搬開企業 AI 代理部署絆腳石，專家建議資料治理 4 大要件
AI 代理（AI agents）正快速成為企業科技的下一波關鍵浪潮。從行銷自動化、客服優化到內部協作與決策建議，這類智慧代理人不只具備即時反應能力，更能在人與資料、系統的互動中持續學習、進化。
管理顧問公司凱捷（Capgemini）在 2024 年調查了 1,100 位大型企業高層，發現已有 10％ 受訪者表示公司已經導入 AI 代理，並且有 82% 表示未來 3 年內預計導入 AI 代理。
但在進入大規模部署 AI 代理之前，一個根本問題不容忽視：企業的資料準備好了嗎？
AI 成敗的隱形絆腳石：資料碎片化
一項來自調研公司 PYMNTS Intelligence 和金融科技公司 Fiserv 合作調查指出：超過一半（51%）的受訪零售商缺乏即時資料，仍陷於「資料碎片化」的困境。這意味著消費者資料散落在 CRM、POS、電商平台等多個不同系統中，AI 代理可能無法取得全貌，難以提供即時、精準的服務與推薦。
這種結構性問題，根據《CIO》，讓品牌即使引入了 AI，也因資料不完整、不即時、不一致，最後淪為表面上的智慧系統。AI 代理最終還是得依賴資料決策，如果基礎資料有誤、延遲或重複，將導致判斷錯誤、偏誤建議，甚至引發隱私與合規問題。
要讓代理 AI 發揮實力，先建立「資料四要件」
顧客資料管理 AI 公司 Amperity 共同創辦人斯拉格（Derek Slager）整理出，企業若想擁抱 AI 代理人，首要任務不是部署模型，而是優化資料基礎。具體來說，需具備以下四項關鍵條件：
1. 相連的資料基礎架構（Connected Infrastructure）
打通不同系統與平台之間的資料牆，建立可緊密整合的統一環境。因為 AI 需要能夠跨通路獲得資訊，例如了解顧客的購買歷史、客服對話與最近的社群互動。
2. 即時可用性（Real-time Availability）
AI 代理人必須根據最新情境快速做出反應，例如推薦商品、處理客訴或優化體驗。如果資料傳輸延遲，推薦就會過時、處理也會失準，等同削弱 AI 效能。
3. 資料可追溯性（Lineage）與語意一致性（Semantic Clarity）
斯拉格表示，企業需要能掌握資料的來龍去脈：資料從哪裡來、怎麼轉換、誰能使用？同時也要確保「一個顧客」在不同系統中不是五個不同代號，否則會嚴重影響 AI 理解與判斷。
4. 隱私與合規性（Compliance-first Architecture）
在歐盟《一般資料保護規則》（GDPR）與美國《加州消費者隱私法》（CCPA）等隱私法規越來越嚴格的環境下，AI 使用個人資料進行決策必須具備清楚的授權記錄、訪問權限與可稽核性。斯拉格認為，資料基礎必須內建這些能力，而非事後補救。
部署 AI，不能耽擱資料整理
很多企業急於部署 AI 工具，卻忽視資料準備的重要性。騰雲科技服務董事長梁基文曾對外分享，企業從 AIoT、企業資源規劃（ERP）、客戶關係管理（CRM）等系統收集到的大數據，其實蘊含企業營運的智慧結晶，若能進一步結合產業知識，將有機會轉化為「厚數據」，成為培養 AI 代理的良好基礎。
零售商在部署前，可以著手進行系統資料盤點，調查資料來源、責任單位、同步頻率，並建立整合平台，透過 CDP 等解決方案建構統一入口，驅動各個管道的資料，也別忘了要持續監測 AI 代理的輸出品質，並持續透過人工調整與優化。
AI 代理能否發揮長效價值，不在於工具本身，而是在於是否有乾淨、完整、即時且可追蹤的資料基礎。若資料尚未具備這些特質，就像讓 AI 代理在迷霧中導航：看似有用，卻始終走不穩，也無法讓價值延續。
＊本文開放合作夥伴轉載，參考資料：Capgemini、《PYMNTS》、《United AI》、《CIO》，首圖來源：Unsplash
（責任編輯：廖紹伶）