Salesforce在近期發布的一份報告中指出，新加坡企業在推進AI戰略時正面臨前所未有的基礎性挑戰。
報告的核心結論指向一個高度一致的問題：在人工智慧成為業務主線的當下，新加坡企業的數據基礎設施已難以支撐新的技術路徑，完全的體系重構幾乎成為共識。
從管理層視角看，AI已經成為企業最緊迫的數據議題。報告顯示，77%的新加坡業務負責人感受到以數據驅動業務價值的壓力，而AI能力擴張在一年內從此前的第10位躍升至今年的首要任務。隨著企業被要求在更短周期內釋放AI價值，本地86%的數據與分析負責人感到「需要儘快落地AI」的壓力正在快速累積。
然而，在技術層面，問題並不在於AI本身，而在於支撐AI的底層數據並不可靠。91%的新加坡數據負責人認為，現有數據策略需要徹底重建，才能支撐企業邁向更高階的AI應用。並且，不少企業在使用模型的過程中發現，AI的表現直接被基礎數據的分散性與不一致性所限制。
報告顯示，本地數據負責人估計約27%的企業數據是不可信的，而在已經部署AI的企業中，有84%遭遇過不準確或誤導性的模型輸出。
在模型訓練方面，問題同樣直觀。新加坡有三分之二正在訓練或微調自有模型的企業表示，曾因使用質量不足的數據造成資源浪費。這一結果與過去一年AI能力快速推進形成了鮮明對比，也清晰揭示了企業內部數據治理不足的代價。儘管88%的數據負責人認同「AI輸出取決於輸入數據的質量」，但在實際運營中，多源、碎片化和過時的數據依然是普遍情況。
面對這一結構性斷層，一部分技術負責人正回到基礎工程的邏輯：構建更及時、更具上下文的數據體系，推進更嚴格的數據治理框架，並通過「零拷貝架構」等方式打通分散的數據資產，使其無需遷移即可被AI直接使用。同時，伴隨企業探索向「agentic enterprise」（具備自主決策與協作能力的企業智能體）演進，新的數據分析方式也在出現，例如將分析能力嵌入工作流的「agentic analytics」方案，用以提升數據在日常決策中的響應速度。
在企業對AI能力的期待不斷提升的背景下，報告也指出，推動AI落地的核心瓶頸依舊來自數據本身。碎片化的數據結構與不一致的治理流程，被視為阻礙企業釋放AI潛力的主要因素。對於希望擴展AI能力的新加坡企業而言，能否在內部建立起統一的數據來源與更穩固的治理體系，將直接決定後續AI項目的成效與可持續性。
同時，報告強調，隨著更多企業探索向「agentic enterprise」演進，AI要真正發揮作用，數據基礎必須具備可靠性、可控性與可整合性。這意味著更完整的數據體系、更清晰的治理策略以及更一致的優先級排序，正在成為企業從AI中獲得實際業務價值的必要前提。
最後，報告也寫到，在AI能力全面上升為戰略重點的當下，新加坡企業正在經歷一次深刻的基礎性壓力測試。隨著數據體系重構成為共識，未來競爭的關鍵不再是誰能更快部署AI，而是誰能構建真正能支撐AI長期落地的數據底座。
