面對極端氣候挑戰，傳統防災思維仍偏向災後補救與被動應對。斜坡加固工程慣用大規模剛性混凝土灌漿及打泥釘，此類「硬碰硬」手法雖具成效，卻耗用大量物料、工期冗長，且對前線工人構成安全隱患。更根本的問題在於，暴雨頻率與強度持續上升，剛性結構易因內部積水積壓誘發二次崩塌。值得深思的是，我們究竟應繼續「抵擋」災害，抑或應構建一套能與極端天氣共存的「韌性」系統？ 想睇更多專家見解，立即免費訂閱！ 回答這個問題前，先看清香港面對的真實處境。香港依山而建，空間極度狹窄，極端天氣的頻率與強度已遠超歷史經驗。2023 年 9 月「世紀暴雨」襲港，天文台錄得一小時 158.1 毫米雨量，創下紀錄，黑色暴雨警告維持 16 小時 35 分鐘；去年全港共 257 宗山泥傾瀉事故，高於近年年均約 200 宗。超強颱風與極端暴雨不再是偶發事件，而是城市營運必須納入常態考量的風險變數。 數據主導・因地制宜：從進口依賴到本地智能斜坡防護的轉型之路 歐美進口防護產品難以靈活適應本地施工環境，船期亦無法應付突發需求。這驅使我們從根本研發更切合本地環境的解決方案。 而要突破傳統思維，關鍵在於引入新的決策工具。 過去數年，我們與本地及內地大學科研團隊合作，將智能演算技術導入斜坡防護設計。傳統做法倚賴工程師現場經驗，面對香港密集複雜的地形，人腦終究有限。新系統以數據模擬不同地質與地形的受力狀況，精確計算重點加固位置與可簡化區域，一切由數據主導，既確保安全，亦避免大規模土方工程造成的資源浪費。 這套從研發走到落地的理念，去年於薄扶林斜坡工程迎來首次實戰考驗，在符合所有安全標準下，防護網成本顯著降低，施工周期亦大幅縮短。…

一、從 GenAI 到 Agentic AI 的典範轉移 過去兩年，我們經歷了 Generative AI（生成式 AI）的爆發——ChatGPT、Claude、Gemini 等工具讓每個人都能產生文字、程式碼、圖像。但這只是序幕。 Agentic AI（智能體 AI）的本質差異在於：它不只是回答，而是行動。Agentic AI 具備規劃、使用工具、執行多步驟任務、並在過程中自我修正的能力。從「幫你寫郵件」到「幫你發郵件、追蹤回覆、並根據回覆內容安排日程」——這中間的距離，就是 GenAI 與 Agentic AI…

我哋 Sangfor 應急響應團隊喺 2026 年 3 月處理多宗企業入侵個案時，留意到一個幾值得警惕的趨勢：黑客開始將「AI 工具熱潮」變成釣魚入口，而且手法比以往更加隱蔽、更加貼近用戶行為。 想睇更多專家見解，立即免費訂閱！ 老實講，呢個已經唔單止係技術升級咁簡單。我自己比較在意的一點係——黑客其實係利用緊企業對「新工具」嘅容忍度。好多公司對未知 AI 工具未有清晰管控，但員工又急於試新嘢，結果就形成一個非常理想嘅攻擊面。 今次呢單所謂「OpenClaw AI」事件，我認為幾有代表性。表面睇係下載一個 AI 工具，但實際上係一條設計得相當完整嘅攻擊鏈，由誘導下載到記憶體執行，全程自動化，而且快到你未必察覺。 我想藉住呢個案例，拆解整個攻擊過程，同時分享幾個我自己喺實戰中嘅判斷。 入侵流程解析：由「搵工具」到「記憶體入侵」 根據我哋實際捕捉到嘅數據，整個攻擊由用戶下載，到觸發 EDR…

