從 PoC 邁向落地 首重資料品質

在生成式 AI 帶動的全球軍備競賽中，企業急欲將 AI 落地成為核心營運的「兵馬糧草」。為協助企業克服資料治理、成本控制與系統擴充能力等挑戰，Teradata 推生新一代 AI 與自主平臺，助企業建立可擴展的 AI 資料平臺，讓生成式 AI 從 PoC 走向實際營運流程，成為企業推動轉型的重要支柱。

隨著生成式 AI 應用快速擴散， 並在客服機器人、內部知識搜尋到自動化報告等領域展現極為亮眼的成績，讓生成式 AI 成為全球企業推動轉型的重要核心。只是企業在大舉推動 AI 專案時，也開始發現唯有讓 AI 維持在穩定、安全的機制下，才能使其進入企業核心營運流程，而非僅存在 PoC 階段。

在甫落幕的 Teradata 的「AI in Action Now」大會中，多家企業與技術供應商都認為 AI 正從「實驗工具」轉變為「企業營運的一部分」，開始參與決策、觸發任務，甚至跨系統執行工作流程。然而在企業邁向新運作模式——Autonomous Enterprise（自主營運企業）時，背後也面臨資料治理、成本控制與系統擴展能力的全新挑戰。

Teradata 資深副總裁 Jennifer Wray 說， 我們發現多數企業正面臨 AI 專案仍停留在實驗階段，難以真正進入核心營運流程的困境。許多企業最大的迷思是認為「買平臺就是準備好了」，但其實真正挑戰在於如何將 AI 規模化並轉化為具備成本效益的正式生產環境。企業不僅需要更可信任的資料基礎，也必須建立能兼顧效能、成本與治理的資料與 AI 平臺架構，才能讓 AI 從實驗走向實際運用。

Teradata 建議企業應該要重新規劃能支援 AI 應用的新一代資料平臺，從單純的資料分析平臺逐步演進為暨能同時支援各類商務分析，又能實際應用在預測與自動化決策的智慧系統上，而 Teradata 正是企業最佳的 AI 夥伴。

資料品質優劣 決定AI專案成敗

在全球吹起推動生成式 AI 專案浪潮下，企業唯有落實「建立可信任的企業資料集 」、「具備應對大規模查詢的運作規模」、「強而有力的治理架構」等三項關鍵工作，才能從競爭激烈市場中脫穎而出，然而這些往往被多數的專案團隊忽略掉。

AI 應用系統建置的成效是否符合當初專案預期，關鍵在於模型訓練或微調時的資料品質優劣。若專案團隊沒有預先針對所採用的資料進行整理與方法論的驗證，可預期應用的結果不僅不可靠，還可能造成企業運營的傷害。其次，在 Agentic AI 時代來臨之際，「代理人不會休息」，當 AI 系統持續不斷地執行資料的查詢、商務資料的分析與業務自主任務的運作時，這將對平台的運算能力與擴展性帶來前所未有的壓力。這意謂資料平臺必須具備極高地管理作業負載優先級別的能力，以及彈性擴充的運作架構，才可應對呈幾何級數增長的 AI 型態的運用。最後，AI 專案亦需要完善的資料治理機制，才能以常規化、可重複的方式來執行。

Jennifer Wray 指出，唯有基礎紮實、運作可擴充、治理嚴謹，企業才能真正釋放 AI 潛力，創造長期價值，並在瞬息萬變的市場中立於不敗之地 。Teradata 致力協助企業建立可靠的資料平臺，將資料轉化為可操作的智慧資產，確保每一項決策都建立在穩健的資料基礎上，並在不斷變化的市場中保持競爭優勢。Teradata 在全球已累積非常多成功案例，我們希望將相關經驗分享給臺灣客戶，協助企業達成數位轉型的目標。

