生成式人工智慧（GenAI）快速進入企業應用場景後，導入焦點正由單一功能的速度與便利性，轉向輸出結果能否信賴，以及AI能否在既有治理架構內支援決策。
Workday台灣區總經理許耀邦表示，企業使用AI時，真正需要處理的是資料完整性、權限、安全與流程一致性。當AI逐步成為與員工共同工作的數位隊友，其產出若牽涉人力、財務或營運決策，準確性與可追溯性就成為基本條件。
這項挑戰也反映在企業日常工作。根據Workday最新發布的《複製/貼上經濟：為何任務導向型AI無法滿足企業需求》報告，訪問全球6,100名專業人士，其中包含100名台灣與100名香港受訪者。研究顯示，約四分之一台灣及香港員工每週花費7小時以上轉移資訊與核對資料，74%因企業系統或資料問題需要重做工作。
許耀邦指出，問題往往發生在AI工具彼此分散，員工必須反覆複製貼上資料，再自行確認輸出是否正確。當任務需要結合人力資源、財務、客戶關係管理（CRM）或其他企業系統資料時，跨系統切換與人工核對會形成隱性成本。
因此，企業AI的技術課題逐漸轉向底層資料與流程能否整合。許耀邦表示，Workday以人力資源（HR）與財務資料作為核心，將業務流程、權限與治理機制置於同一平台，再把AI能力嵌入既有作業情境，使模型與人工智慧代理（AI Agent）能依據企業內部資料、身分與權限執行任務，降低資料離開核心系統後再交由外部工具處理所產生的風險。
在使用者介面與跨系統協作方面，Sana則扮演對話式AI入口。許耀邦說明，企業內部普遍並行微軟Office 365、Google Workspace以及各類CRM與ERP系統，Sana Enterprise能扮演整合入口，串接異質應用程式並建立安全防護邊界，讓使用者透過自然語言查詢資訊、觸發工作流程，並由代理協調不同系統中的任務。
這也使AI應用逐步由問答與內容生成，延伸至實際執行企業流程。對企業IT管理者而言，這項轉變也意味AI治理範圍必須延伸至資料來源、存取權限、應用整合與代理行為。當AI開始直接參與工作流程，企業評估AI成效時，除了模型能力與回應速度，也必須檢視資料是否一致、輸出能否追溯，以及代理執行的動作是否符合既有權限與內控要求。這些基礎條件，將直接影響企業能否把AI由個人效率工具推進為可規模化部署的營運能力。