今晚最值得注意的 AI 消息,不是又有新模型上線,而是一家大型企業軟體公司為了補足 AI 所需的資料能力,開始付出明確的獲利成本。

德國 SAP 因近期收購兩家與資料及 AI 有關的公司,下修 2026 年營業利益預測。

這件事提醒企業:真正把 AI 接進財務、人資與供應鏈,成本往往不在聊天介面,而在背後的資料整理、權限與系統整合。

SAP 下修了多少獲利預測?

SAP 將 2026 年非國際財務報導準則營業利益預測,從原本的 119 億至 123 億歐元,下修為 118 億至 122 億歐元。

公司表示,調整主要來自收購 Dremio 與 Prior Labs,兩筆交易對營業利益造成超過 1 億歐元的稀釋影響。

SAP 財務長表示,這次獲利調整由併購直接造成,並不是公司原本的雲端業務突然惡化。

企業為 AI 花的錢,不只會出現在模型訂閱費,也可能出現在資料平台、技術收購與系統重整上。

為什麼 SAP 要收購這兩家公司?

企業使用 AI,通常不能直接把所有內部資料丟進模型。

公司資料可能分散在:

  • 財務與會計系統。
  • 客戶與銷售紀錄。
  • 人力資源平台。
  • 採購與供應鏈系統。
  • 雲端資料庫與舊有軟體。

Dremio 的業務重點與企業資料存取及分析有關;Prior Labs 則專注於讓 AI 更有效理解結構化資料。

這些能力能協助 SAP 把 AI 接到企業既有系統中,而不是只提供一個獨立聊天工具。

企業 AI 為什麼特別依賴資料?

一般消費者使用 AI,可能只需要輸入一段文字或上傳一份文件。

企業 AI 則必須處理更多限制:

  • 資料來源是否正確。
  • 員工是否擁有查看權限。
  • 客戶資料能否被模型讀取。
  • 不同系統的欄位是否一致。
  • 結果是否符合產業法規。
  • 操作是否能留下稽核紀錄。

如果資料本身混亂,即使模型能力很強,產生的分析仍可能錯誤。

企業 AI 的品質,往往先取決於公司資料是否乾淨、完整並且可以被安全使用。

SAP 的雲端業務有沒有受到影響?

SAP 維持 2026 年雲端營收目標不變,仍預估為 258 億至262 億歐元。

第二季雲端營收按固定匯率計算成長 24%,達到 62.8 億歐元。

目前雲端待履行合約金額也成長 26%,達到 229.3 億歐元。

這顯示企業客戶仍持續購買 SAP 的雲端服務,但 SAP 為了建立更完整的 AI 資料能力,短期必須承擔額外成本。

這代表企業 AI 已經能賺錢了嗎?

還不能只靠這次財報下結論。

SAP 的雲端營收仍在成長,但此次下修獲利也顯示,建立 AI 產品需要先投入:

  • 收購資料技術公司。
  • 整合不同企業系統。
  • 處理法規與資安要求。
  • 訓練顧問與技術團隊。
  • 讓客戶真正改變工作流程。

因此,企業 AI 的商業模式不能只看訂閱收入,也要看導入成本與客戶是否真正使用。

對中小企業有什麼啟示?

中小企業不需要模仿 SAP 收購公司,但可以學到相同原則。

導入 AI 前,先確認:

  • 最重要的資料放在哪裡。
  • 資料格式是否一致。
  • 哪些內容可以交給 AI。
  • 哪些資料必須移除個資。
  • 誰負責確認 AI 產生的結果。
  • 導入後能省下多少時間。

如果資料散落在紙本、聊天群組、試算表與不同員工手上,直接購買更多 AI 工具,通常不會自動解決問題。

企業最容易低估哪些成本?

第一,資料整理成本。

舊資料可能重複、缺少欄位,或不同部門使用不同名稱。

第二,系統連接成本。

AI 必須連接財務、人資、客戶管理與其他企業工具,才能完成真正的工作。

第三,權限管理成本。

不是每位員工都應該看到所有公司資料。

第四,人工驗收成本。

AI 產生報表、預測或建議後,仍需要具備責任的人確認。

第五,流程改變成本。

員工必須知道何時使用 AI、如何檢查,以及發現錯誤時要向誰回報。

如何判斷這項投資是否值得?

不能只看 AI 工具每月多少錢。

企業可以同時計算:

  • 每項工作原本需要多少時間。
  • 導入後減少多少重複操作。
  • 錯誤與修改次數是否下降。
  • 員工是否真的持續使用。
  • 每個可接受成果的實際成本。
  • 資料整理與維護需要多少人力。

AI 帳單增加不一定代表失敗,但如果成本上升,流程與成果卻沒有改善,就必須重新檢查導入方式。

企業導入 AI 的真正問題,不是能不能產生答案,而是答案能不能建立在可信資料上,並實際進入工作流程。

今晚最重要的判斷

SAP 下修獲利預測,不代表它的 AI 策略失敗。

更準確的解讀是:企業軟體公司正在為下一階段的 AI 能力提前付費。

這筆成本顯示,AI 競爭正在從模型能力延伸到:

  • 誰能掌握企業資料。
  • 誰能安全連接既有系統。
  • 誰能符合不同產業規範。
  • 誰能把 AI 真正放進工作流程。

未來企業選擇 AI 平台時,最重要的可能不只是模型有多強,而是它能不能安全使用公司真正需要的資料。

今天,和 AI 一起進步一點。

每天學會一個 AI 技巧。

每天節省一點時間。

每天提升一點能力。

SasaDaily,陪你一起成長。

推薦閱讀