IT 資產：不止是硬件清單 當談到「IT 資產管理」，不少人第一時間想到的，仍然是一份 Hardware List：有多少部手提電腦、平板、哪一年購買、目前由哪個部門保管。這種做法並不罕見，尤其在中小企與學校等未必設有專職 IT 團隊的機構更為常見。只是，一旦出現資料外洩、帳號被濫用或系統遭入侵，管理層需要回答的，已不僅是「有哪些裝置」，而是這些裝置和系統，究竟與哪些、人哪些資料，更重要的是有什麼業務和決策可能受影響。 「資產」早已不限於硬件與軟件授權，還包括處理及存儲的各類資料，尤其是與個人、客戶、學生或員工有關的資訊。能否看清設備、系統、資料與使用者之間的關聯，往往決定了機構在面對營運風險、監管要求以及社會期望時，是否具備基本的應對能力。 「資源有限」與「資產不清」，往往同時出現 不少學校以「預算有限」作為決策的起點，討論焦點多集中於如何在有限資源下引入新系統。相對而言，對於現有資產的結構與實際使用情況，則未必能投放同等程度的關注。例如，一間學校可能同時擁有不同年度採購的流動裝置，部分仍在教學中使用，部分長期存放於儲物空間，而當中的成績記錄或其他個人資料卻未必得到相應重視。 中小企的情況亦相似。管理層一方面感到 IT 預算緊絀，另一方面，實際運作中的系統往往分散在不同部門與項目之間：銷售團隊訂閱雲端推廣平台，營運部門仍在使用多年前「自家研發」的系統；部分舊系統仍保留對外連接，只因沒有人能確認是否仍有業務依賴其運作；甚至不同部門各自採用功能相近的系統，處理相同類型的工作。 在這種情況下，要準確回答機構擁有哪些重要資產、由誰負責、與哪些業務活動相關，並非易事。 當 Excel 清單變成管治盲點 對於自覺「資源有限」的機構而言，以 Excel…

Sangfor 應急響應工程師近期在處理多宗應急響應（Incident Response）個案時，發現一個值得企業高度重視的趨勢：黑客的入侵手法，正由傳統電郵釣魚，逐步轉向更具欺騙性、也更貼近日常工作流程的協作平台攻擊。 想睇更多專家見解，立即免費訂閱！ 作為 Sangfor IR Team 的其中一員，在筆者看來，這不是一次簡單的攻擊手法升級，而是黑客對企業防守習慣的一次精準利用。很多企業已經在郵件安全、防毒、連結檢測上投入大量資源，但對 Microsoft Teams 這類日常協作工具的警覺性，仍然明顯不足。黑客正是看準了這個心理落差，繞過傳統郵件安全過濾系統，直接把攻擊送到員工最習慣、也最容易放下戒心的地方。 本文希望拆解這條從「會議邀約」到「財務詐騙」的完整攻擊鏈，同時分享對這類事件的幾點實務判斷，提醒企業管理層、資訊保安負責人，以及前線員工，不要再把協作平台視為天然可信的內部空間。 入侵流程解析：從線上會議到帳戶劫持 從近期觀察到的個案來看，黑客的攻擊路徑已經相當成熟，而且每一步都圍繞一個核心原則：不急於破壞，而是先取得信任，再利用信任變現。 1. 突破常規：Teams 會議邀約釣魚 黑客先註冊合法的微軟帳號，成為 Teams…

「你的公司有沒有安排培訓預算？」 這並非隨口一問，而是相當具體的管理問題。不少機構在談轉型時，往往著眼於技術投資、系統升級、流程優化，但當話題轉到「培訓預算」時，氣氛往往一片沉默。答案不外乎三種：沒有、不足，或者「再作安排」。情況有點像新年計畫：年初列出詳細目標，年中已經悄然無聲。企業與人才在準備程度上的落差，正是在這種「看似重視，實際缺乏行動」的狀態下，逐步拉闊。 世界經濟論壇《未來就業報告 2025》估計，未來數年內約有四成核心技能需要更新或重塑，即使職位名稱維持不變，工作內容與要求也會大幅改變。在這樣的背景下，若培訓長期停留在形式化的零碎安排，技術升級與人才能力之間的落差，只會愈來愈大。 浪潮未至，是否代表時間充裕？ 2026 年的今天，AI 早已不再是「即將出現的威脅」，而是實實在在存在於各行各業之中。決策層與員工都普遍明白一件事：AI 正在改變工作性質。然而，正因為變化尚未全面鋪開，不少機構傾向將相關議題擱置，抱持「仍有時間準備」的心態。 問題在於，培訓並不是一次 Workshop、一套新工具，或者一本指引可以解決。真正與業務結合的培養，往往是一個橫跨數年的系統性過程：員工需要持續學習，工作流程需要重新設計，管理模式需要調整，KPI 亦須更新。 當轉型真正來到，而團隊尚未做好準備，就等同白白錯過 AI 能帶來的一整段機遇期。 看似省錢的決定，最終代價高昂 在不少企業之中，AI 常被視為自動化與減省成本的代名詞，培訓預算更是最容易被削減的一項開支。 然而，要讓 AI 真正發揮效能，前提是有具備足夠能力的人才，去設計、監測和優化相關系統。這並非單純「減少人手」，而是「提高現有人手的能力」。這樣看來，人力資源的投入理應增加，而不是縮減。…

