本季以南非及全球範圍內的企業 AI 專案正被關停或擱置，原因是未能從概念驗證（proof-of-concept）順利轉型到正式上線（production），儘管六個月前仍有令人印象深刻的展示。失敗主因主要是意外的基礎設施與運算成本、缺乏企業級就緒能力，以及資料治理的碎片化，而非 AI 技術本身的限制。MIT 的 NANDA 倡議在其 2025 年研究《The GenAI Divide》中審視了超過 300 個企業部署，發現大約 95% 未能在損益底線上帶來任何可衡量的影響，只有每 20 個專案中約 1 個在具備真實價值的情況下達到正式上線；同時，Cloudera 的《Data Readiness Index 2026》顯示，89% 的 EMEA IT 領導者宣稱具備完整資料可視性，但僅有 26% 確認他們的資料已被完全治理。
MIT 研究揭示：95% 的企業 AI 部署未產生可衡量影響
MIT 的 NANDA 倡議在其 2025 年研究《The GenAI Divide》中審視了超過 300 個企業部署，並記錄約 95% 的部署未能對損益底線產生任何可衡量的影響。只有大約每 20 個專案中有 1 個在具備真實價值的情況下達到正式上線。MIT 將失敗率的很大部分歸因於薄弱的工作流程整合，以及從來不會學習的系統。在非洲的金融服務、電信與公共部門，碎片化且未治理、整合不良的資料，是導致多數失敗落地背後的共同因素。
Cloudera 指數暴露：EMEA IT 領導者之間的資料治理落差
Cloudera 的《Data Readiness Index 2026》發現，在 EMEA 的 89% IT 領導者宣稱他們能完整看見資料所在之處，但僅有 26% 表示該資料已被完全治理。Gartner 在 2025 年預測，因缺乏 AI 可用的資料，這種資料就緒落差將導致 60% 的企業 AI 專案在 2026 年底前失敗。領導者認為自己看得到的內容，與他們實際上能治理的內容之間的落差，正是企業 AI 落地所面臨的核心基礎設施挑戰。
Anthropic 工程師量化 AI 代理的代幣消耗速率
生成式 AI 系統會以代幣（token）計量：依照處理的文字與內容量收費，不論答案品質如何。Anthropic 的工程師發現，單一代理大約會消耗普通聊天系統四倍的代幣，而多代理系統在任何事情出錯之前，代幣消耗大約是其 15 倍。資料碎片化迫使組織在每一次提示中納入更多上下文以彌補資料品質不佳；同時，不可靠的回答也會觸發重試，進而產生更多按次計量的呼叫。Gartner 預測，到 2027 年底，將有超過 40% 的代理式（agentic）AI 專案被取消，並將不斷升高的成本列為首要原因。
EMEA 組織面臨資料存取與整合障礙
在 Cloudera 指數的 EMEA 調查結果中，42% 的領導者將複雜的存取需求視為使用其可見資料的主要障礙；只有約三分之一的組織能在不同環境之間將其資料來源完全整合。南非組織還面臨額外壓力，包括 POPIA 義務、緊縮預算，以及稀缺技能，使得在不穩定的資料基礎上進行昂貴示範在財務上不可持續。團隊常將 AI 專案視為以技術正確性為衡量標準的技術優先實驗，而非可落地的實際商業價值；同時也忽略了員工採用所需的人因變革管理與真實世界的工作流程要求。
資料基礎設施改善先於成功的 AI 落地
能從 AI 獲得真實價值的組織，會在部署 AI 系統之前先優先確保資料可存取、已整合且已治理。隨資料一同移動的治理（而不是存在於某一家供應商的平台內），能建立符合 POPIA 的稽核軌跡，而不是產生負債。透過開放標準將 AI 帶入已治理的資料，能進行成本規劃，而非陷入無法控制的支出。Cloudera 於非洲地區的區域副總裁 Warren Olivier 表示，成功的 AI 專案起點是資料基礎設施的工作，而不是模型部署或代理啟動。
FAQ
根據 MIT 的 2025 年研究，企業 AI 部署中有多少比例交付可衡量的商業影響？
MIT 的 NANDA 倡議在其 2025 年研究《The GenAI Divide》中審視了超過 300 個企業部署，並發現約 95% 的部署未能對損益底線產生任何可衡量的影響；只有大約每 20 個專案中有 1 個在具備真實價值的情況下達到正式上線。
相較於普通聊天系統，AI 代理會多消耗多少代幣？
Anthropic 的工程師發現，單一代理大約會消耗普通聊天系統四倍的代幣，而多代理系統在任何事情出錯之前，代幣消耗大約是其 15 倍；當這些系統套用在資料基礎薄弱的情況下，會造成指數式的成本成長。
Cloudera 的 2026 指數揭示出，EMEA IT 領導者之間有什麼資料治理落差？
Cloudera 的《Data Readiness Index 2026》發現，89% 的 EMEA IT 領導者宣稱具備資料所在位置的完整可視性，但僅有 26% 表示該資料已被完全治理；同時，42% 的人將複雜的存取需求視為使用可見資料的主要障礙。
