你的團隊不是沒有 AI,是 AI 一直出不了 Demo。
模型有了、資料有了,但一到企業落地,就會遇到治理、監控與信任問題;這也是今年的 Databricks Summit 聚焦的議題:企業如何把 AI 應用與 Agent,真正推進到 Production。
Databricks 是全球資料與 AI 領導平台。從 Lakehouse、MLflow 到 AI Agent,一個平台整合資料工程、資料科學、機器學習與 AI Agent部署的完整流程,讓資料和AI團隊不再為工具切換而頭痛。
今年 Databricks Summit 的主題「Build Apps and Agents That Work」,也把過去一年企業 Data / AI 團隊的關鍵字 AI Agent、GenAI App、Lakehouse、Governance、MLOps,收束到一個更明確的問題:企業如何打造真正能進入 Production 的 AI 應用與 Agent?
但對許多台灣團隊來說,真正困難的不是「做一個 Demo」,而是如何讓資料、模型、應用與 Agent 在企業裡被治理、被監控、被信任,最後真的進到 Production。
這次小聚,我們邀請到Databricks的An-Lei 與 Paul,用多年協助企業落地 Data + AI 專案的實戰視角,分享在 Databricks Data + AI Summit 的第一手觀察,並整理成今年企業 Data + AI 發展的幾個重要方向:從資料平台、AI 應用、Agentic Workflow,到企業治理與 production-ready AI 的落地條件。
這場分享不只整理 Summit 上的最新趨勢,也會幫助台灣資料團隊判斷,在企業 AI 走向 Production 的過程中,哪些方向才是真正值得優先關注的重點。
活動大綱
・Data + AI Summit 2026 的大趨勢:企業如何把 data、AI、apps、agents 放在同一治理平台上,成功推向 Production
・企業 AI 專案常見的卡點
・Summit 精華分享和個人 Takeaways
・從 in-house 到 SA 的日常
適合對象
- 資料工程師、Data Analyst、ML Engineer、Data Scientist,想了解企業 AI 技術方向的最新動態
- App 開發者與 DBA,正在評估如何將 AI 能力整合進現有系統與資料架構
- 正在推動或評估 Data + AI 專案落地的 Tech Lead、Engineering Manager 與 Product Manager
- 業務主管、IT 決策者與企業主,想掌握 AI 投資方向與落地條件
- 任何想搞清楚「企業 AI 專案為什麼卡關、怎麼真的上 Production」的人



