企業AI的核心在於高準確度的輸出，這需要更好的資料脈絡、統一的架構以及嚴謹的衡量框架，Databricks資深副總裁Bavesh Patel與Infosys單位技術長Rajan Padmanabhan表示。

人工智慧雖然成為董事會議程的焦點，但許多企業發現，真正推動AI落地的最大障礙是資料狀況。消費者導向的AI工具以速度與便利吸引使用者，然而企業領導者發現，要大規模部署AI，必須有更實際且影響深遠的基礎——統一、受治理且符合需求的資料基礎設施。

AI的雄心與企業準備度之間的落差，正成為數位轉型下一階段的關鍵挑戰。Patel指出：「AI的品質與效能，實際上取決於組織內的資訊。」然而，許多企業的資訊仍分散於舊系統、孤立應用與不相容格式中，讓AI系統難以產生可信且具脈絡的輸出。

Patel強調：「真正的競爭優勢在於企業自身的資料，以及能夠加入的第三方資料。」

為了讓企業AI創造價值，資料必須整合成開放格式，精確治理，並跨部門可用。缺乏這樣的基礎，企業將面臨「糟糕的AI」，Patel直言。這意味著企業必須超越孤立的SaaS平台與分散的儀表板，朝向能結合結構化與非結構化資料、保留即時脈絡並強制存取控制的統一開放資料架構邁進。當基礎打穩，組織便能朝向可衡量的成果前進，解鎖效率、實現複雜工作流程自動化，甚至開創全新業務線。

Infosys單位技術長Padmanabhan指出，聚焦價值至關重要，尤其當企業尋求驅動業務決策的精準輸出時。領先企業不再將AI視為孤立的創新專案，而是直接將AI部署與業務指標掛鉤，利用治理框架判斷哪些能帶來成果，哪些應迅速放棄。

Patel補充：「我們看到商業用戶對AI素養有巨大需求，他們渴望了解如何思考AI。揭開AI的面紗後，技術、訓練與賦能的基礎建設是必須的組件。」

未來充滿可能。隨著AI代理從輔助角色進化為能管理工作流程與交易的自主操作員，勝出的組織將是現在就建立正確基礎的企業。

Padmanabhan表示：「我們看到一種新思維，從執行系統或互動系統轉向行動系統，這是未來的發展方向。」

企業AI的未來將取決於企業是否能將分散資訊轉化為戰略資產，推動更智慧的決策與全新營運模式。

Patel與Padmanabhan分享，許多企業的資料分散於不同系統，缺乏整合與治理，導致AI無法發揮效能。企業必須將資料轉為開放格式，建立資料目錄與治理機制，確保資料可被信賴且即時更新。

Infosys與Databricks合作，為企業打造六大框架，包含價值管理、資料準備與治理，幫助客戶優先投資並實現超過92%的輸出精準度，這是企業AI成功的關鍵。

Databricks推出Lakebase，為AI代理與應用提供即時操作型資料庫，結合歷史分析資料的Lakehouse，實現資料存取的民主化與即時性，提升企業自動化與決策效率。

治理是AI專案成功的前提。Patel指出，95%的AI專案因缺乏治理而失敗。企業需確保資料安全、存取控制與語義一致，並監控代理表現與成本，避免混亂與風險。

Padmanabhan以自駕車比喻AI代理治理，強調遵守規則與限制的重要性，並指出企業需建立代理目錄與治理機制，確保代理行為合規且安全。

展望未來，Patel認為AI應用將分三階段：提升個人工作效率、全流程自動化，以及業務再造與新產品開發。企業需建立開放資料平台，避免鎖定單一模型，靈活選擇最佳AI技術。

Padmanabhan補充，未來企業將從執行系統轉向行動系統，推動跨代理與人類的協作與支付，創造全新商業模式。企業應打造統一的資料核心與代理整合層，實現智能協作與治理，最大化投資回報。

總結來說，企業AI的成功關鍵在於資料的整合治理與價值導向，唯有如此，才能在快速變化的AI浪潮中脫穎而出，實現真正的數位轉型與商業創新。