由第一天起受管治的數碼能力建設。
數碼能力建設個案：我們如何協助 80 位香港羅氏同事學習以 Tableau、UiPath 及 JavaScript 進行分析、自動化及開發，並在擴展之前（而非之後）建立人工智能管治。
重點摘要
- 羅氏的數碼能力建設透過培訓學院、輔導及黑客松，惠及 80 位香港員工。
- 三條工具路線涵蓋數據分析（Tableau）、機器人流程自動化（UiPath）及程式編寫（JavaScript）。
- 同步推行人工智能管治框架：人工智能政策、應用場景風險評估、審批流程、人工智能登記冊及人工智能培訓。
- 技能與管治並行，讓團隊快速開發，同時確保每項人工智能應用都有人問責。
數碼能力建設現已成為每間生命科學機構的首要工作，因為大部分機構擁有的數據及人工智能工具，都多於能善用它們的人手。業務團隊要排隊等候 IT 部門製作儀表板或自動化，而新的人工智能工具推出的速度，快過任何人能檢查其是否安全。
我們的看法很簡單：數碼能力由實際做事的人建立，並只有在管治同步成長時才能持久。因此我們兩者並行：以學院及黑客松建立技能，並以人工智能管治框架確保員工的成果安全、合規及可問責。
沒有管治的能力，只會帶來更多風險。
每間投資數碼能力建設的企業，都面對同樣三大壓力。
數碼能力建設計劃概覽。
一個計劃，兩個成果：能開發的人才，以及確保安全的規則。
位香港羅氏同事參與，來自業務及營運團隊。
香港條工具路線：以 Tableau 進行分析、UiPath 進行自動化、JavaScript 進行程式編寫。
培訓學院、輔導及黑客松個人工智能管治組成部分：政策、應用場景風險評估、審批流程、人工智能登記冊及培訓。
人工智能管治框架數碼能力建設三步驟：學習、建構、管治。
三條主線合為一個計劃，令新技能在清晰的規範內轉化為可運作的方案。
我們教授工具。
有系統的學院課程，帶領同事由首次登入到熟練運用數據分析、自動化及程式編寫。
我們輔導實際工作。
透過輔導及黑客松，將所學轉化為解決實際業務問題的方案。
我們確保擴展安全。
人工智能管治框架，讓每個新構想由提出到獲批都有清晰快捷的途徑。
我們教授工具。
三條路線，各自對應一類問題。
數碼能力建設的第一步，是在實際問題的背景下教授工具。若培訓只教軟件功能而非大家熟悉的問題，便會失敗。因此我們的學院圍繞每個團隊都會問的三個問題而設：我們的數據反映了甚麼？哪些工作可以不再由人手處理？我們可以自行建構甚麼？
以 Tableau 進行數據分析
- 連接真實數據來源、清理數據，並設計大家真正會看的儀表板。
- 視覺化最佳實踐：先呈現例外情況、每個圖表只傳達一個訊息、每項指標都有清晰定義。
以 UiPath 進行自動化
- 找出適合以 機器人流程自動化 處理的重複、規則明確工作，以及不適合的工作。
- 建構、測試及記錄機械人，以便移交及維護。
以 JavaScript 編寫程式
- 為非開發人員講解核心程式概念，並應用於小型工具及網上工作流程。
- 編寫易讀、可審查並能由 IT 部門支援的程式碼。
培訓學院 ——為 80 位香港同事設計的有系統學習路徑，結合導師授課及以真實業務情境進行的實踐練習。了解我們的 能力建設 服務。
我們輔導實際工作。
技能若能在同一星期解決問題，便會牢記於心。
課堂上學到的技能若不使用便會很快淡忘。輔導及黑客松為同事提供動機及期限，將所學應用到自己的工作上。
- 選擇實際問題團隊帶來自己工作中的流程或問題，而非教科書練習。
- 選擇合適工具按問題選擇儀表板、機械人或小型應用程式，而非削足適履。
- 在導師指導下建構我們的顧問由最初構想到可運作的原型全程輔導團隊，協助解決障礙但不越俎代庖。
- 對照規則檢查任何使用人工智能或敏感數據的構想，都須先經過以下管治程序才能推進。
- 展示及移交黑客松團隊展示方案並附上文件，讓好主意得到支援及重用。
輔導及黑客松 ——限時活動及持續輔導，將學院所學轉化為方案，並發掘可成為團隊先鋒的人才。
我們確保擴展安全。
為受規管業務而建的人工智能管治框架。
數碼能力建設培養出更多開發者，因此機構需要簡單地回答兩個問題：這項人工智能應用是否可接受？由誰決定？我們設計的人工智能管治框架能回答這兩個問題，而不會拖慢好主意。框架參考了香港私隱專員的建議5 ，以及 NIST 人工智能風險管理框架7 及 ISO/IEC 42001 等國際框架的結構。8
