台灣企業的 AI 動能，正以亞洲最快的速度往前衝，但是卻卡在最基礎的數據問題。美商鄧白氏（Dun & Bradstreet）今（6/12）發布《企業 AI 動能指數》最新調查，台灣本季拿下 72 分，不僅較上一季的 53 分大幅躍升，拿下亞洲最高分，更成為帶動全球總分成長的主要力量。
但同一份成績單藏著一個反差：在構成指數的八個維度裡，台灣的「AI 投資」拿下 87 分，高於本次調查公布的所有全球維度分數。技術架構卻是台灣分數明顯偏低的一環，ROI 雖從 42 分升至 63 分，但距離全面落地仍有一段路。換句話說，投資的錢已經大舉進場，系統還接不起來，回報才剛開始進帳。
2026 年提問變了：從「有沒有用 AI」到「AI 有沒有賺回來」
《企業 AI 動能指數》是鄧白氏的季度調查，訪問來自 32 個經濟體、合計占全球 GDP 約七成的 1 萬名企業高階決策者；台灣樣本則涵蓋 17 個產業、超過 300 家企業的高階主管。鄧白氏全球業務營運與轉型執行副總裁暨台灣董事總經理鮑文安（Julian Prower）指出，2025 年多數企業還在放手進行 AI 試點，2026 年的命題已經轉變成如何把先前的試驗大規模拓展、讓投資真正取得報酬，產業的討論風向也從「有沒有在用 AI」轉向「AI 是否能帶來 ROI」。
樂觀情緒與實際就緒度之間，存在明顯落差。鮑文安表示，調查中約三成高階主管自評資料準備「大致就緒」，但若放到信用評估、合規決策這類容錯率極低的場景檢視，「『大致就緒』還是遠遠不夠的」。
而這個落差的根源，鮑文安直指：「這並不是單純的技術問題，而是一個基礎資料問題。」企業真正該檢視的，是決策所依賴的資料是否可信、可驗證、具備良好品質，最終能否產出可預測且可靠的結果。根據該調查，台灣及全球企業在 AI 應用中面臨的主要挑戰包括：資料可取得性與存取、資料隱私與合規，以及資料品質與完整性。
台灣 AI 投資意願高，弱項在資料與系統整合
回到台灣的成績單。鄧白氏台灣數據長呂苑玲拆解八個維度（AI 投資、AI 價值、企業數據就緒程度、AI 風險緩解、AI 人才準備度、AI 技術完備度、AI 投資報酬率與 AI 發展階段）後指出，台灣的 AI 投資意願居八個維度之冠，ROI 也較上季明顯攀升，顯示部分企業已從規劃期走入落地應用期，開始實現報酬。
真正的瓶頸落在技術架構。呂苑玲直言：「台灣現在最大的困難，就在於怎麼跟生態系整合這些不同的系統。」系統之間因為資料格式不一樣、欄位定義不一樣而難以串接，這正是她目前在製造業看到的挑戰。
她說明，在技術層與模型層之間，真正不可或缺的原料是大量、有品質的數據，企業的第一步是把自己的資料在收集當下就結構化、可被即時調用，速度越快越能領先其他企業；接著才是整合公開資料與生態系夥伴的數據，放大自有數據的價值。
呂苑玲在接受媒體訪問時透露，近期製造業客戶啟動資料清洗與整合專案，把長期累積的客戶、供應商與交易資料拿出來整理後，才發現品質並沒有想像中那麼好。她認為，過去企業主要目標是提升產能、擴大營收，因此較少投入資源在資料治理，但當 AI 開始成為企業競爭力的一部分後，資料品質已經變成策略議題。
AI 導入路徑不只一條，依企業所處階段選擇切入點
對於想要導入 AI 但是資源有限的企業該從何下手，鄧白氏給出的建議是依自身階段分級切入。鮑文安說明，大型企業與銀行通常已具備技術能量，可能會直接透過 MCP（模型上下文協定）介接資料、自建 AI 應用，處理合規、風險、信用等複雜問題；中型企業多半採用已內建 AI 功能的預製解決方案；中小企業則建議先從現成的 AI 應用入手解決單點需求，等內部累積足夠的結構化數據後，再逐步深化到風險評估等更大的應用。
鄧白氏自身的轉型經驗也提供了參照。根據《VentureBeat》報導，面對代理式 AI（Agentic AI）的浪潮，這家成立於 1841 年的公司近年將原本為人類分析師設計的資料庫，重新調整為可供 AI 代理使用的架構。鮑文安提醒，企業要朝代理式 AI 方向走之前，必須先想清楚三件事：治理模式是什麼、資料品質如何保證，以及最後要怎麼衡量與評估 AI 代理產出的結果。
回顧過去二十年企業數位轉型歷程，競爭焦點曾從 ERP、CRM，一路發展到資料倉儲、商業智慧（BI）與數據分析平台。而在 Agent 時代來臨，企業競爭的核心資產可能再次發生變化。當大型語言模型逐漸商品化，模型能力差距持續縮小，企業之間真正的差異化優勢，將不再只是使用哪一套 AI，而是擁有哪些資料，以及這些資料是否能被 AI 高效率使用。
＊首圖來源：《TechOrange》拍攝
