深度解析：新加坡企业AI战略转向——数据治理成核心驱动力

市场研究显示，高达78%的新加坡IT主管指出，实时数据基础设施的缺失正显著阻碍人工智能（AI）的规模化部署。与此同时，75%的新加坡受访者已着手部署或试点AI智能体，这表明新加坡企业对AI的探索热情并未减退。

随着AI试点项目的日益增多，企业内部数据系统的承受能力问题愈发凸显。在新加坡的受访者中，最普遍的痛点是实时数据处理能力的不足，占比高达78%。紧随其后的是数据归属分散和管理AI所需技能的匮乏，这两项的比例均为73%。这些挑战共同揭示了从数据生成、归属到调用的整个链条尚未实现完全的顺畅与整合。

这些短板在AI智能体项目中尤其容易被放大。高达95%的新加坡受访者已经遭遇或预计将面临数据基础设施和数据质量方面的难题；同样有95%的受访者提及旧系统整合问题；另有93%则对大型语言模型的可靠性表示担忧。更令人关注的是，超过73%的相关项目已经停滞不前，其中甚至有一半已彻底被放弃。

对于企业而言，AI智能体被寄予厚望，需承担客户服务、欺诈检测和运营自动化等多重任务。这要求它们能够持续获取最新的业务数据，并精准判断数据的来源、时间、质量及权限。若数据分散存储于客户系统、交易系统、风控系统和运营工具之中，且缺乏统一的数据流和治理规则，即便模型能力再强大，也难以稳定有效地转化为实际业务行动。

正因如此，数据治理在企业IT投资中的权重正持续攀升。86%的新加坡IT负责人将持续掌握最新业务状态列为首要任务；同样有86%认为有效管理数据主权至关重要；82%则高度重视数据来源和追踪能力。对于金融、医疗、公共服务等关键行业而言，数据的可追溯性、可解释性和合规使用能力，将直接决定AI系统能够承担的业务范围。

预算安排也清晰地映射出这一战略转变。90%的新加坡受访者将数据管理与治理视为投资重点；86%把数据流处理作为优先发展方向；85%则聚焦于AI和机器学习解决方案。在已部署相关能力的企业中，65%表示数据流处理显著改善了客户体验，而61%则观察到内部流程自动化水平的提升。

综合这些数据分析，新加坡企业AI落地的核心问题，已然从单纯追求试点项目的数量，转向了对数据基础能力的深耕。若实时数据处理、数据治理和旧系统整合无法跟上，AI智能体极易停留在概念验证阶段。反之，那些能够将分散数据整合为实时、可信、可追踪数据流的企业，将更有机会把AI投入切实转化为客户体验优化、运营效率提升及风控能力强化的实际成果。