突出顯示的是此項目交付的五個組成部分。
- 相稱而非官僚低風險構想迅速推進；較高風險的用途則接受更深入審查及更清晰的條件。
- 單一入口每項擬議的人工智能用途都經同一途徑提出，避免有人私下採用。
- 指定負責人每項獲批用途都有記錄在登記冊上的負責人。
- 由人負責人工智能只作輔助；由人為其協助作出的決策負責。
- 清晰的清單人工智能登記冊列明正在使用甚麼、由誰使用、用途為何，以及下次檢討日期。
- 人人具備素養培訓讓用戶既了解人工智能能做甚麼，亦明白其局限。
擴展數碼能力建設前應問的六個問題。
若您無法清楚回答，所建立的技能帶來風險的速度可能快過價值。
- 培訓是圍繞實際業務問題，還是只講軟件功能？
- 員工是否獲得輔導及期限，以應用所學？
- 提出新的人工智能或自動化構想，是否有單一清晰途徑？
- 每項人工智能用途的風險如何評估？由誰簽核？
- 您是否知道目前使用的每項人工智能工具、負責人及用途？
- IT 部門能否支援及維護公民開發者的成果？
數碼能力建設：常見問題。
甚麼是數碼能力建設？
數碼能力建設是一項有系統的計劃，教導員工運用數據、自動化及軟件工具改善自己的工作。計劃通常結合培訓、輔導及實際項目，令新技能轉化為可運作的方案，而不只是證書。
羅氏數碼能力建設計劃包括甚麼？
計劃透過培訓學院、輔導及黑客松惠及 80 位香港羅氏員工，涵蓋以 Tableau 進行數據分析、UiPath 進行機器人流程自動化，以及 JavaScript 程式編寫，並同步推行人工智能管治框架。
人工智能管治框架應包括甚麼？
實用的人工智能管治框架通常包括人工智能政策、每個應用場景的風險評估、設有指定決策者的審批流程、正在使用的人工智能工具登記冊，以及員工培訓。香港私隱專員公署的模範框架及 NIST AI RMF 亦描述了類似元素。
為何要將人工智能管治與數碼能力建設結合？
培訓更多人以數據及人工智能開發，價值與風險同時增加。由一開始建立管治，可讓每個新構想都有清晰的審批途徑、令人工智能的使用透明可問責，並有助履行人工智能素養要求等責任。
為受規管環境而設
- 角色權限控制及審計紀錄
- AES-256 加密
- 可選數據駐留地——歐盟／美國／新加坡
- 符合 GDPR 及 CCPA
- 客戶數據不會用於人工智能訓練
- 目標於 2027 年 2 月取得 ISO 27001 認證
參考資料
- 世界經濟論壇（2025 年）。 The Future of Jobs Report 2025，2025 年 1 月 7 日發表。
- 麥肯錫（2025 年）。 The state of AI in 2025: Agents, innovation, and transformation，2025 年 11 月 5 日；另見 AI at work but not at scale.
- Gartner（2022 年）。 Gartner Forecasts Worldwide Low-Code Development Technologies Market to Grow 20% in 2023，新聞稿，2022 年 12 月 13 日。
- 麥肯錫（2025 年）。The state of AI: How organizations are rewiring to capture value，2025 年 3 月。
- 香港個人資料私隱專員公署（2024 年）。 Artificial Intelligence: Model Personal Data Protection Framework，2024 年 6 月 11 日。
- 歐盟（2024 年）。 Regulation (EU) 2024/1689 (Artificial Intelligence Act)，第 4 條有關人工智能素養，自 2025 年 2 月 2 日起適用。
- 美國國家標準與技術研究院（2023 年）。 Artificial Intelligence Risk Management Framework (AI RMF 1.0)，NIST AI 100-1。
- 國際標準化組織（2023 年）。 ISO/IEC 42001:2023 Artificial intelligence — Management system.