台灣資料管理協會（Taiwan Data Management Association, TDAMA）今（21）日舉辦首屆「台灣資料治理年會」，吸引近 300 位政府官員、企業高階主管、資料治理專家及產業從業人員共襄盛舉，共同探討 AI 時代下資料治理的關鍵挑戰與未來方向。面對全球約半數企業內生成式 AI 專案仍停留於概念驗證（Proof of Concept, PoC）階段，本屆年會以「資料治理」為核心，匯聚產官學研領袖，共同探討如何透過完善的治理制度、資料品質與跨域協作，突破資料孤島與落地瓶頸，打造支撐 AI 規模化應用的資料基礎，為台灣建立更完善的 AI-Ready 資料生態系。
AI 應用熱潮持續升溫，企業卻也開始面臨從概念驗證走向實際營運的落地挑戰。McKinsey 調查[1]顯示，全球已有 88% 的組織投入 AI 應用，但能成功推進至大規模營運階段的僅約三分之一。Gartner 研究指出，高達 50% 的生成式 AI 專案在概念驗證階段便宣告中止，主要原因包括資料品質不足、風險控管不完善，以及導入成本攀升。
台灣資料管理協會理事長顏良修強調：「資料品質往往最容易被忽略、卻直接影響 AI 成效。根據思科（Cisco）的研究[2]，65% 的組織難以取得高品質資料，70% 的企業則在訓練 AI 時面臨專有資料外洩風險。當企業資料規模達到一定程度，資料來源分散、格式不一致，或缺乏完善的權限與用途管理，即使導入先進模型，也難以將 AI 專案穩定推進至實際應用。AI 的下一階段競爭，關鍵已不再只是模型競賽，更取決於組織能否建立合身的資料結構與資料治理紀律。」
隨著 AI 逐步應用於公共服務與政策決定，公部門如何在推動資料創新應用的同時，兼顧資料安全、個人隱私與社會信任，也成為國家 AI 發展的重要課題。台灣資料管理協會認為，當前政府資料治理仍面臨資料分散、標準不一及跨部門整合等挑戰，除了持續完善制度與資料應用環境，更需要透過資料標準化與結構化，讓政府資料從「人能讀」進一步走向「機器能理解」，建立支撐 AI 應用的可信任資料基礎。
與會專家也指出，面對生成式 AI 可能產生錯誤資訊與幻覺等問題，高品質的資料將是提升 AI 可信度的重要基礎。公部門應從資料源頭強化標準化、結構化與跨部門協作，同時釐清資料來源、使用邊界與責任歸屬，在資料共享與創新應用、安全合規及個人隱私之間取得平衡，才能進一步釋放政府資料價值，並為台灣發展可信任 AI 奠定長期基礎。
