人工智能增長停滯，78% 的人認為數據基礎設施薄弱

Confluent 表示，企業在將人工智能項目從試點轉向生產時，優先考慮數據流處理。

根據 Confluent 的 2026 年數據流報告，新加坡公司的人工智能雄心受到實時數據基礎設施缺口的制約。

報告發現，78% 的新加坡 IT 領導者表示，缺乏實時數據基礎設施正在阻礙他們擴大人工智能的努力。報告還發現，該國 75% 的組織已經在部署或試點自主人工智能解決方案。

然而，許多企業在將人工智能項目推向生產時面臨挑戰。約 78% 的新加坡 IT 領導者表示，他們在擴大人工智能時遇到了至少三個挑戰，包括實時數據處理基礎設施不足（78%）、數據所有權分散（73%）以及管理人工智能的技能和專業知識不足（73%）。

這些問題也影響了自主人工智能項目。大多數新加坡 IT 領導者表示，他們在數據基礎設施和質量（95%）、遺留系統集成（95%）以及大型語言模型的可靠性（93%）方面遇到或預期會遇到困難。超過 73% 的人報告自主人工智能項目停滯不前，其中一半表示該工作已完全放棄。

Confluent 表示，關注點正從單純的人工智能模型轉向提供可信和最新數據所需的基礎設施。約 86% 的新加坡 IT 領導者將持續和當前的業務可見性視為首要任務。

數據治理也變得越來越重要，86% 的人表示有效管理數據主權很重要，82% 的人重視數據來源和追蹤能力。

報告指出，90% 的新加坡 IT 領導者認為數據流平台可以幫助解決自主人工智能中的治理、風險和合規問題。

另有 91% 的人表示，這些平台可以通過提高大型語言模型的可靠性來幫助打通自主人工智能的進展，而 92% 的人表示它們使數據更可信、具有上下文和可發現性。

投資優先級也反映了對數據基礎的日益關注。約 86% 的新加坡領導者將數據流處理列為投資優先級，而人工智能和機器學習解決方案為 85%，數據管理和治理為 90%。

一些組織已經看到了收益，65% 的人報告客户體驗更加豐富和響應迅速，61% 的人提到內部流程的自動化和響應能力增強。

該報告對包括新加坡在內的 14 個國家的 4625 名 IT 領導者進行了調查。