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（2020）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（Langsam、Watts 和 Worsham，2026）。
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（PCPD，2026a）。
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」（PCPD，2026b）。
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（HKCSS，2026）。
「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（社會福利署，2026）。
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：
| 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
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？
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 |
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。