學校做 AI 項目：由校本需求到技術方案（香港學校技術指南）

學校要開展人工智能（AI）項目，成敗通常不在於買了哪一套工具，而在於三件事有沒有先處理好：校本需求是否整理清楚、技術方案是否對應真實痛點、資料私隱與風險是否受控。本文從技術與專案管理角度，整理香港中小學推行校本 AI 項目時的完整框架——由需求盤點、項目類型、方案選型（現成工具、定制開發還是混合）、資料私隱合規、風險與人工覆核，到專案分期、驗收與成本估算，供校長、副校長、IT 統籌老師及資訊科技組參考。

一、先分清「校本需求」與「技術方案」

學校推行 AI 項目最常見的失誤，是次序顛倒：先被供應商示範打動，覺得某套工具「很厲害」，再倒過來為它找用途。這樣做通常導致兩個結果——買了用不著的工具，或者發現工具無法接駁學校現有系統。正確次序是先講清楚校本需求，再談技術方案。

「校本需求」講的是學校要解決什麼問題、涉及哪些使用者、現有流程痛在哪裡、成功如何量度；「技術方案」講的是用什麼工具、什麼模型、什麼架構去落地。兩者混為一談，就會出現「為 AI 而 AI」的項目。以下表格區分兩者。

二、校本需求盤點框架

需求盤點不需要複雜工具，但要有系統。建議由一個跨部門小組（管理層、學科代表、行政、IT 統籌）用以下五個維度，逐項記錄狀況，再判斷哪些痛點值得用 AI 處理、哪些其實用簡單自動化或流程改善即可。

盤點時要特別留意「資料來源」一項：只要涉及學生個人資料，就會直接觸發私隱合規要求（見第五節）。另外，「成功指標」要盡量量化，例如把「減輕老師負擔」寫成「通告回覆草擬時間由平均 15 分鐘縮短至 5 分鐘」，日後驗收才有依據。

三、校本 AI 項目的常見類型

香港中小學的校本 AI 項目，大多落在以下五類。不同類型的技術取向、資料敏感度和風險水平都不同，選型時應分開考慮，不要用同一把尺。

值得留意：「回答查詢」與「內容協助」兩類直接使用生成式 AI，輸出可能出錯，須配合人工覆核；「圖像／語音處理」若涉及人臉或聲紋，屬於生物特徵資料，敏感度更高。這兩點會在第五、六節再展開。

四、技術方案選型：現成工具、定制開發還是混合

選型沒有絕對答案，取決於需求複雜度、預算、時間與學校自身的 IT 能力。三條路各有取捨，下表逐一比較。學校可先用現成工具快速驗證，再針對高價值、獨特流程的部分考慮定制或混合方案。

在模型與 API 層面，學校需要決定採用「雲端 API 服務」還是「自架本地模型」。雲端 API 部署快、無須硬件，但資料會離開校園網絡，須審視供應商的資料處理條款；自架模型可把資料留在校內，但需要伺服器、技術人力和持續維護，成本與門檻較高。中小學若要兼顧成效與私隱，常見做法是把低敏感度、非個人資料的任務交給雲端 API，把涉及個人資料的處理留在校內或採用去識別化處理。

五、資料私隱與合規：學生資料屬敏感個人資料

校本 AI 項目最大的合規風險來自資料。學生資料（包括姓名、學號、成績、考勤、相片、健康或特殊教育需要紀錄）大多屬於個人資料，部分更屬敏感類別。學校作為資料使用者，須遵從《個人資料（私隱）條例》的六項保障資料原則，包括收集、準確性、保留、使用、保安及查閱更正。

在 AI 場景下，個人資料私隱專員公署（PCPD）的《人工智能（AI）：個人資料保障模範框架》是最直接的參考。該框架就採購、實施及使用 AI 系統提出四個範疇的建議措施：

此外，PCPD 於 2025 年發布《僱員使用生成式 AI 的指引清單》，建議機構訂明獲准使用的 AI 工具、可輸入的資料種類、輸出資訊的用途，並要求使用者核實 AI 生成結果；數字政策辦公室（DPO）亦於 2025 年公布《香港生成式人工智能技術及應用指引》，涵蓋資料洩露、模型偏見和錯誤等技術風險。學校在撰寫校本 AI 政策時，可直接引用這兩份文件。

針對教育界，PCPD 與 DPO 於 2026 年共同推出「保障個人資料人工智能沙盒」，開放予公帑資助中小學申請，第一階段為期約六個月，選出約 15 間學校，讓學校在取得監管指引與技術建議下探索 AI 方案。若學校希望有制度上的支援，可留意相關申請安排。

六、風險與人工覆核

任何 AI 系統都有可能出錯，學校項目要預先識別主要風險，並為高風險環節設計人工覆核（human-in-the-loop）機制。以下幾類風險在校本項目中最常見。

人工覆核的原則是：風險越高，人工介入越深。例如涉及個別學生評核或紀錄的輸出，應由教師確認後才使用；純屬內部參考、對外無影響的草擬，可採用較輕的覆核。學校亦應在政策中寫明「誰負責覆核」和「出事時的應變流程」。

七、專案分期與驗收

校本 AI 項目不宜一次過全校推展。較穩健的做法是分三期：先做小範圍的先導驗證（Proof of Concept／POC），確認技術可行；再選一至兩個場景試點；最後才擴展至全校。每期都要設定明確的驗收標準，避免「上了線但無人用」。

驗收標準要在合約或報價文件寫清楚，並盡量量化。常見的驗收維度包括：功能是否齊全、與現有系統的整合是否正常、資料處理是否準確、權限與保安是否到位、使用者培訓是否完成、以及上線後的支援安排（回應時間、保養期、指定聯絡人）。未寫清楚的部分，最容易在交付後出現爭議。

八、成本與資源估算

估算 AI 項目成本時，要看「總持有成本」（Total Cost of Ownership）。除了軟件費用，還要計入硬件、整合、培訓、維護與日後遷移。以下為示範假設，僅供理解成本結構，並非報價。

學校在規劃資源時，可留意幾項現有資助：教育局在優質教育基金預留 20 億元推進數字教育，其中約 5 億元用於「『智』啟學教」撥款計劃，成功申請的公帑資助中小學可獲一筆過 50 萬元，用於購置人工智能輔助教學的工具與資源，以及資助學生活動，撥款可使用至 2027/28 學年。若項目涉及採購，須按資助學校採購程序辦理：資助學校採購金額在 5 萬元以上至 20 萬元之間，一般須最少索取五份書面報價；超過 20 萬元則須邀請最少五名供應商投標，具體以教育局通告及相關指引為準。

九、常見問題

總結

學校做 AI 項目，技術本身通常不是最大難關，難的是次序與管治：先有清楚的校本需求盤點，才有合理的技術選型；先有私隱與風險控制，才談得上規模化推展。對中小學而言，最務實的路徑是——先分清需求與方案，用先導驗證降低風險，為高風險輸出入工覆核，並把資料擁有權與遷移安排寫進合約。掌握這幾點，校本 AI 項目才能落地而非停留在示範階段。

若學校希望由需求盤點、技術選型、私隱評估到專案驗收一併處理，可參考我們的學校及教育數碼方案、人工智能應用服務，以及優質教育基金申請指南，了解由資助申請到系統落地的完整流程。