独立效果营销机构Tinuiti首席执行官Abbey Klaassan在最新一期AdExchanger Talks播客中指出，企业在部署AI智能体时普遍存在一种倾向：急于展示AI能力，却忽视了底层数据基础设施的建设。她表示，如果没有干净、结构化的数据作为支撑，AI智能体的实际效果将大打折扣。
Klaassan将数据治理、数据清洗和系统集成等工作称为“不性感”的基础工作。这些环节不产生直接可见的成果，因此在企业内部往往难以获得资源优先级。但她强调，正是这些前期投入决定了AI智能体能否真正运转。营销领域尤其如此——广告投放、受众定向、效果归因等场景涉及大量异构数据源，如果数据质量不达标，智能体的决策输出便缺乏可靠性。
这一判断与当前企业AI落地的整体趋势相呼应。过去一年，大量企业服务厂商将AI智能体作为核心卖点推向市场，覆盖营销自动化、客户服务、数据分析等场景。然而，多家行业研究机构的调研显示，企业在AI项目上的投入与实际回报之间仍存在明显落差，数据孤岛、数据标准不统一、历史数据质量差是主要原因之一。
Tinuiti作为一家独立效果营销机构，为品牌客户管理广告投放和营销技术栈。Klaassan的上述观点反映出营销服务行业在AI应用上的务实转向：从追求概念验证转向关注可规模化的工程基础。对于提供营销SaaS和AI工具的企业而言，这意味着客户对数据集成能力、数据治理功能的需求正在上升，单纯强调模型能力已不足以构成竞争壁垒。
从更广泛的视角看，AI智能体的部署正在从技术可行性验证阶段进入工程化落地阶段。在这一阶段，决定项目成败的因素往往不在模型本身，而在于企业是否愿意投入时间和资源完成数据层面的基础工作。Klaassan的表态也提示企业服务市场，围绕数据准备、数据质量和系统集成的工具与服务，仍存在明确的需求空间。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
