全球商業數據與分析領導者美商鄧白氏（Dun & Bradstreet）發布 2026 第三季「台灣企業 AI 動能指數」調查結果。結果顯示，台灣企業的 AI 投資已逐步從試驗導入走向成效驗證，逾八成受訪企業表示已從 AI 專案中觀察到不同程度的投資報酬（ROI）。然而，調查同時指出，超過半數受訪企業尚未完全建立支撐 AI 規模化部署所需的資料基礎，顯示資料品質、資料治理與整體資料就緒度，將成為企業擴大 AI 應用的下一階段關鍵。
調查顯示，台灣企業 AI 動能指數在 2026 年第三季為 60，雖較第二季 72 的高點回落，但仍高於 50 分的擴張臨界點（以 50 為分水嶺，高於 50 代表企業 AI 投入與應用動能進入擴張階段），顯示企業 AI 投資與導入仍維持正向動能。但相較日本與南韓本季同為 66，台灣指數則較低。
鄧白氏全球業務營運與轉型執行副總裁暨台灣區總經理鮑文安表示：「第三季調查結果反映台灣市場正從快速導入 AI 的熱潮，轉向更務實的價值驗證階段。企業對 AI「是否有效」的疑慮正在降低，開始檢視 AI 專案是否真正創造可衡量的商業成果，而非僅止於試驗性導入。台灣企業在投資意願、金額與導入速度上均表現積極，也在資料就緒度上相對領先，奠定了紮實基礎；市場討論焦點也逐漸從導入速度，轉向如何讓 AI 在更大規模的營運場景中穩定、可信地運作。但當 AI 開始進入授信審查、供應鏈風險評估、法遵審核等決策場景時，資料品質將直接影響 AI 能否真正規模化落地。我們在與台灣企業的對話中反覆看到同一個趨勢：AI 導入的速度，最終會被資料治理的成熟度追上。」
根據調查，受訪企業仍需強化資料基礎，才能穩定擴大 AI 投資效益：
這些結果顯示，企業若要將 AI 擴展至更大規模、更高複雜度的商業場景，仍需優先補強資料品質、治理機制與跨部門應用能力。
本季調查反映出 AI 應用從內容生成、流程輔助與試點專案，逐步看到多數企業將 AI 推進至規模化導入、營運化整合，甚至發展代理型 AI 工作流程等更深層的應用階段，但企業所面對的挑戰也隨之升級。
在這樣的情境下，資料品質不再只是 IT 或資料團隊的基礎工程，而是 AI 能否產生可信商業判斷的核心條件。若資料缺乏一致的企業識別、完整脈絡與可驗證的治理機制，AI 即使具備強大的模型能力，也可能在實體辨識、風險評估或決策建議中產生偏差。相反地，當企業能建立高品質、可追溯且受治理的商業資料基礎，AI 才能從局部試驗走向可規模化、可問責的營運能力。
鄧白氏建議，企業在推動AI規模化的過程中，應優先建立可信任、可驗證且可持續治理的商業數據基礎。透過如鄧白氏環球編碼®（D-U-N-S® Number）等持久性身份識別機制，企業可確保 AI 系統在授信、採購、法遵等決策場景中，不致混淆或誤判實體；同時，透過如模型上下文協定（MCP）等開放標準，AI代理能以結構化且具脈絡的方式存取受治理的商業資料，讓AI真正從實驗室走向營運核心。
鄧白氏 AI 動能指數為一項季度性全球調查，涵蓋 32 個國家、超過 10,000 家企業，追蹤企業 AI 採用、投資、導入階段與商業成果的長期趨勢；台灣調查結果為該研究在地化延伸的一部分。
美商鄧白氏（Dun & Bradstreet）為全球領先的商業數據與分析公司，致力於提供企業關鍵決策所需的可靠洞察。其「全球商業圖譜™」涵蓋超過 6.5 億家企業資料，並以鄧白氏環球編碼（D-U-N-S® Number）作為全球企業識別標準，打造可供 AI 使用的高品質數據基礎，協助企業深化身份識別、挖掘關係網絡、強化風險管理並掌握潛在商機。透過 D&B.AI™ 與完整的全球夥伴生態系，鄧白氏支援企業系統整合與負責任的 AI 部署，加速實現更精準的商業決策。自 1841 年創立以來，鄧白氏持續獲得各類型企業信賴，協助其在快速變動的市場環境中穩健前行並推動成長。