多項新功能亮相 加速AI專案落地

在全球市場深受歡迎的 Teradata 平臺，由「ClearScape Analytics」、「Query Grid」等兩大模組構成，不僅幫助企業解決數據搬移的痛點，從「AI 科學實驗」走向真正的「生產化規模」，確保在追求效能時，還可維持最嚴謹的數據信任度與成本效益。

ClearScape Analytics 主打透過簡化分析流程與降低技術門檻，協助企業將資料轉化為實質的 AI 應用價值。產品本身內建功能強大的分析功能，且具備高度靈活性，支援不同背景的使用者，如資料科學家可使用 Python 進行機器／深度學習模型的開發，而業務分析師則可以使用傳統 SQL 指令，在單一平台上就能輕鬆地進行各種複雜的資料分析工作。Query Grid 則能讓企業將多個不同資料平臺串連起來，資料不需要全部集中存放在單一的存儲庫或資料庫中，讓使用者可以無縫地存取分布在不同位置的資料，擴大可使用的資料版圖，並降低資料搬移成本，進而創造最大價值。

[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]

「在 AI in Action Now 活動中，我們正式推出 Vector Store，讓客戶可同時處理結構化與非結構化資料的結合，這是打造現代 Technology Stack 的重要環節。」Jennifer Wray 解釋：「在活動中同步發表的 Model Context Protocol （MCP），則讓企業能透過自然語言直接查詢數據，並透過產品之間的搭配，更快將 AI 專案落地。」

在台灣市場，部分金融機構已開始導入相關技術。例如台灣某間大型銀行即是應用 Teradata MCP 伺服器，讓員工可直接以自然語言來查詢業務資料，例如「按年齡分佈的貸款核准量」，這樣的 AI 應用不僅降低資料使用的門檻，並大幅提升決策的效率。

至於 Teradata 新推出的 AI 服務與產品架構中的重要模組，是結合各項現代技術、預建模組與方法論的端到端解決方案，協助企業跨越從實驗到實踐的鴻溝。以國際知名醫療集團引進 Teradata AI 服務之後，順利透過 AI 代理人協助護理師自動生成交班筆記，將交班時間從 23 分鐘縮短至 8 分鐘以下。在減少加班費支出之外，也進一步達到改善員工工作效率與生活品質的目標。

三大競爭優勢 助臺灣產業升級

Teradata  能在全球市場深受企業歡迎的關鍵，在於擁有「部署靈活性」、「技術成熟度」、「數據主權」等多項競爭對手不及的優勢。首先，Teradata 平臺可提供雲端、多雲、混合雲平臺等多種部署模式，企業無需因不同環境而重寫程式碼或調整邏輯。其次，在前述基礎下，當面對歐盟的 DORA 法案等政府法規要求時，可選擇最合適的部署模式，如某知名大型醫療機構會先在地端將資料匿名化後，再搬移到雲端進行特定應用，兼顧資料應用效益、隱私保護及法規遵循。

[ 推薦文章：2026 產業應用 AI 的實踐元年]

Jennifer Wray 表示，我們投入優化運算效率方面已有 47 年深厚技術與經驗，擁有市場上最成熟的優化器，能自動為數據分析尋找最有效率、成本最低執行路徑，確保在各種晶片或硬體架構上發揮最高效能。2026 年 Teradata 預計推出新一代運算引擎，支援快速啟動與暫停／恢復，以加快資源調度來提升使用效率，並能以極高性能連接到開放式資料表格式（Open Table Format, OTF），更可高速度處理大規模、多樣化的數據湖。 2026 年下半年則預計推出 AI Studio 與新硬體平臺，其中硬體平臺將首度在地端整合 CPU 與 GPU，讓AI運算效能大幅提升。

臺灣是全球半導體與高科技產業重鎮，Teradata 將運用混合雲部署的靈活性，結合臺灣客戶對 Enterprise Feature Store 的高接受度，深耕金融、半導體與高科技製造業，協助臺灣企業建立可信任且具規模的 AI 運作環境，在下一波數位競爭中取得優勢。

(本文授權非營利轉載，請註明出處：CIO Taiwan)