最新報告揭示，企業AI應用面臨關鍵瓶頸：模型技術非主因，而是缺乏「AI就緒數據」。數據品質、存取與治理不足，導致多數AI專案難以有效落地。
根據一份最新報告，儘管企業對人工智慧（AI）的投資持續增加，且AI應用日益普及，但AI專案在實際環境中卻頻頻遭遇瓶頸。問題的核心並非AI模型本身，而是缺乏「AI就緒數據」（AI-ready data）。
資深研究機構Spiceworks Ziff Davis發布的《2026年IT狀況報告》指出，目前全球約有近八成（78.1%）的受訪企業已至少啟動一項AI相關計畫，平均每家企業擁有八個AI專案。企業在AI軟體上的支出，約佔IT運算基礎設施總預算的0.6%至11.5%，中位數為2.7%，這還不包含AI所需的伺服器、儲存與網路等硬體投資。支援企業AI也已名列IT預算前五大驅動因素之一，同時，管理企業AI專案亦成為IT部門前五大挑戰。
Spiceworks的研究分析師Derek Brink表示，AI模型在「沙盒」（sandbox）測試環境中表現出色，但在實際生產環境中卻常常停滯不前或表現不佳，主要原因在於缺乏足夠的AI就緒數據。他將AI就緒數據定義為具備四大可衡量特性：高品質、快速可存取、妥善治理以及值得信賴與可操作性。這四項特性中只要缺少其中一項，就可能削弱AI專案的成效；若同時缺乏兩項以上，則可能導致整個企業AI計畫徹底失敗。
造成數據無法就緒的結構性挑戰包括：數據分散於企業各處、數據傳輸管線未針對AI應用設計、數據治理框架未能跟上步伐，以及AI技術堆疊的能見度不足。這些問題雖然在AI興起前便已存在，但隨著AI應用的加速普及，這些原本的架構與營運現實問題變得不容忽視。報告建議，成功的企業通常會採取審慎、循序漸進的方式來達成數據就緒，而非尋求一次性的大規模轉型。將數據視為策略性營運資產，是企業在AI時代成功的關鍵。