根據日前舉行的第四屆「全方位AI流程卓越」（All Access: AI PEX）線上研討會系列，來自 Google、SAP 及 Camunda 等業界領袖齊聚一堂，探討如何將企業人工智慧（AI）專案從試驗階段成功推向實際應用。會中專家指出，高達 95% 的 AI 試點專案最終未能投入生產，凸顯了企業在導入 AI 時面臨的嚴峻挑戰。
專家們強調，成功導入 AI 的關鍵不在於技術本身，而是必須在部署前完成資料品質、流程優化與組織準備等基礎工作。多數企業領導者（52%）認為，資料品質與可用性是阻礙 AI 採用的首要障礙。為解決此問題，Google 透過建立語義層（semantic layer），作為舊有系統與現代 AI 工具之間的通用轉譯器，允許 AI 代理（AI agents）透過受控的抽象層存取企業內部資料，同時確保業務定義與資料溯源的可信度。
SAP 的專家則指出，生成式 AI 已快速從實驗走向實際應用，企業必須著重於識別、追蹤並實現 AI 的商業價值。領先的團隊會從價值潛力出發，辨識影響領域、關鍵指標及成功衡量標準，而非僅從技術角度切入。此外，Camunda 介紹了「代理式協調」（agentic orchestration）概念，將確定性流程與動態 AI 執行相結合，同時保持人為監督。Camunda 也警告，企業應避免將 AI 點狀解決方案盲目疊加於不連貫的系統上，這可能導致「超級碎片化」的「碎片化企業」陷阱。
管理顧問公司 Strategy 則展示其 AI 驅動的語義層如何解決整合難題，該平台建立資料模型速度比傳統手動編碼快上 10 倍。CGS Immersive 執行長 Doug Stephen 提出的 AI 成功生產框架，則聚焦於明確的業務所有權與承諾的關鍵績效指標（KPI）、考量 AI 影響的工作流程重新設計，以及可重複的操作模型。根據此框架，組織若能在 Doug Stephen 的標準上達到 8 分（滿分 10 分），將有很高的機會成功將 AI 專案導入生產。他以知識擷取案例說明，AI 代理透過自動化文件與學習內容生成，可將員工掌握能力所需時間減少 45%，首次正確執行率提高 22%。
會中專家亦提及，AI 治理框架必須在創新與控制之間取得平衡，建立核准工具、培訓與問責制的指導方針。對於基礎 AI 專案，應以「採用率」而非投資報酬率（ROI）為主要衡量指標，並建議透過系統性思維，從流程績效指標來評估效益。整體而言，AI 導入的關鍵要點包括從資料治理著手、設計混合式工作流程、衡量具體成效、透過治理來賦能，以及優先進行變革管理。
