Gartner, Inc. 发布了2025年及以后的数据与分析（D&A）主要预测。核心亮点包括：一半的商业决策将通过人工智能（AI）智能体进行优化或自动化；高管的AI素养将推动更高的财务绩效；而合成数据管理中的关键失误将对AI治理、模型准确性和合规性构成风险。
Gartner副总裁分析师Carlie Idoine表示：“如今几乎所有事物——从工作到决策方式——都直接或间接地受到AI的影响，但AI本身并不能创造价值，它需要与analytics和数据治理紧密结合，才能在整个企业中实现智能和适应性决策与行动。”
Gartner建议企业使用以下战略假设来指导未来2至3年的规划：
到2027年，50%的商业决策将由用于决策智能的AI智能体进行增强或自动化
决策智能结合数据、analytics和AI，创建支持并自动化复杂判断的决策流程。AI代理通过处理多源数据的复杂性、分析和检索来增强这一过程。Gartner建议Data & Analytics领导者与业务利益相关者合作，识别并优先处理对公司成功至关重要的决策，以及那些可以从更有效的analytics和AI应用中受益的决策。
Idoine强调：“用于决策智能的AI智能体并非万能药，也不是无懈可击的。它们必须与有效的治理和风险管理结合使用。人类决策仍然需要适当的专业知识，以及数据和人工智能素养。”
到2027年，强调高管AI素养的企业相比未这样做企业，其财务绩效将高出20%
为了释放人工智能的全部商业潜力，必须发展高管的AI素养。他们需要了解人工智能的机会、风险和成本，以便做出有效且面向未来的投资决策，从而加速组织成果。Gartner建议数据与分析（D&A）领导者为高管引入实验性提升计划，例如开发特定领域的原型，使人工智能变得具体可感，这将带来更大规模且更合适的AI资源投资。
到2027年，60%的数据与分析（D&A）领导者将在合成数据管理中面临关键性失败，从而危及AI治理、模型准确性和合规性
使用合成数据训练AI模型现在是提高隐私性和生成多样化数据集的essential strategy。然而，确保合成数据准确代表现实世界场景、有效扩展以满足不断增长的数据需求并与现有的pipelines和数据系统无缝集成，带来了复杂性。
Idoine指出：“为了管理这些风险，企业需要有效的元数据管理。元数据提供必要的上下文、血缘关系和治理，以负责任的方式追踪、验证和管理合成数据，这对于保持AI准确性并满足合规标准至关重要。”
到2028年，30%从试点阶段进入大规模生产的GenAI应用将是内部创建的，而不是使用现成应用程序部署的，旨在降低成本并增加控制权
内部创建Generative Artificial Intelligence（GenAI）模型提供了许多现成工具无法比拟的灵活性、控制和长期价值。随着内部资源的增加，Gartner建议企业采用清晰的框架来决定versus构建还是购买，该框架应考虑成本、上市时间、可用技能集、集成资源、合规性和风险。
到2027年，优先考虑AI就绪数据语义的企业将使GenAI模型的准确性提高高达80%，并将成本降低高达60%
GenAI中的低质量语义导致更多的幻觉、所需的tokens更多以及更高的成本。重新思考以主动元数据为重点的数据管理的公司提高了模型的准确性和效率，拥有更多ready for AI data并降低了计算成本。根据Gartner的说法，这使得AI代理能够更有效地运作，并促进整个公司的更快、更明智的决策。
到2029年，全球10%的董事会将利用AI指导来质疑对其业务至关重要的执行决策
随着人工智能融入董事会战略，对强大的数据治理、监管清晰度和声誉管理将进一步加强。Gartner建议董事会明确人工智能在决策中的参与边界，并制定关于监督、责任和监管合规的清晰政策。这将使他们能够将人工智能用作战略顾问，同时保持信任和掌控力。
Gartner客户可阅读“预测2025：AI驱动的分析将彻底改变决策制定”和“Predicts 2025: CDAOs Must Embrace Their Role in AI or Risk Credibility Loss”。更多信息可在免费的Gartner网络研讨会“The Gartner Top Data & Analytics Predictions for 2025”中获取。