這個標題廣闊。附件中比較克制、也因此比較有參考價值的一筆，是屋宇署願意寫下 20 小時變 18 小時——一個沒有宣傳價值的數字。
更值得注意的是：AI 開始靠近判斷本身
從 FFOO Labs 的角度看，這份清單真正的分水嶺不在效率，而在職能。30 個項目中，有一批已經不只是「把紙變成數據」，而是走到了行政判斷的門口：
- 入境事務處「智能簽證助理」：每年約 12.5 萬宗學生簽證、25 萬宗外籍家庭傭工簽證申請。除自動檢查文件完整性與一致性、自動生成批核紀錄草稿外，附件寫出「視乎項目成效，可探討利用 AI 對提交的證明文件（例如學歷證明、住址證明等）的真確性進行核實工作」。若這項探索最終落實，核實真偽便會進入實質判斷的範圍；但它目前不是已承諾推出的既定功能。
- 屋宇署「基礎圖則審批易」：以視覺語言模型比對法例與守則，識別異常並生成初步審核報告。
- 食物環境衞生署「垃圾黑點執法快」：AI 自動分析投訴內容並「提出執法建議」。
- 房屋局／房屋署「資助出售房屋申請易」：次階段將「按審批準則協助審批申請是否符合資格」，並具潛力擴展至公共租住房屋等其他類型申請。
- 勞工處「就業配對通」：每年平均約 80 萬個職位配對，以 AI 及大型語言模型作個人化空缺推薦與培訓建議。
- 康樂及文化事務署「AI 遇溺偵測系統」：全池實時監測，協助救生員快速鎖定懷疑遇溺個案——這是安全關鍵場景，附件亦說明首階段以概念驗證形式在兩個泳池進行。
從文書自動化跨到初步判斷，是兩件風險程度不同的事。純文書錯誤通常較容易在後續覆核中發現，但文件擷取或核對錯誤同樣可能傳導至牌照、資格或執法決定；一旦 AI 輸出直接影響分流、資格判斷或安全警報，錯誤後果便會更直接地落在具體的人身上：一份被誤判為不一致的住址證明、一個被錯誤分流的滲水個案、一份被建議執法的投訴、一次沒有觸發的遇溺警報。
附件對此並未逐項交代。全份文件沒有列出錯誤率、覆核比率、人手最終決策的保留位置、市民能否得知自己的個案曾被 AI 分流或評分，以及對 AI 輔助決定的申訴途徑。在其他場合，政府確實已有相關框架：數字政策辦公室制定了《人工智能道德框架》（Ethical Artificial Intelligence Framework）與《香港生成式人工智能技術及應用指引》（Hong Kong Generative Artificial Intelligence Technical and Application Guideline）。前者設有 AI 應用影響評估及風險分級機制，並建議高風險應用採用「人在環中」監督；後者則就生成式 AI 的應用限制、資料外洩、模型偏見、錯誤及治理原則提供實務指引。政府其後亦明確強調，涉及重大決策的環節須由人類專業人員作最終審核。律政司則已於 2026 年 3 月就成立「檢視支持更廣泛應用AI所需的法律配套」跨部門工作小組召開督導委員會會議。問題是，這些框架與這 30 個具體項目之間的對應關係，目前並未公開。第二批項目公布時，是否會連同覆核與問責安排一併披露，是我們認為最值得追問的一點。
一個容易被忽略的主題：政府開始用 AI 對抗自動化濫用
清單裡有兩個項目其實屬於同一類，只是分散在不同部門：運輸署「打擊網上排隊機械人」針對每年約 9 萬宗免試簽發駕駛執照的網上預約申請，以 AI 自動分析點擊滑鼠及按動鍵盤等用戶行為，目標攔截約 99% 機器人程序；康樂及文化事務署「打擊預訂康體設施的炒場行為」則針對每日約 2.7 萬宗康體設施訂場，識別使用機械人或其他自動化工具訂場的帳戶。食物環境衞生署以網絡攝錄機偵測非法棄置垃圾，同樣運用異常偵測，但它屬於視像執法支援，而不是對抗自動化濫用。
這是一個較少被討論但相當重要的現象：公共資源分配的公平性，已被自動化工具影響到需要用 AI 去修復的程度。政府在這裡的角色不只是提升效率，而是恢復一個被機械人扭曲了的排隊秩序。運輸署項目推行後，網上預約的輪候時間由最長約 2 小時縮短至 45 分鐘內；按 120 分鐘至不多於 45 分鐘兩個端點推算，減幅至少為 62.5%，是相當直接的市民得益。
但同一個機制也帶來張力。要辨識機器人程序，系統必須分析真人的滑鼠與鍵盤行為模式；要打擊炒場，系統必須為帳戶的行為建立異常模型。這是行為層面的監測，而不是身分層面的核實。附件沒有說明這些行為數據會保留多久、會否用於其他用途，以及被誤判為機器人的市民如何申訴。效率與公平在這裡是同一枚硬幣，私隱與可解釋性則是硬幣的邊。
對香港企業與專業人士的實務啟示
把 30 個項目的技術路線抽象出來，主要可歸納為四種模式，而且全部可以直接對照企業自己的流程：
- 文件擷取與核對（AI 光學字元辨識加一致性檢查）：公司註冊處預計把印本表格的內容識別準確度由約 70% 提升至 97%；房屋局／房屋署自動識別約 60 類證明文件；入境事務處自動檢查文件完整性與一致性。對應到企業，就是應付帳款、客戶盡職審查、報銷與併購前審查。
- 知識庫加草擬：房屋局／房屋署「公屋管理覆函快」整合部門工作指引、操作手冊與標準範本，自動生成回覆初稿；附件指目前一般個案約 21 天內發出實質回覆，預計一般個案的平均處理時間可較現行流程縮短約 5 天。對應到企業，就是客服回覆、合規查詢、內部政策問答。
- 分流與優先排序：1823 每月收到 6.5 萬封部門回覆電郵，其中約 1 500 封需優先處理，現有規則系統只能識別 1 000 封，AI 預計把識別時間由 2 天縮至數小時。對應到企業，就是工單分流、投訴升級、風險預警。
