三大信任架構 打造全球化數據生態
面對資料爆炸與監管壓力升高的雙重挑戰，企業唯有在治理層面建立「信任機制」，才能確保 AI 模型穩定運作並產生商業價值。
採訪／施鑫澤‧文／鄭宜芬‧刊期／2025.11
在生成式 AI 與資料驅動決策的趨勢下，可信任數據逐漸取代巨量資料，成為數位轉型的核心指標。如何建立可追溯、可擴展且合規的資料架構，關乎 AI 的準確度，也影響企業的競爭力。
鄧白氏（Dun & Bradstreet）國際市場首席營運長鮑文安（Julian Prower）表示，鄧白氏不只是蒐集數據，而是以系統化驗證機制打造「可信任數據基礎設施」，使資料具備全球一致性與可追溯性。並且以全球商業數據雲為基礎憑藉可信任數據（Trusted Data）、負責任 AI（Responsible AI）與可擴展技術（Scalable Technology）三大策略，構建出可靠的數據生態。這套基礎架構如今也賦能 D&B.AI™ 的運作，開啟 Agentic AI 新時代，讓 AI 代理能在驗證過的企業數據基礎上，進行規劃、推理並可靠地執行決策。
[ 加入 CIO Taiwan 官方 LINE與 Facebook，與全球 CIO 同步獲取精華見解 ]
850 億筆數據 仰賴系統化管理
可信任數據是 AI 的基本驅動力，讓 AI 能按照使用者期待的方式運作。在數據快速累積與 AI 應用普及的時代，如何確保資料的可信度已成為企業關注的核心議題。鮑文安認為，資訊品質是企業最重要的核心資產，而可信賴的數據更是支撐企業做出明智決策與更多業務活動的基礎核心。
鄧白氏數據雲（The Dun & Bradstreet Data Cloud）涵蓋超過 6.2 億筆企業數據，蒐集數據的來源超過 3 萬個，包含線上資源、世界各地的全球網絡數據合作夥伴，每日更新超過 500 萬次。
為維持資料的可靠性，鄧白氏建立完善的資料品質管理方法，具備超過 850 億筆數據監測能力，能持續檢測並追蹤資訊來源的穩定性與一致性。為確保數據的精準與可靠，可追溯性是其中的關鍵要素。藉由這些機制，讓鄧白氏可在龐大的數據流中，降低偏差與偽造風險，強化可信任數據的價值。
11 項原則打造可信任 AI 框架
隨著 AI 快速發展與廣泛應用，企業面臨隱私保護、演算法偏見與透明度不足等挑戰。鄧白氏藉由可信任數據的基礎，進一步將信任機制延伸至 AI 治理。
鮑文安強調，可信賴 AI 建立在清晰的治理架構與合規基礎之上。為此，鄧白氏制定了一套涵蓋 11 項原則的 AI 模型治理框架，確保在模型開發與應用過程中能兼顧透明度、可解釋性、安全性與可靠性。與 AI 合作夥伴的合作也在開始時以嚴格的審查流程，確保合作夥伴的模型可靠且符合鄧白氏的治理框架，防止數據被濫用。公司同時強調須遵循監管要求，以規範資料使用方式，降低潛在風險。
在資訊安全與隱私保護方面，鄧白氏在全球 16 個據點的管理系統均已取得 ISO 27001、ISO 27701 等國際標準認證，並參考 ISO 42001 架構標準，持續打造可信任 AI 的應用基礎。
[ 推薦閱讀：【專訪】數位發展部部長林宜敬 ]
設計可擴展 AI 應兼顧技術與成本
進行全球供應鏈分析需要大規模資料處理，企業在設計可擴展 AI 時，必須考量數據急速增長的狀況，AI 系統的運作速度與回應延遲也須保持穩定，才能確保應用落地。同時，從小規模測試到大規模部署，成本控制亦是關鍵。
