（台泰時報11月27日電）人工智慧（AI）快速推動企業進入下一階段自動化與決策系統，但專家指出，若無法取得完整且即時的資料脈絡，AI 模型即難以轉化為真正的商業價值。資料串流（Data Streaming）平台業者 Confluent 的產品長克隆（Shaun Clowes）表示，企業正面臨資訊分散與流程老化問題，若希望部署更高階的 Agentic AI，必須先重建資料基礎架構，讓 AI 能取得即時而完整的商業情境。

克隆指出，雖然生成式 AI（Gen AI）已廣泛應用，但企業大型語言模型常因缺乏專屬如客戶資訊、作業流程與交易脈絡，而無法做出可靠判斷。統計顯示，高達 95% 的 Gen AI 專案仍無法產生可衡量回報，主要原因在於資料被分散存放於多套系統，使模型缺乏足夠背景資訊。

他說，許多企業雖希望加快 AI 佈署，但往往需在速度與治理間取捨。過度強調速度，可能導致不符合法規要求；過度重視治理，又會使創新進程停滯。此外，傳統資料整併方式以批次匯入為主，對跨系統整合的支持有限，使團隊需依賴人工流程連結多種資料架構，造成時間與成本負擔。

報告指出，企業導入 AI 時最大的障礙包括：

1️⃣資料存放於互不連通的系統；

2️⃣既有流程依賴人工串接；

3️⃣缺乏支援即時分析的架構；

4️⃣AI 模型無法取得足夠脈絡做出準確反應。

業界普遍認為，若要讓 AI 能夠進行自主行動（take action），而不僅止於回應使用者，必須將資料以串流方式實時輸送至模型。

克隆進一步說明，AI 技術正從預測模型、生成式模型邁向可執行任務的 Agentic AI，企業若希望提升應用規模與穩定度，需要改用事件驅動（Event-Driven）架構技巧。此模式可將前端應用與後端 AI 模組分離，提高系統彈性，並使企業能持續更換不同技術，而不影響運作。

Confluent 提出的資料串流架構強調整合能力，協助企業將營運系統、分析平台與 AI 模型連結於單一管線中，以便在雲端或混合環境中傳送必要的即時資料。其旗艦系統 Tableflow 主打讓企業能同步管理不同資料來源，並將具備商業背景的資訊直接輸送至 AI 系統，提供更完整的決策依據。

企業界認為，資料串流不僅可提升 AI 的可靠性，也能縮短模型調校與應用部署時間，使企業在導入 Agentic AI 時能保持系統安全與可擴充性。相關業者預期，伴隨企業邁入 AI 驅動架構，資料串流將成為各產業加速數位轉型的重要基底。

圖片來源：Bangkok Biz News