AI 應用受限於數據基礎架構 企業強化整合與治理迎新趨勢

商傳媒｜林昭衡／綜合外電報導

隨著人工智慧（AI）技術日益普及，其在改善客戶體驗（CX）方面的潛力受到高度期待。然而，許多企業在導入 AI 應用時，發現底層的數據基礎架構（data infrastructure）成為關鍵瓶頸。數據基礎架構是指企業用於處理、儲存和管理數據的底層系統與工具，其品質直接影響 AI 模型的效能與可靠性。

根據《No Jitter》報導，數據品質不佳、系統彼此孤立，以及數據治理和法規遵循方面的挑戰，正嚴重限制 AI 技術的有效應用。這些問題不僅導致 AI 專案難以成功，也可能使企業的客戶體驗提升計畫功虧一簣。舉例來說，當數據、系統與工作流程因老舊或地端部署系統而無法互通時，AI 代理（AI agents，指能自主運作的人工智慧程式）的效益將大打折扣，因為它們難以取得即時且具備上下文資訊的數據來完成任務。

為克服這些挑戰，企業需關注四大數據基礎架構趨勢：首先，數據必須在各系統間統一，並確保其品質與一致性。其次，數據需符合嚴格的法規標準，以應對日益嚴峻的隱私和合規要求。第三，數據必須具備足夠的上下文資訊（contextualized），才能讓 AI 理解並有效運用。最後，數據更新需保持即時性，才能支援 AI 快速反應與決策的需求。

業界觀察指出，AI 探索工具（AI discovery tools）能有效整合來自語音、聊天和客戶關係管理（CRM）系統的數據，協助企業深入了解客戶行為。同時，聯絡中心即服務（CCaaS，即透過雲端提供客服中心功能）業者也正因 AI 的普及而轉向提供更全面的客戶體驗解決方案。這是為了讓企業能更專注於廣泛的應用與服務，而非底層基礎建設。全球數據整合平台 Airbyte, Inc. 等廠商，也致力於提供工具幫助企業解決數據孤島問題。

面對消費者期望數據能在不同管道間順暢流通，以便與企業無縫互動的需求，企業必須強化數據治理與可見度，確保 AI 工具能實際帶來客戶體驗與業務成果的改善。換言之，強健且現代化的數據基礎架構，是確保 AI 技術能充分發揮潛力、推動企業創新的基石。