新加坡企业的AI焦虑：90%负责人认为现有数据体系需重建

Salesforce在近期发布的一份陈述中

指出

，新加坡企业在推进AI战略时正面临史无前例的根底性应战。

陈述的中心定论指向一个高度共同的问题：在人工智能成为事务主线的当下，新加坡企业的数据根底设施已难以支撑新的技能途径，完全的系统重构简直成为共同。

从管理层视角看，AI现已成为企业最急迫的数据议题。陈述显现，77%的新加坡事务负责人感受到以数据驱动事务价值的压力，而AI才干扩张在一年内从此前的第10位跃升至本年的首要任务。跟着企业被要求在更短周期内开释AI价值，本地86%的数据与剖析负责人感到“需求赶快落地AI”的压力正在快速累积。

但是，在技能层面，问题并不在于AI自身，而在于支撑AI的底层数据并不牢靠。91%的新加坡数据负责人以为，现有数据战略需求完全重建，才干支撑企业迈向更高阶的AI运用。而且，不少企业在运用模型的过程中发现，AI的体现直接被根底数据的涣散性与不共同性所约束。

陈述显现，本地数据负责人估量约27%的企业数据是不可信的，而在现已布置AI的企业中，有84%遭遇过不精确或误导性的模型输出。

在模型练习方面，问题相同直观。新加坡有三分之二正在练习或微调自有模型的企业表明，曾因运用质量缺乏的数据形成资源糟蹋。这一结果与曩昔一年AI才干快速推进形成了鲜明对比，也明晰提醒了企业内部数据管理缺乏的价值。虽然88%的数据负责人认同“AI输出取决于输入数据的质量”，但在实践运营中，多源、碎片化和过期的数据依然是遍及状况。

面临这一结构性断层，一部分技能负责人正回到根底工程的逻辑：构建更及时、更具上下文的数据系统，推进更严厉的数据管理结构，并经过“零复制架构”等方法打通涣散的数据财物，使其无需搬迁即可被AI直接运用。一起，随同企业探究向“agentic enterprise”（具有自主决议计划与协作才干的企业智能体）演进，新的数据剖析方法也在呈现，例如将剖析才干嵌入工作流的“agentic analytics”计划，用以提高数据在日常决议计划中的响应速度。

在企业对AI才干的等待不断提高的布景下，陈述也指出，推进AI落地的中心瓶颈仍旧来自数据自身。碎片化的数据结构与不共同的管理流程，被视为阻止企业开释AI潜力的主要因素。关于期望扩展AI才干的新加坡企业而言，能否在内部建立起共同的数据来历与更安定的管理系统，将直接决议后续AI项目的成效与可持续性。

一起，陈述着重，跟着更多企业探究向“agentic enterprise”演进，AI要真实发挥作用，数据根底有必要具有牢靠性、可控性与可整合性。这意味着更完好的数据系统、更明晰的管理战略以及更共同的优先级排序，正在成为企业从AI中取得实践事务价值的必要条件。

最终，陈述也写到，在AI才干全面上升为战略重点的当下，新加坡企业正在阅历一次深入的根底性压力测验。跟着数据系统重构成为共同，未来竞赛的要害不再是谁能更快布置AI，而是谁能构建真实能支撑AI长时间落地的数据底座。