（台泰時報5月10日電）隨著人工智慧（AI）加速導入企業營運，全球企業正面臨新的技術挑戰。最新研究指出，當AI進入正式商業應用階段後，問題已不再只是模型能力，而是後端系統穩定性、基礎架構與運算資源管理壓力持續增加。

觀測與資安平台業者Datadog發布《2026 AI工程現況報告》（State of AI Engineering 2026）指出，目前全球已有69%的企業同時使用3種以上AI模型，並開始發展更複雜的AI代理工作流程（Agent Workflows），使整體系統管理難度大幅提高。

報告指出，全球約每20次AI指令中，就有1次在正式運行期間發生失敗，其中超過60%的問題與系統承載能力不足有關，包括運算資源不足、負載分配效率不佳，以及基礎設施無法即時因應大量需求等問題。這些狀況可能導致AI回應速度變慢、系統錯誤增加，並影響終端使用者體驗。

Datadog表示，泰國目前是東南亞AI採用速度較快的市場之一，與馬來西亞、印尼相近，但在實際營運能力與系統管理準備度方面，仍與新加坡存在差距。

報告也顯示，AI產業正逐步進入「多模型時代」。雖然OpenAI仍是全球使用率最高的平台，占比達63%，但Google Gemini與Anthropic Claude成長速度明顯，使用率分別增加20%與23%。企業也開始降低對單一模型供應商的依賴，以提升系統彈性。

此外，AI代理框架（Agent Frameworks）使用量在一年內接近翻倍。雖然有助加快AI應用開發，但也讓系統中的運作元件增加，使後續維運與監控變得更加複雜。

另一項趨勢則是AI處理資料量快速增加。報告指出，中型企業每次AI請求的平均Token數量已增加超過兩倍，而高度依賴AI的大型企業，Token使用量更增加達4倍，反映整體基礎架構負載持續上升。

Datadog產品長李妍冰（Yanbing Li）表示，目前AI產業發展情況，與早期雲端運算興起階段相似。她指出，雲端技術雖提升軟體效率，但同時也讓系統管理更加複雜，如今AI同樣對企業應用系統帶來類似影響。

Vercel執行長吉列摩（Guillermo Rauch）則表示，AI代理系統與傳統軟體不同，其工作流程可能由大型語言模型（LLM）自行決定，因此更難追蹤與監控。他認為，AI系統可觀測性未來將成為企業必要能力。

1️⃣ 全球69%企業同時使用3種以上AI模型。
2️⃣ 約5%的AI指令在正式運行期間失敗。
3️⃣ 超過60%的問題與系統承載能力不足有關。

Datadog認為，未來企業競爭關鍵，除了模型能力之外，更重要的是能否長期維持AI系統穩定運作，包括GPU資源管理、工作流程控制與系統監測能力，都將成為企業發展AI的重要基礎。

圖片來源：Bangkok Biz News