【數碼港智敢想能普惠】AI統整物管前線數據 補上智慧北都關鍵一塊
林樂宜 數碼港企業Butler 聯合創辦人
「北部都會區」乃至整個香港在實現智慧城市拼圖中，智能物業管理這關鍵一塊尚待補上。
物業管理的數碼化走了十多年——傳感器、物聯網、手機應用程式，早已是行業標配。表面看，似乎完成了，但其實真正左右一棟大廈營運成敗的關鍵信息，大部分從未入過系統。信息科技研究與顧問公司Gartner估計企業約八成數據屬非結構化；IBM更指出高達九成傳感器數據從未被分析——即業界稱之的「暗數據」（Dark Data），物業管理正正就是其中之一。沒有紀錄便無從追溯，這是實在的風險，出事一次都嫌多；管理層的策略決定，也未能建基於營運全貌。
為什麼看不到全貌？答案在前線每日開工用的幾百個WhatsApp群組裏。一個為溝通而設計的平台，被行業當作營運工具來用。深夜一則語音、一張現場相、一句口頭交代的滲水個案，從無歸檔，一交更就此消失。還有的在老師傅腦裏——他一聽水泵聲就知道快壞；等他退休，幾十年判斷一併帶走，沒有系統接得住。
以前做不到，因為舊系統只吃表格和數字，語音、相片通通吃不下；要前線逐項打字？他們的工作在現場，不在鍵盤上。生成式AI（人工智能）第一次令機器聽得懂人話、看得懂相片。Butler做的，就是把這能力帶進物業營運——前線不用改變任何習慣，照舊用WhatsApp、照舊跟行業一貫流程，講一句、影一張相，上報便完成。AI隨即自動分類、指派、跟進，沉澱成一棟大廈查得到、傳得下去的「大廈大腦」（Building Brain）。
將個案變成結構化數據
早前參與數碼港與香港房屋協會合辦的「房地產科技概念驗證計劃」，與屋邨前線團隊直接交流，是打磨產品的寶貴一課。另外，以我們與CapitaLand的合作為例，單是事故報告一環，估計最多可縮減65%時間，每宗個案節省約30分鐘。同一流程每日在過百棟樓宇、成千上萬宗個案重複，省下的成本就很可觀。
而省時間只是起點。當個案變成結構化數據，便可餵入商業智能（Business Intelligence）與分析系統，讓管理層看清全局。成本降、效率升，甚至打開新的收入空間；最終得益的是住戶和租戶，體驗自然不一樣。科技兜兜轉轉，最後還是回到人身上。
坊間AI工具確實多，難的是後面：通用工具要花幾個月配置、測試、微調，才勉強摸懂一棟大廈怎樣運作。Butler由第一日起只做一個行業：物業營運。多年深耕，把工作流程、行業標準、前線實況直接建進產品裏，客戶第一日就用得上。說到底，AI是用來幫人的。缺的不是算力，是場景；場景只能在真實營運裏熬出來。科技界有句話：「垃圾進，垃圾出」（Garbage in, garbage out，簡稱GIGO）——數據不行，判斷一樣不行。這在AI Agents（AI代理）的年代只會更致命。AI Agents會逐步接手樓宇營運；當機械人能執行物管實務，憑什麼學懂這一行？靠的正是行業專屬的數據。AI年代最深的護城河已不是模型，而是別人拿不到、也抄不來的行業數據與判斷。
AI自主發展 人手為核心
比技術更難的是：AI自主運作之餘，人仍要在環中（human in the loop）。線畫得太緊，事事要人確認，反成前線負擔；太鬆，人失去把關。哪裏設關卡、哪裏放手，靠的是對這一行的深刻理解——這種分寸，最難複製。今天Butler已落地超過100棟樓宇，累積逾440萬個前線數據點，客戶包括恒基、太古地產、仲量聯行等藍籌，業務橫跨香港、新加坡和深圳。當行業爭着在樓宇之上疊AI，我們選擇先把最底那層數據做扎實——這條路，香港有條件走在最前。
題為編者所擬。本版文章，為作者之個人意見，不代表本報立場。
