「2024下半年，隨便在網路上搜尋各種論壇，只要有關Data（數據）的論壇，全部都會加上AI；反過來，AI的論壇也會加上Data。知道為什麼嗎？因為（AI+Data）事情一定會在2025年爆發！」
台灣資訊服務產業龍頭、服務超過4萬家客戶的精誠集團，在1月16日舉辦「2025 SYSTEX Solution Day」活動，數據服務首席顧問于正之在講座開門見山，點明企業端要擴大AI應用，就必須強化「數據力」。
「這個叫做AI焦慮症！」于正之觀察，企業老闆既想快速使用AI，卻又不懂得怎麼做，因此感到恐慌，而精誠接觸的企業客戶在向AI轉型時，都會遇到類似的關卡：無法將歷史和即時數據結合後，推進到機器學習，遑論進一步讓AI代理自主決策。數據很重要，沒有企業不知道，「但是，大部分企業的時間都花在這裡，卻無法突破。」
企業導入AI實戰的魔王關卡：「數據困境」與「應用迷思」
讓數據結合AI，或者換個方式說，讓「數據可以被AI所用」，這道魔王關卡究竟長怎樣？
于正之指出，關鍵在於企業內部數據並沒有為導入AI做好準備，時常會遇到3個「數據困境」，分別是數據規模不夠、多樣性不夠、訓練量不夠，尤其是數據經常被綁定在終端設備，或者既有的管理系統裡面，不容易靈活取用。
精誠國際業務發展部副總經理林宗瀛舉例，真正有價值的企業數據，會散落在CRM（顧客關係管理系統）、ERP（企業資源規劃）、供應鏈、物聯網監控等不同的系統與部門之間，「這個才是對企業營收會有影響力的數據，這些數據現在有多少企業知道怎麼把它跟LLM（大型語言模型）或是跟AI對接起來用？很少、非常少。」
林宗瀛進一步表示，企業對AI的認知往往存在迷思，所認為的AI很多不是關鍵任務的應用，「很多企業的AI專案，都只停留在客服。有大老闆跟我講，他認為這些AI都是小打小鬧。」
另一個企業常見的AI應用迷思，則是認為LLM能直接落地應用、預測使用者行為，「預測這件事情LLM本身做不到。是LLM查詢或回應數據的時候，產生出來的結果。」林宗瀛說明，無論AI預測或是AI代理，都需要匯入數據，同時仰賴周邊的API（應用程式介面）對接其他的系統才能達成，並不是單純導入模型而已。
不論是數據困境或是應用迷思，都證明了企業想要AI，就要先「調理體質」做好準備。
延伸閱讀：簡立峰：1%的AI超級使用者將掌握未來！企業如何快速「AI化」？掌握轉型3步驟
企業AI落地的「關鍵一步」和「3種情境」
最重要的一步準備，就是要讓AI看懂你的數據。
要發揮LLM的最大效能，林宗瀛認為企業必須將業務、商務、財務等重要資料，轉換成AI看得懂的知識結構，「做了這件事之後呢，LLM會變得非常準，」他表示，用好LLM可以從統計、分析、比較等層面，進行許多高端的進階應用，「不只是拿來聊天而已，它其實能幫你做決策，可以給你一些Insight（洞察）。」
而適合AI判讀的資料結構包含向量（Vector）與語意結構知識層（Graph），前者是將Word、PDF等格式文件轉換成向量，讓AI能夠理解文字內容；後者則是將結構化的資料，例如企業的CRM、ERP等數據，轉換成具有語意關係的知識圖譜，讓AI能理解數據背後的商業邏輯與關聯。
林宗瀛表示，Vector形式的RAG（檢索增強生成）已經相當普及，但其生成的答案不夠精準，且缺乏對企業內部資料的理解。 最理想的作法是混合Vector和Graph型態，讓AI能夠直接讀取知識層，並基於這些知識做出決策 。
當內部數據完備，林宗瀛也提供企業3個適合導入AI的情境：
第一，是需要經常查詢與調用大量企業內部數據的任務，像是財務、商務、採購或稽核等。
第二，重複性高且產出價值低的工作，可以透過AI自動化流程替代，讓人力資源發揮更大效益。
第三，依賴性高的工作也能由AI輔助，舉例來說，需要透過IT或其他部門同仁協助提供資料才能處理的工作。
最後，林宗瀛提醒企業在導入AI時，首先要確認AI的準確性、是否存在幻覺，也要確保AI能跟上商務、財務和供應鏈等即時更新，而數據的隱私與安全性同樣不能忽視。
延伸閱讀：
2025最佳25職業曝光！第一名年薪近460萬、職缺3年暴增逾1倍，排名一次看
軟體工程師會被AI Agent取代嗎？微軟裁員「1%」背後，透露生存關鍵
延伸閱讀
專訪｜台灣大40億入股精誠，背後盤算是？電信三雄會出現「競爭拐點」嗎？
打造企業的資料軍火庫！數據中台是什麼，跟CDP有什麼差別？為何它對企業很重要？
「加入《數位時代》LINE好友，科技新聞不漏接」
