隨著人工智慧（AI）技術日益成熟，新加坡雖積極推動AI發展，卻在新技術從試驗走向大規模實際生產應用時，面臨數據可信賴度不足的嚴峻挑戰。這項挑戰不僅可能延緩企業AI部署進程，也使得數據血緣、使用權限與結果可追溯性等議題，成為AI治理的核心。
根據《The Business Times》報導，新加坡總統尚達曼（Tharman Shanmugaratnam）指出，新加坡將比許多經濟體更早面對AI帶來的挑戰，其中一大考驗便是如何確保AI生產力提升的效益，能公平地分配給各層級勞工。為此，已於「2026年財政預算案」中納入國家AI規模化倡議，並成立由總理黃循財擔任主席的國家人工智慧理事會，聚焦製造、連結、金融與醫療等關鍵領域。
然而，AI技術要從概念驗證擴展至企業層面，關鍵在於企業用戶對AI系統所依賴數據的信任度，以及組織證明此信任的能力。報導指出，不同於容錯性較高的試驗階段，AI在生產環境中需處理大量且複雜的跨國數據。當數據來源、使用權限、跨供應商及司法管轄區的追溯性等實際問題浮現時，往往導致部署進程受阻。例如，某金融團隊曾因無法提供跨國AI交易與風險助理系統所需數據的使用權證明，最終被迫縮減範圍並重新作業。
為有效管理AI，報導建議企業應採行四項實務數據控制措施：數據血緣（溯源與轉換）、權限（使用權限與條款）、完整性（篡改與漂移偵測）以及可稽核性（AI輸出結果對應輸入數據的追溯性）。這些控制措施是AI從試驗走向規模化部署的基石，若缺乏這些，企業將難以信心十足地簽署數據使用與結果解釋。尤其在基礎模型日益普及的趨勢下，競爭優勢已從模型本身轉向數據層面——建立可用、有權限且可快速稽核的值得信賴數據基礎設施，將是企業脫穎而出的關鍵。
東協（ASEAN）已發布AI治理與倫理指南，涵蓋生成式AI考量，並推動一致的標準，這對數據流動天然具備跨國性質的新加坡企業至關重要。若企業能將數據血緣、權限與可稽核性融入日常實務，便能加速AI部署，並將其能力擴展至全體員工。報導強調，AI部署的主要延遲通常不在於模型本身，而是組織未能證明其在跨區域營運中數據品質、權限與可稽核性的能力。能數小時而非數週內回答這些數據相關問題的企業，將具備更快部署AI的優勢。
