核心觀點
研究提醒我們,資訊科技在非牟利機構中不是獨立採購項目,而是支援使命、資料處理、溝通和組織能力的一部分。香港近期 AI 私隱、科技公益和社福科技資助訊號都顯示,工具入口正在增加;靈析有數認為,機構更應先釐清資料路徑和責任路徑,才談得上真正轉型。
很多本地 NGO 現在都在問同一類問題:要不要試 AI?CRM 要不要換?個案系統是否要升級?活動報名、捐贈人資料、服務記錄和報告,是否可以用更多自動化工具處理?
這些問題很實際。但如果討論一開始就停在「買哪個工具」,機構很容易漏掉更基本的事:這個工具會收集什麼資料、誰可以看、誰要判斷、誰要跟進、出了事誰負責。
靈析有數:工具不是轉型的開始,資料路徑才是
一套 AI、CRM 或個案系統進入機構後,不只是多了一個軟件。它會改變同事如何記錄服務、接觸捐贈人、產生報告、處理權限,以及如何回應風險。
如果資料路徑沒有被說清楚,工具只會讓原本分散的工作更快地分散。表面上效率提高了,但機構未必更清楚誰正在跟進服務對象、誰負責覆核 AI 產出、誰可以匯出捐贈人資料,或供應商出事時誰要接手。
例如一套樂齡科技產品,如果只記錄使用次數,未必能幫機構判斷哪些服務使用者需要更頻密跟進;一套 CRM 如果只記錄捐款金額,未必能幫籌款團隊理解捐贈人希望收到什麼更新;一個 AI 工具如果只幫同事更快寫文案,卻沒有覆核和資料輸入規則,反而可能製造新的風險。
研究提醒:資訊科技本身是一種組織能力
McNutt在非牟利管理研究中提醒,資訊及通訊科技不是獨立於使命之外的行政設備,而是支援使命、員工和義工時間運用、資料處理和溝通的組織能力。這個觀點很重要,因為它把數碼轉型從「工具採購」拉回「機構如何工作」。
SSIR 在 2026 年關於社會影響機構 AI 策略的文章,也提出類似方向:領導層不應先問「我們用哪些 AI 工具」,而應先問 AI 要解決什麼問題、機構有沒有足夠能力、價值和資料準備度去承接它。
對本地機構來說,這代表 AI 或 CRM 不是一項孤立決定。它會牽涉服務、籌款、傳訊、合規、IT、前線和管理層之間的責任接合。如果技術或管理團隊決定採購某個工具,但前線服務同事不能有效運用,那麼最終數據亦都不能幫助機構提高效率和服務質素。真正的 NGO 數碼轉型,不是由工具進入機構開始,而是由技術工具產生的資料能被正確理解、使用、保護和跟進的那一刻開始。
本地案例一:私隱合規監管壓力已經指向資料治理
「個人資料私隱專員公署」在 2026 年 5 月公布完成 60 間機構的 AI 與個人資料私隱合規審查。公署指出,在被審查機構中,AI 已廣泛進入日常運作;當中涉及個人資料的機構,需要處理私隱影響評估、人為監督、資料外洩應變、AI 管治架構和員工使用生成式 AI 的內部政策。
這些不是只有大型企業才要面對的題目。對 NGO 而言,只要 AI 或 CRM 牽涉服務對象、捐贈人、義工、會員、員工或合作伙伴資料,就已經不是「同事方便一點」的問題,而是機構責任問題。
同月,公署亦在網絡安全論壇中強調,機構需要把資料私隱和合規要求納入 AI 治理策略。這些材料不能證明任何 NGO 的數碼轉型成效,但清楚說明:AI 的問題已經從「可否使用」推進到「誰來治理」。
本地案例二:社福科技工具愈多,責任路徑就愈要清楚
社福界也不是沒有科技入口。「香港社會服務聯會」的 S+ Summit 2026 以科技公益和共同創造為主題,將 AI、大數據、服務創新和跨界協作放在同一個行業討論之中。
「社會福利署」的樂齡及康復創科應用基金則提供另一種本地場景。第十三批次申請於 2026 年 4 月至 7 月開放,基金支援合資格服務單位購置、租用和試用科技產品,目的包括改善服務使用者生活質素,以及減輕護理人員和照顧者壓力。
這些本地材料顯示,工具、資助和行業討論都在增加。但它們也提醒一個更現實的問題:如果機構只把科技看成「有資助就買」「有工具就試」,轉型很容易停在採購表格,而不是進入服務流程。
從工具清單,轉向四條工作流問題
數碼轉型要落地,可以先把問題縮小成四條工作流:
