隨著全球企業加速將人工智能（AI）融入日常營運，一個關鍵瓶頸正浮現：近半數企業因缺乏「AI就緒」的數據環境而難以推進項目。根據IDC與SAS最新聯合研究，49%受訪企業指出分散且未優化的雲端數據架構是最大障礙，另有44%坦言數據管治流程不足；而Gartner更預測，多達六成的AI計劃將因缺乏「AI就緒」數據而失敗。在此背景下，數據分析與AI解決方案供應商SAS宣布全面升級其SAS Data Management解決方案，透過內置治理、數據血統（lineage）及代理式AI（Agentic AI，指能自主規劃、執行並調整任務的AI系統）功能，協助企業在確保可信度的同時，大規模部署AI。
有別於傳統做法——在數據準備完成後才疊加合規控制，SAS將治理機制直接嵌入數據生命週期的核心流程。這意味著從數據存取、清洗、轉換到啟動分析或AI模型訓練，每一步都具備可審計性與透明度。SAS數據及AI策略高級總監Alyssa Farrell強調：「隨著現代企業轉向採用只需極少人為監管的代理式AI（Agentic AI）工作流程，現代化數據平台已不再是『可選項目』，而是支撐關鍵業務的基礎設施。我們重新定義AI時代的數據管理，將信任直接嵌入架構之中。」
為擺脫「分析必先搬移數據」的傳統限制，SAS推出高效能雲端原生平台SAS SpeedyStore，實踐「運算靠近數據」（Compute-to-Data）的理念。無論數據儲存於本地、多雲還是混合環境，AI與分析運算均可直接在數據源頭進行，大幅減少不必要的數據遷移，從而降低延遲與成本，同時維持完整的數據血統追蹤。此理念亦延伸至外部生態：透過SAS Data Accelerator，企業可將SAS分析引擎直接部署於主流雲端數據倉庫或湖倉（lakehouse，結合數據湖與數據倉庫優勢的架構）中，讓敏感數據無需離開原有環境即可進行處理。此外，SAS Viya亦支援DuckDB等現代嵌入式分析引擎，讓用戶可在受控工作流程中，直接對Parquet、CSV和JSON等開放格式進行快速本地分析。
有別於多數AI助理僅在數據準備完成後才介入，SAS將AI驅動的輔助功能直接嵌入整個數據生命週期，確保從源頭建立可信度與可審計性。例如，SAS Viya Copilot for Data Discovery（數據探索助手）允許用戶以自然語言快速探索受管治的數據資產，將原本耗時數天的數據發現過程縮短至數秒；而SAS Viya Copilot for Code Assistance則在SAS Studio開發環境中提供AI輔助編程，支援SAS與Python代碼的生成與優化，全程不脫離受控框架。針對數據隱私與合規挑戰，SAS Data Maker可生成高度逼真的合成數據，保留真實數據的統計特性、關聯結構及時間特徵，卻不包含任何個人識別資訊，讓團隊能在安全環境下協作開發與測試。
此系列升級不僅直擊當前AI落地的實際痛點，更標誌著數據管理角色的根本轉變——從「支援功能」升級為「信任基石」。此舉呼應全球數據管理平台向「AI原生架構」演進的趨勢——不同於僅在元數據層疊加AI功能的競爭方案，SAS將治理與運算深度融合，從底層確保AI輸出的可信度。唯有當數據本身具備內置治理與可驗證性，企業才能真正釋放AI的規模化潛能。