許多企業導入 AI 的成效不如預期或遭遇失敗，往往在於架構設計與模型規劃階段，未能充分考量可擴展性與成本持續性。AI 若僅能在試點階段成功，卻無法支持大規模運作，未來難以產生長期價值。
鮑文安指出，在設計可擴展 AI 時，需確保技術、成本與業務需求能同步擴展，從小規模試點擴展至全企業應用，同時維持效能與成本的平衡。而且不只著重算力，重點在可信任數據的持續擴展與落實，推動企業數位轉型過程，兼顧創新、安全與合規。
三層治理架構 跨部門合作創造價值
在完善的資料治理基礎上，企業才能推動可擴展 AI 應用，確保從試點到全面部署的穩定性，延伸至製造、行銷、客服、供應鏈管理等領域，提升自動化程度、降低人力負擔，促進跨部門決策整合。
鮑文安指出，資料治理可分為三個層次：第一層是資料輸入，明確定義每一項數據的意義，確保可追溯性與正確性；第二層是資料的擴展性，整合分散的資料，提升為具全局視野的資產，尤其對跨國或多集團環境尤為重要；第三層則是應用層，確保數據在來源可追溯的前提下，應用於可擴展 AI 等多種情境。
然而實務上，單靠 IT 部門難以完成資料治理，CIO 必須建立跨部門的合作架構，結合業務、合規與營運單位，共同參與數據定義與治理流程，才能確保資料可信任，並創造具體的應用價值。
隨著 AI 時代來臨，CIO 角色也正發生轉變，從過往專注於建置資料庫與系統，到現今須進一步關注資安、隱私與合規等議題。換言之，CIO 不僅是資訊基礎建設的負責人，還需具備前瞻思維，引導組織在 AI 應用中兼顧創新與安全。
[ 推薦閱讀：【專訪】美商鄧白氏台灣分公司數據長呂苑玲 ]
數據整合 AI 強化供應鏈決策
全球經濟變化快速，法規要求不斷增加，且供應商的品質、價格、交期等，皆會影響企業的成本及營運。同時，風險盡職調查的流程過於繁瑣，手動更新數據容易造成誤差，使企業無法掌握最新的供應商訊息，造成虧損風險。
透過資料分析與 BI，讓企業管理層能即時掌握趨勢，支持策略決策。而可信任數據是推動可信任 AI 與可擴展 AI 的基礎，當數據進一步結合 AI 後，便能揭露風險與機會，從「事後分析」邁向「提前預測」。
鮑文安表示，鄧白氏在數據治理上強調四大原則：完整性、及時性、準確性與一致性，以確保數據能在正確的時間、正確的使用。在供應鏈決策中，可信任數據能協助企業即時掌握供應商狀態與變化，降低營運管理風險。
例如，鄧白氏獨創「9 位數全球編碼系統 D-U-N-S Number」，以全球統一標準支持數據追蹤與整合，獲全球 240 多家客戶、產業和貿易機構承認、推薦或要求使用該編碼系統，包括國際標準組織（ISO）、澳大利亞政府、歐盟等，亦是申請美國食品藥物管理局（FDA）認證的要件之一。
在金融風險管理上，數據的即時性更是當務之急。若缺乏一致性信用額度標準、不了解客戶背景、不知如何有效監控 B2B 客戶，或無法即時反映信用風險評分變化，可能導致企業在資訊不完整下做出誤判，造成重大損失。
為此，鄧白氏建立「財務風險管理平台」、「供應商風險管理平台」，由全球數據雲環境提供支援，為確保最高標準的數據品質，每月監測超過 610 億筆數據品質，即時排除不合格數據，協助銀行與金融機構降低潛在風險，避免誤用資料而造成損失。