四條工作流問題
| 工作流問題 | 機構要問什麼 | 常見斷點 |
|---|---|---|
| 資料準備 | 什麼資料可以被工具使用?哪些資料不應輸入? | 同事各自試用工具,沒有共同資料邊界 |
| 管治邊界 | 誰能看、改、匯出或刪除資料? | 權限跟職級或習慣走,沒有跟責任走 |
| 責任分工 | AI 產出、CRM 提醒、個案紀錄由誰覆核和跟進? | 工具有提醒,但沒有人被指定負責判斷 |
| 回到服務 | 產生的資料會不會改善服務、籌款、溝通或風險管理? | 系統有數據,但只用於報告或存檔 |
這四條問題不需要一次解決所有科技策略,但可以幫機構避開一個常見陷阱:以為「用了工具」就等於「完成轉型」。
靈析有數:資料與責任路徑,永遠先於工具選擇
資料路徑到責任路徑
資料收集
先確認資料從哪裡來,以及哪些資料可以進入工具。
權限設定
定義誰能看、改、匯出或刪除資料。
判斷覆核
指定 AI 產出、CRM 提醒或個案紀錄由誰覆核。
跟進行動
把資料接回服務、籌款、溝通或合規流程。
風險回應
出現錯誤、外洩或供應商問題時,知道誰負責處理。
從靈析有數的視角看,AI、CRM、個案系統、活動報名和捐贈人資料庫,真正要接起來的是同一件事:資料如何進入機構,如何被判斷,如何變成下一步行動。
一個實用的起點,是在採購或試用任何新工具前,先畫出兩條路徑:
- 資料路徑:資料從哪裡來、誰輸入、進入哪個系統、誰可以看、保存多久、是否會被 AI 或第三方處理等。
- 責任路徑:誰負責覆核、誰負責跟進、誰負責向服務對象或捐贈人交代、出現錯誤或外洩時誰負責處理等。
這不是要每間 NGO 都建立複雜的科技治理架構。正相反,NGO 要讓機構在資源有限的情況下,先把最容易出事、最容易斷開、最影響信任的工作流講清楚。下次討論是否導入 AI、CRM 或新系統時,機構可以先思考:
如果我們明天開始使用 AI,科技工具會參與和改變哪一條資料路徑和哪一條責任路徑?
把內容變成可跟進的工作流
靈析協助 NGO 集中整理會員、捐款人、活動、義工和溝通紀錄。
參考資料
- HKCSS.. S+ Summit 2026: Navigating the Future - Tech for Good & Co-creation
- Langsam, K. B., Watts, J., & Worsham, E.. A Path Through AI Overwhelm. Stanford Social Innovation Review
- McNutt, J.. Information and communications technology management. In H. K. Anheier & S. Toepler (Eds.), The Routledge companion to nonprofit management (pp. 249-262). Routledge
- Office of the Privacy Commissioner for Personal Data, Hong Kong (PCPD).. The Privacy Commissioner’s Office has Completed Compliance Checks on 60 Organisations Regarding the Impact of the Use of Artificial Intelligence on Personal Data Privacy
- Office of the Privacy Commissioner for Personal Data, Hong Kong (PCPD).. Promoting Privacy Protection in AI - Privacy Commissioner Delivers Opening Speech at Cybersecurity Forum 2026
- 社會福利署.. 樂齡及康復創科應用基金