- 感測加現場智能：無人機高位燈具檢測、激光雷達樹木調查、環境保護署「智慧偵測犬」「智獒」、機電工程署 ChillStream 製冷機組優化。對應到企業，就是設施管理、能源成本、資產巡檢。
值得專業人士特別留意的是第 2 與第 3 類。部分項目明確把 AI 定位為生成「初稿」或提出「建議」的工具，但附件沒有逐項確認最終決策、人手覆核與例外處理安排。在審計、會計與合規等問責要求高、影響較大的場景，保留人手最終決定通常是較穩健、也較易問責的做法：留痕清楚、責任明確、可以覆核。至於低風險而規則明確的流程（例如格式檢查、資料抄錄、標準通知），則不一定需要逐宗人手最終決定，較合適的做法是抽樣覆核加例外處理。附件所列的 5 天、30% 和 15% 等預期效率收益可觀，但前提是覆核程序與留痕安排要同步建立。政府這份清單沒有寫出來的部分，恰恰是每一家打算照做的企業必須自己補上的部分。
FFOO Labs 會繼續追蹤的三個問題
- 複製是否真的成立。由 30 個項目走到 2026 年 100 個、2027 年底 200 個政務環節，靠的是場景模板可搬運。第二批公布時，如果出現的是同一種模式在不同部門的重複應用，策略就較有機會成立；如果又是一批各自定製的新項目，200 這個數字就會相當困難。
- 問責是否隨效率一起公開。當 AI 開始提出執法建議、協助判斷資格，甚至在未來可能用於核實文件真偽，覆核比率、錯誤處理與申訴途徑就不再只是技術細節，而是公共服務品質本身。
- 前線人員的角色如何改變。附件多次寫「更有效分配人力資源，專注於需要專業判斷的複雜個案」。這是最理想的版本。實際上會變成專注複雜個案，還是變成同樣人手處理更多個案，需要日後的運行數據才能判斷；而這些數據是否會公開，目前仍是未知。
一句總結
這 30 個項目最有價值的地方，不是九成提速，而是政府願意把 10% 也寫進同一份附件。願意公開整個梯度的清單，比只提及高點的摘要更有參考價值；而下一步真正的考驗，是政府是否願意用同樣的坦白，去說明 AI 判斷出錯時會發生甚麼事。
資料來源
- 香港政府新聞公報，〈AI效能提升組公布落實推行30個效能提升項目〉及附件《首批效能提升項目一覽表》，2026 年 8 月 17 日：https://www.info.gov.hk/gia/general/202608/17/P2026081700318.htm（英文版：P2026081700324；中文附件 PDF：下載；英文附件 PDF：下載）
- 香港政府新聞公報，〈數字政策辦公室舉辦「『AI+』政務：業界如何助力政府重塑公共服務思維」交流活動〉，2026 年 8 月 17 日：https://www.info.gov.hk/gia/general/202608/17/P2026081700344.htm
- 《行政長官2025年施政報告》，宣布成立「AI效能提升組」：https://www.policyaddress.gov.hk/2025/tc/p40.html
- 創新科技及工業局，立法會問題書面答覆（2026 年 100 個、2027 年底不少於 200 個政務環節目標）：https://www.itib.gov.hk/en/legislative_council_business/questions/2026/pr_20260121.html
- 立法會創新科技及工業事務委員會文件 CB(2)730/2026(02)，〈推動人工智能生態圈發展及「全民AI」的工作〉，2026 年 6 月：https://www.legco.gov.hk/yr2026/english/panels/itb/papers/itb20260608cb2-730-2-e.pdf
- 數字政策辦公室，數字政策專員演辭（「人工智能＋工具方案目錄」與政務環節覆蓋），2026 年 2 月 4 日：https://www.digitalpolicy.gov.hk/tc/news/speeches/2026/02/sp_20260204.html
- 數字政策辦公室，《人工智能道德框架》（Ethical Artificial Intelligence Framework）及《香港生成式人工智能技術及應用指引》：https://www.digitalpolicy.gov.hk/tc/our_work/data_governance/policies_standards/ethical_ai_framework/
- 數字政策辦公室，數字政策專員演辭（人工智能風險治理及重大決策的人為監督），2026 年 4 月 15 日：https://www.digitalpolicy.gov.hk/tc/news/speeches/2026/04/sp_20260415_1.html
- 律政司，〈律政司司長為成立「檢視支持更廣泛應用AI所需的法律配套」跨部門工作小組召開督導委員會會議〉，2026 年 3 月 6 日：https://www.doj.gov.hk/tc/community_engagement/press/20260306_pr1.html
- 香港電台，〈AI效能提升組首批30項目年中起應用 有個案審批時間縮減九成〉，2026 年 8 月 17 日：https://news.rthk.hk/rthk/ch/component/k2/1866445-20260817.htm
