到2026年，企業管理資料的方式可能會發生翻天覆地的變化。人類不再費時費力地清洗、合併和校驗記錄，自主AI agent將承擔這些繁重任務——決定信任那些來源、即時解決衝突，並在團隊尚未意識到問題前就給出洞察。資料統一與治理前沿公司Reltio 的創始人兼首席執行官接受了媒體訪談， 分享了Agentic AI 將率先落地的場景、它將如何重塑資料團隊的日常工作，以及業務領導者在邁向AI 驅動未來時應關注那些指標。eWeek：當你說企業資料的「agentic AI」時，2026 年它最先改變的日常流程會是那一個——匹配/合併、 survivorship（生存規則）、 enrichment、還是stewardship（資料監管）？Manish Sood：配對與合併將是2026 年最先被agentic AI 改造的日常工作。這裡是當今複雜資料環境與AI 營運對速度和信任需求最迫切的交會點。為什麼是匹配與合併？因為現實世界的資料很髒——充滿重複、不一致和歧義。在agentic AI 工作流程中，每次記錄不完全匹配時都沒有時間讓人工介入。如果AI agent要即時推薦產品、處理理賠或與客戶互動，它必須基於乾淨、統一的檔案運作。借助預訓練、LLM 驅動的匹配模型，我們已經看到從基於規則的「這是同一實體嗎？」檢查，轉向即時解決匹配的代理式工作流程，並附帶置信度評分、可審計性與合規護欄。隨著技術成熟，這將成為所有下游流程（survivorship、 enrichment、 stewardship 等）的智慧「前門」。agentic AI 不只是需要資料，它需要在毫秒級獲得可信、富含上下文、已整合的資料。這一切始於實體解析。因此，匹配與合併首當其衝。eWeek：快速描繪一下2026 年底資料團隊的一天。當agent介入後，資料管理員、分析負責人和業務owner 的工作有何不同？Sood：資料管理員：早上開始查看昨晚已由agent解決並附帶完整審計軌跡的配對建議。他們不再追重複，而是微調策略並「輔導」agent。分析負責人：收到agent關於品質異常的警報，趕在模型漂移前介入。工作重點從清洗資料轉向與業務團隊合作，打造可信賴、可重複使用的資料產品。業務owner：開啟儀表板，每個指標都有agent解釋：什麼改變了、為什麼重要、下一步該做什麼。沒有積壓，沒有瓶頸，只有答案──由受控、agent就緒的資料驅動。有何不同？ agent不只是“協助”，而是行動。團隊從「修資料」轉向「釋放價值」。eWeek：如何讓agent創造單一真實來源又不失去信任？Sood：失去信任並不是因為讓agent幫忙創造真實來源，而是因為它們暗中操作。關鍵在於「受控的自主」。agent可在邊界內自主行動：解決配對、標記異常、從已驗證來源enrichment。結果？透明建立信任。利害關係人不僅看到資料，還看到為何信任它──誰批准的、用了什麼邏輯、何時執行。這就是agent贏得角色的方式——不僅揭示真相，而且持續維繫真相。eWeek：首席資料長（CDO）在企業資料管理中擁抱agentic AI 的前90 天，應期待那些早期勝利？Sood：前90 天，CDO 應能指出一些非常具體的成果。例如，最先注意到的就是AI agent能以極快速度清空匹配積壓。過去資料管理員重複的活兒，現在fraction of the time 完成，讓團隊專注更高價值任務。你還能立即獲得資料品質的可視性。預置代理可按域、按源、甚至按業務影響識別問題——你不僅改善了資料，還優先修復了最關鍵的缺陷。這種清晰度幫助領導者快速建立基線並贏得早期動能。由於分析師終於不用花時間清洗資料，你會看到「洞察時間」縮短。可信任資料產品更快成型，儀表板置信度上升，KPI 重新變得可靠。