此外，隨著通用資料保護規則（GDPR）等全球監管壓力提升，若忽視數據可信度，將導致不公平決策與產業發展受阻，還可能引發金融與供應鏈風險，甚至承擔高額罰則；反之，當企業在可信任數據的基礎上發展 AI，不僅能支持永續發展快速精準洞察商業脈動，也能帶動經濟的正向貢獻。鄧白氏亦打造「合規管理平台」，驗證企業與個人身份，針對法遵風險進行篩檢，落實盡職調查。
數據整合 AI 支持供應鏈韌性
在全球地緣政治緊張與環境挑戰日益加劇的情境下，如何應對紅海衝突、運河乾旱等突發事件，並提升供應鏈韌性，成為企業刻不容緩的課題。
鮑文安表示，在跨境供應鏈決策中，若資料來源不完整或存在偏差，AI 模型便難以正確反映市場動態，甚至可能增加風險暴露。唯有在確保資料經過驗證、即時、真實與一致的基礎上，才能將這些資料投入 AI 引擎，進而支援供應鏈設計與預測模型。
可信任數據不僅是數據治理的基礎，亦是推動可擴展 AI 的基礎，將高品質數據結合可擴展 AI 架構，才能讓企業在不穩定的國際局勢與供應鏈中斷期間保持韌性，即時掌握市場與區域變化，從而管理與降低營運風險。
數據框架與跨來源驗證的可靠性機制
導入 AI 最常見的挑戰在於數據可信度不足。鮑文安提醒，若缺乏對「何謂高品質數據」的明確定義，將難以避免偏差或誤判。若要進一步強化數據應用成效，企業需確保其基礎數據的可追溯性與一致性。
可信任 AI 在風險管理中扮演關鍵角色，能藉由演算法識別供應鏈中的隱藏模式與潛在風險。為了確保 AI 的可靠性，建議企業先建立數據框架，釐清內部對於數據可信度的定義與等級。透過交叉驗證與數據校準，企業可以確保資料正確、一致，且可用於決策。
為維持 AI 決策的可靠性，需要大量數據支撐與持續更新技術。鄧白氏除管理逾 6.2 億筆商業記錄，並持續透過工具與技術升級，確保在風險管理與供應鏈決策中，提供企業穩定可靠且創新的數據支持。
[ 推薦閱讀：【專訪】旭榮集團執行董事黃冠華 ]
拓展 AI Labs 平台驗證與生成式 AI 應用
然而，在資訊爆炸趨勢下，決策者常因數據分散，查詢困難而難以快速精準洞察商業脈動。欲管理全球龐大的數據量，必須確保架構設計在支撐大規模數據處理的同時維持穩定性、可靠性與精準度。
對此，可擴展 AI 是推動數位轉型的關鍵，如何設計兼具延展性與穩定性的 AI 系統，並從 POC 到大規模部署的過程中有效控制成本，成為企業落實 AI 策略的重要課題。
鄧白氏在可信任數據與治理架構之上，進一步推動 AI 研發平台布局。鮑文安表示，鄧白氏 2023 年成立 D&B AI Labs，建構內部 AI 平台 AIBE（AI Business Engine），提供企業在導入 AI 模型時能進行測試與驗證，確保模型具備可擴展性並能應對實際需求。平台同時以 ChatD&B AI 商業數據快搜結合生成式 AI 與高品質數據，即時提供數據洞察。
鮑文安強調，企業未來的競爭力不僅來自演算法與算力，而是在於資料的真實性與可信度。CIO 將從技術執行者進階為「業務架構設計者」，將可信任數據串聯 AI、BI 與治理框架，成為企業推動成長與動態風險控制的動能。就在近期，鄧白氏推出 D&B.AI™，結合廣泛的數據資源與代理式AI（Agentic AI）的力量，讓數據轉化為可執行的智慧應用，協助客戶在日益複雜的商業環境中，能夠預測、適應並自信地引領市場。這也是鄧白氏在持續創新的同時，始終堅守其三大核心原則：可信任數據、負責任的 AI 與可擴展的技術最佳體現。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