生成式人工智能（GenAI）和大型語言模型 （LLM） 顯著地為各個行業提高了生產力和效率。事實上，研究顯示，在公共部門、醫療保健和教育領域利用生成式人工智能，全球生產力收益可以達到近五千億美元。然而，儘管取得了這些進步，我們仍只是觸及了人工智能潛力的表面。即使有生成式人工智能和大型語言模型的幫助，很多日常工作中的例行任務仍然會阻礙提升生產力，限制人們充分發揮他們的潛力，而代理式人工智能的興起正幫助彌合這一差距。 作者：劉銘賢（UiPath 香港區域高級銷售工程師）擁有超過 20 年的企業軟件諮詢經驗，並一直為企業在數碼轉型方面帶來顯著成果。Ming Yin在軟件架構方面亦擁有廣泛的技術知識，令他能夠將複雜的業務挑戰轉化為滿足客戶獨特需求的科技解決方案。 在先進的人工智能和機器學習（ML）模型的支援下，人工智能代理的能力遠遠超出了生成式人工智能生成內容和回答問題的能力，並且可以制定和執行行動計劃，以實現設定好的業務目標。此外，人工智能代理可以支援員工，或透過對話能力來執行任務，讓人們能夠專注於業務策略並最大限度地發揮他們的潛力。 為人工智能代理時代定義 雖然 GenAI 和 LLMs 擅長內容策劃或驅動聊天功能等任務，但在理解每天在各行業企業中進行數百萬次的複雜工作流程時，它們卻存在不足。當中包括信用風險評估、總賬編碼和審批，以及預約安排等流程，亦即是業務營運的基礎。 如果沒有這些端到端業務流程的資料和記憶，生成式人工智能技術就無法單獨提供令員工成功所需的可行情報。 在安全性方面，人為錯誤始終是安全和管理中最常見的風險。人工智能代理可以幫助減少人為錯誤，降低人類接觸敏感數據的風險，並減少數據外洩的成本。例如，代理可以確保只有授權人員才能訪問敏感數據，從而降低數據洩漏或被濫用的風險，增強企業的網絡韌性。 人工智能代理會通過每次互動學習和取得進步。他們與人類和自動化系統一同工作，以執行業務流程中的特定步驟。在此情況下，機械人最適合基於規則的任務；人工智能代理適合處理非結構化信息和決定；而人類則負責驗證代理所提供的建議。 在企業管理中運用代理以減少網絡安全風險 儘管人工智能代理具有龐大的價值，但其自主性同時亦引發了對安全和信賴性方面的擔憂，例如某些代理式人工智能解決方案不夠透明，用戶難以理解技術背後的複雜推理和決策過程。隨著企業在現有工作流程和應用中部署人工智能代理，企業領導層需要確保他們不會面臨濫用、數據外洩或網絡攻擊等威脅。在香港，研究顯示超過六性（66%）的領導層對其企業內缺乏明確的人工智能實施計劃感到擔憂。…

過往三年，醫院、診所和化驗所等醫療機構除了面對人手長期短缺和供應鏈挑戰，還需抵禦疫情。然而，網絡安全威脅日益加劇，醫療機構不得不加緊尋找方法，來保護機密資料和重要技術。 根據 SailPoint 研究報告指出，與身分識別相關的安全漏洞，已成為醫療行業不容忽視的問題，93% 醫療機構在過去兩年，曾遭遇資料外洩。 想睇更多專家見解？立即免費訂閱！ 隨着併購遂增、機構轉向採用雲端和物聯網（IoT）技術，以及急速的數碼轉型，醫療行業所面對的風險和挑戰日益加劇。IBM 報告顯示，在所有行業當中，醫療業已連續 12 年成為平均資料外洩成本最高的行業。 醫療機構現時面對的另一個挑戰，是非僱員人數越來越多，包括承辦商、供應商、聯屬醫生和專家，以及臨時專業醫護人員。由於這些第三方身分可以存取病人資料，因此需要一套強大的身分安全策略來有效管理，以全面掌握這些人員的存取和許可權限。 最近，香港醫療行業遭受的攻擊越趨劇烈，網絡釣魚電郵和勒索軟件等手法，常用於攻擊具高價值的醫療記錄和關鍵基礎架構。本港醫療業界領袖也意識到病人資料遭意外洩露的危險，並可能導致紀律處分、法律訴訟、聲譽受損和額外營運成本等後果。 SailPoint 報告《身份安全狀況 2023：焦點關注醫療行業》訪問全球 150 家醫療機構，當中 93% 已經實施或已開始實施身分及存取權限管理計劃。然而，96% 受訪者認同，其機構的身分識別相關安全漏洞偵測及預防能力需要改善，因為醫療業內的…

