AI 代理（AI Agent）正以驚人的速度進入各種產業，Google 與 Microsoft 都相繼宣布將 AI 代理導入搜尋體驗，車商、銀行與保險公司也紛紛上線 AI 客服或流程自動化工具。波士頓諮詢顧問公司（Boston Consulting Group）預測，AI 代理市場未來 5 年將以 45% 的年複合成長率擴張；美國資訊科技研究和顧問公司 Gartner 甚至估計，80% 的常見客服問題將在 5 年內由 AI 解決。
然而，華麗的成長數字背後，卻有一個經常被忽視的現實：資料品質不佳，這將成為 AI 代理落地的最大絆腳石。
人人都在談代理 AI，卻有近 8 成企業的資料不能用？
根據《MIT Technology Review Insights》調查，全球有 78% 的公司其實並未準備好讓 AI 代理和大型語言模型（LLM）真正落地，其中最大的問題，不在於演算法和建置模型，而在於沒有品質好的資料。
這點在產業界早已有血淋淋的例子。去年，加拿大航空（Air Canada）因為自家聊天機器人提供了「不存在的折扣」而被迫退款；而某科技公司也曾因 AI 客服回答錯誤，導致大量訂閱用戶取消服務。這些失誤都顯示出：再聰明的 AI，如果吃進去的是錯誤、破碎或過時的數據，最後輸出的結果就一樣會出錯。
四大要點掌握代理 AI 的數據基礎
若要讓代理 AI 真正發揮作用，企業必須先打好資料基礎。AI 會員資料管理解方 Amperity 共同創辦人斯拉格（Derek Slager）建議至少要做到以下四點：
1.統一（Unified）
許多企業在導入代理 AI 前，最大的問題就是數據散落在電商、CRM、客服、門市 POS 系統等不同平台，經常會出現多筆重複紀錄，或雖指涉為單一顧客，但在不同平台上的資訊紀錄不相符的情況。
因此，打通不同系統與平台之間的資料牆，整合並串聯各節點的顧客數據，就是十分重要的第一步。讓 AI 能夠跨越不同的平台通路獲得資訊，例如了解顧客的購買歷史、與客服的對話紀錄，甚至是最近的社群互動，進而提供合理的推薦。
2.即時性（Real-time Availability）
傳統上，許多企業的數據是採每日或每週更新一次。這樣的模式雖足以產生數據報表，但卻不適合即時決策。在代理 AI 的世界裡，必須根據最新情境做出反應，例如推薦商品、處理客訴或優化使用者體驗。如果資料延遲，推薦就會過時、處理也會失準，等同削弱 AI 效能。
3.情境化（Contextual）
不同部門需要 AI 代理用不同視角看同一件事，所以企業需要能掌握資料的來龍去脈：資料從哪裡來、怎麼轉換、誰能使用？同時也要確保「一個顧客」在不同系統中不是五個不同的代號，否則會嚴重影響 AI 理解與判斷。
4.治理（Governed）
在隱私法規日益嚴格的環境下，必須設有存取控制、人為監管、回饋機制與同意追蹤，確保 AI 使用的合規及可信。
AI 代理的確帶來了無限的可能性，從客戶服務、自動化流程到即時決策，都能幫助企業提升效率與競爭力。但這一切的前提，都是在「資料正確、完整、即時且合規」的基礎上運作，否則，企業投資再先進的 AI 技術，最後也可能因資料錯誤而適得其反。當越來越多企業急著跟上 AI 浪潮時，也更需要靜下心來檢視自己的資料基礎是否扎實。
（本文出自未來商務）
