Salesforce在近期发布的一份报告中指出，新加坡企业在推进AI战略时正面临前所未有的基础性挑战。
报告的核心结论指向一个高度一致的问题：在人工智能成为业务主线的当下，新加坡企业的数据基础设施已难以支撑新的技术路径，完全的体系重构几乎成为共识。
从管理层视角看，AI已经成为企业最紧迫的数据议题。报告显示，77%的新加坡业务负责人感受到以数据驱动业务价值的压力，而AI能力扩张在一年内从此前的第10位跃升至今年的首要任务。随着企业被要求在更短周期内释放AI价值，本地86%的数据与分析负责人感到“需要尽快落地AI”的压力正在快速累积。
然而，在技术层面，问题并不在于AI本身，而在于支撑AI的底层数据并不可靠。91%的新加坡数据负责人认为，现有数据策略需要彻底重建，才能支撑企业迈向更高阶的AI应用。并且，不少企业在使用模型的过程中发现，AI的表现直接被基础数据的分散性与不一致性所限制。
报告显示，本地数据负责人估计约27%的企业数据是不可信的，而在已经部署AI的企业中，有84%遭遇过不准确或误导性的模型输出。
在模型训练方面，问题同样直观。新加坡有三分之二正在训练或微调自有模型的企业表示，曾因使用质量不足的数据造成资源浪费。这一结果与过去一年AI能力快速推进形成了鲜明对比，也清晰揭示了企业内部数据治理不足的代价。尽管88%的数据负责人认同“AI输出取决于输入数据的质量”，但在实际运营中，多源、碎片化和过时的数据依然是普遍情况。
面对这一结构性断层，一部分技术负责人正回到基础工程的逻辑：构建更及时、更具上下文的数据体系，推进更严格的数据治理框架，并通过“零拷贝架构”等方式打通分散的数据资产，使其无需迁移即可被AI直接使用。同时，伴随企业探索向“agentic enterprise”（具备自主决策与协作能力的企业智能体）演进，新的数据分析方式也在出现，例如将分析能力嵌入工作流的“agentic analytics”方案，用以提升数据在日常决策中的响应速度。
在企业对AI能力的期待不断提升的背景下，报告也指出，推动AI落地的核心瓶颈依旧来自数据本身。碎片化的数据结构与不一致的治理流程，被视为阻碍企业释放AI潜力的主要因素。对于希望扩展AI能力的新加坡企业而言，能否在内部建立起统一的数据来源与更稳固的治理体系，将直接决定后续AI项目的成效与可持续性。
同时，报告强调，随着更多企业探索向“agentic enterprise”演进，AI要真正发挥作用，数据基础必须具备可靠性、可控性与可整合性。这意味着更完整的数据体系、更清晰的治理策略以及更一致的优先级排序，正在成为企业从AI中获得实际业务价值的必要前提。
最后，报告也写到，在AI能力全面上升为战略重点的当下，新加坡企业正在经历一次深刻的基础性压力测试。随着数据体系重构成为共识，未来竞争的关键不再是谁能更快部署AI，而是谁能构建真正能支撑AI长期落地的数据底座。