在當前的經濟大環境下，香港的餐飲零售業彷彿正處在一個微妙的轉折點。政府統計處資料顯示，本港 2024 年 4 月零售業總銷貨價值較去年同期大幅下跌 14.7%。筆者近日走在街上，也看到很多「吉舖」。然而，作為一名 IT 從業者，我堅信科技是引領零售及餐飲行業走出困境的關鍵。 想睇更多專家見解？立即免費訂閱！ 儘管經濟形勢嚴峻，但香港的失業率卻保持在 3% 左右的較低的水準，這反映出各行業普遍面臨的人手短缺問題。對於餐飲零售業而言，如何在資源有限的情況下，既增加銷售額又降低成本，成為了亟待解決的問題。 在這個問題上，科技提供了諸多可能。首先，越來越多的企業開始借助網路平台拓展線上市場，抓緊電子商務的機遇。對於中小餐飲零售企業來說，過去開設網店需要投入大量成本和時間，但現在利用現成的平台，可以輕鬆進入線上市場，為顧客提供網購、送餐等便捷服務，從而增加銷售額。 其次，在降低成本方面，企業可以引入先進的 IT 系統和工具，提高生產效率，降低人力資源成本。一些 IT 解決方案還提供了靈活的合作模式，如「即租即賺」、「按月訂購」或「分期付款」等，大大降低了企業的初期投入成本。這些方案讓企業能夠根據實際情況靈活調整資源配置，保持業務的持續發展。 延伸閱讀：【新加坡更渴求自動化解決方案】 此外，面對人手短缺的問題，企業可以引入機器人和自助設備來實現部分工作的自動化。在餐飲業，機器人送餐服務已經開始出現；在零售業，自助購物機、自助結帳機等設備也已被廣泛應用，也被酒店應用於配合「走塑」政策。而物業管理業亦引入了清潔／消毒／巡邏機械人，食品生產商使用自動貼標籤機械人也越趨普遍。這些自動化解決方案不僅解決了人力不足的問題，還為企業創造了更大的價值。…

人工智能可取代大量人力工作，但與此同時好多人最驚 AI 連人力市場都一併取代。到底廣泛使用AI會否增加失業率，還是可以提高個人生產力？就要視乎雇主同僱員點樣應對這種變化。 軟件開發商 InRule 最新一項調查發現，隨著機器學習（Machine Learning）和其他形式的人工智能應用愈趨普遍，近三分之二的企業決策者擔心工作不保。他們不僅擔心輸給機器人，同時亦憂慮人工智能可能存在數據分析缺陷或判斷錯誤，導致他們使用了錯誤的分析作決策，有可能被追究責任。研究員認為這種想法源自決策者對人工智能的誤會太深，他們仍以為人工智能必須由數據科學家等專家才能駕馭，同時仍從取代人類勞動力去評估AI的「危險性」，因此打從心底對AI存有戒心。事實上，人工智能並不一定擔當淘汰人力的壞角，它可以幫助組織各級員工，提高他們的生產力。 SymphonyAI 的專家 Pradyut Shah 說，當企業或組織決定引入人工智能時，它不可能一開始便懂得自己要做什麼事，反而須由人去教懂它。這方面數據科學家將承擔大部分責任，但打後人工智能便會交由低級別員工管理，擔起重複性及無聊的任務。在已經受到 AI 影響的員工中，75% 的人表示 AI 正在幫助他們做出更好的決策，而且不少人認為人類和 AI 合作，雙方都會獲得提升。專家認為單純為了減少人手而部署 AI…