最重要的是，業務團隊看到了結果：更乾淨的資料、更快的答案，以及證明這並非另一項「技術專案」——而是從第一天就交付真實業務價值。eWeek：到2026 年底，那些KPI 能證明它真的有效？Sood：到2026 年底，agentic AI 對企業資料管理的影響應該能透過幾個清晰的KPI 顯現，它們講述了一個令人信服的故事。第一，人工工作量顯著減少。需要人工覆核的匹配/合併決策佔比下降；資料管理員在重複任務上花費的小時數大幅減少；團隊用於追蹤和解決資料品質問題的時間縮短。第二，資料啟動全面提升。儀表板和資料產品更快上線；喂給AI 模型和流程的資料更可信、更即時；業務使用者能更容易在需要時找到所需資料。第三，信任變得可衡量。資料品質評分在精準度、完整性、新鮮度上提升；血緣更清晰；策略合規率提高；因壞資料或過期資料導致的返工量顯著下降。最後，業務價值加速。從銷售到營運的更多團隊開始用agent輔助決策；更多行動被自主執行且無事故；因可信即時資料而起飛的新用例增多。一句話？更少摩擦、更多信任、更快執行——且全部可追蹤。eWeek：agentic AI 如何改變與法務、安全團隊的資料治理與合規對話？Sood：agentic AI 從根本上改變了與法務、安全團隊的對話。過去擔心“失控”或“引入風險”，如今有證據證明控制其實更強。傳統治理是寫在檔案裡的政策，事後人工執行──被動、審計繁重且緩慢。有了agentic AI，這被翻轉：AI agent在執行階段就執行治理。它們繼承脫敏與存取控制，只在預批邊界內行動，且每一步都記錄完整血緣與理由。因此，當法務或安全問“我們能信任AI 在做什麼嗎？”——答案不僅是“能”，而是“這就是它做了什麼、為什麼做、我們如何知道它符合政策”。對這些團隊而言，這不是leap of faith，而是可量化的控制升級：即時執行、完全可審計、內建監督。代理式治理不是妥協，它被證明更安全。eWeek：規則、LLM 與檢索：如何協同？ agent何時應依賴確定性資料管理規則，何時應使用帶有檢索（RAG）的LLM 做決策？Sood：這不是二選一，而是確保每個AI 決策都錨定在同一個可信基礎上。agentic AI 需要一個即時、富含情境的企業資料圖譜才能可靠地行動。多數企業的客戶、產品、供應商、位置資料分散在CRM、ERP、資料湖、第三方流等數十個系統，資料分散、常孤島、不一致、非AI 就緒。Reltio 透過持續攝取所有這些來源的結構化與非結構化資料，並即時統一：利用高級匹配、 survivorship 邏輯、AI enrichment，在各域建立精準可信的檔案。但Reltio 的獨特之處不僅是產生乾淨記錄，還捕捉實體間的關係與互動——不僅知道客戶是誰，還知道他們與誰關聯、買了什麼、何時打過客服、與產品/供應商/地點如何相關。這就是「資料圖譜」。此圖譜成為AI 的「上下文系統」。它讓每個agent——無論解決配對、個人化優惠、審批理賠——都能獲得即時、可信的基礎，以做出明智決策。因此，agent不再孤立運作，而是共享相同持續更新、受控且可解釋的資料環境。這讓agentic AI 可擴展、合規、與業務邏輯對齊。所以問題不是用那一種技術，而是這些技術錨定在那裡。沒有上下文系統，再優秀的AI 也會碎片化；有了Reltio，它就能大規模可信。eWeek：自建、採購、合作的正確比例是什麼？企業應在那些場景依賴平台（如Reltio+超大規模雲端），那些場景適合客制化？Sood：在AI 與資料領域，最具創新精神的企業不會試圖全自建——而是聚焦自建差異化部分。那正確的組合是什麼？買基礎：資料統一、治理、即時基礎設施不是DIY 領地。你不想花數年拼湊自己的資料脊樑。這正是Reltio Data Cloud™ 等平台和超大規模雲端的用武之地。 （壹號講獅）