当下，数据和分析与人工智能深度交织，成为推动行业变革的关键力量。一方面，人工智能离不开海量、多维数据的支撑；另一方面，数据和分析则专注于通过人工智能加速挖掘数据价值。不过，这一融合进程并非坦途。Gartner研究副总裁孙鑫指出，在人工智能的浪潮中，数据种类与来源的日益多元化，极大地增加了数据处理和分析的复杂度。同时，业务部门对数据洞察的需求也悄然转变，从传统的报表和仪表盘，迈向更加自然、高效的交互方式。
这些新变化不仅为企业和人员管理带来了挑战，也催生了数据与分析领域的新趋势。近日，Gartner正式发布了这些新趋势，涵盖高消耗数据产品、元数据管理解决方案、多模态数据编织、合成数据、代理式分析、AI代理、小语言模型、复合型AI，以及决策智能平台等方面。孙鑫进一步表示：“当前，企业亟需充分挖掘并利用数据，以应对愈发复杂的业务需求。Gartner提出的建议将助力企业实现数据价值，推动AI战略落地。”
数据和分析领域，AI代理迸发新的价值
自2023年AutoGPT开启智能体时代新篇章，AI代理作为新一代智能交互范式迅速崛起，展现出蓬勃活力。进入2024年，其发展势头更是迅猛，呈现爆发式增长。从个人助手到企业级解决方案，从通用型到垂直领域专家型AI代理，正深刻重塑着数字世界的运行规则。近期，不少企业的探索与实践，让AI代理掀起了AI领域的新一轮热潮。
根据Gartner的定义，AI代理为自主或半自主的软件实体，使用AI技术在其数字或物理环境中感知、做出决策、采取行动并实现目标。这个定义包含多个关键要素，如自主性、作为软件实体存在、使用AI技术、具备感知环境和操作环境的能力、能够基于目标作出决策并规划行动、最终旨在达成设定的目标、以及在数字或物理环境中运作。
在数据和分析领域，AI代理是重要趋势之一。孙鑫认为，数据分析组织面临的一大挑战是，传统BI层在数据分析中的角色与定位已受到新兴AI代理的冲击，这种冲击并非直接取代BI，而是越来越多企业开始重新思考BI的执行方式。比如，是否可以从数据库侧或数字化办公系统开展BI工作，再比如，是否可以利用智能体能力在这些系统中完成部分BI任务。实践证明，AI代理对于满足临时的、灵活的或复杂的自适应自动化需求至关重要。
Gartner建议，D&A领导者应使AI代理能够无缝访问和共享所有应用的数据。“当下，企业需关注的是AI代理能否胜任BI工作，以及在不同场景下如何有效应用。比如，探索在数据库层面构建针对特定业务语义或类别的AI 代理，以优化数据提取流程，或在数字化办公系统中提升用户体验，使BI工作更加高效便捷。”孙鑫如是说。
代理式分析也成为重要趋势，Gartner认为，使用AI智能体进行数据分析，完成业务成果的自动化闭环具有变革性意义。并建议尝试开发自然语言接口连接业务洞察的用例，并评估供应商的数字化工作场所应用集成路线图。同时，建立治理机制可最大程度地减少错误和幻觉，并且通过AI就绪数据原则评估数据就绪度十分重要。
小语言模型将在数据与分析领域发挥更大的价值
长期以来，谷歌等科技巨头和OpenAI等公司利用海量数据打造大型AI模型，这些大型语言模型作为ChatGPT等聊天机器人的核心，能够协助用户完成从代码编写、行程规划到诗歌创作等多样化任务。但自ChatGPT出现后，尽管AI模型不断变大变强，科技公司却开始关注小型语言模型（SLM），这些模型不仅具备专业领域的独特优势，而且在部署成本上更为经济，能源消耗也更为节约。
孙鑫指出，小语言模型也有明显的优势：成本效益高，部署与维护便捷，对计算能力和内存要求低，适合资源有限或想降低运营成本的组织；在任务明确、专业性强的场景中表现出众，能针对特定应用轻松微调，提升性能；适用于处理敏感数据的应用，可在本地或私有云部署，减少隐私问题和合规性风险。
在数据和分析领域，Gartner更推荐企业考虑使用小语言模型，以便在特定领域获得更加准确、更符合语境的AI输出结果。孙鑫表示，目前已经有企业针对金融数据专门训练了定制化的财务或金融小模型，这些模型能够精准处理财务或金融相关工作，而不必承担处理其他任务的负担，展现了小模型在特定场景下的巨大价值。
为此，Gartner建议提供用于检索增强生成或微调自定义领域模型的数据，特别是在本地使用时，可以处理敏感数据并减少计算资源和成本。
合成数据、复合型AI，数据分析领域还有哪些趋势？
Gartner还建议，为了充分利用高消耗数据产品，D&A领导者应重点关注关键业务用例，通过产品关联和规模化来减少数据交付方面的挑战，优先交付可重复使用和可组合的最小可行数据产品，以便让团队不断改进这些产品。同时，D&A领导者还必须在数据生产和使用团队之间就关键绩效指标达成共识，这对于衡量数据产品的成功至关重要。
有效地元数据管理解决方案也是很有必要的。Gartner指出，有效的元数据管理应先从技术元数据出发，然后扩展到业务元数据以增强上下文。通过整合各种类型的元数据，企业能够实现数据目录、数据脉络和AI用例。因此，选择有助于自动发现和分析元数据的工具势在必行。
多模态数据编织已成为重要的数据和分析技术。Gartner认为，建立强大的元数据管理实践涉及获取和分析整个数据管道中的元数据。数据编织提供的洞察和自动化可满足编排需求、通过数据运维（DataOps）实现更卓越的运营，并最终实现数据产品。
在推进AI行动的过程中，识别缺失、不完整或获取成本高的数据同样至关重要。此时，合成数据既可以作为原始数据的变体，也可以替代敏感数据，能够在促进AI发展的同时保护数据隐私。
与此同时，复合型AI的兴起为提升AI的影响力和可靠性提供了新的路径。D&A团队不应局限于GenAI和LLM（大语言模型），还应整合数据科学、机器学习、知识图谱以及优化等技术，以实现全面的AI解决方案。
值得注意的是，从数据驱动到以决策为中心的转变已成为当下AI发展的必然趋势。为此，Gartner为此提出了一系列建议，包括优先考虑急需建模的业务决策、调整决策智能（DI）实践、评估DI平台。成功实现这一转变的关键，在于重新发掘数据科学技术并解决决策自动化的道德、法律和合规问题。
写在最后
当下数据和分析与人工智能的深度融合正引领着行业变革的新浪潮。从AI代理的蓬勃发展到小语言模型的崛起，从合成数据与复合型AI的创新应用到元数据管理与多模态数据编织的技术突破，这些新趋势不仅为企业应对复杂业务需求提供了有力武器，也为数据价值的深度挖掘和AI战略的落地实施指明了方向。
Gartner提出的一系列建议，体现了对行业发展趋势的深刻洞察和前瞻思考。这些建议不仅有助于企业提升数据处理和分析能力，更能推动企业在AI时代实现创新发展和转型升级。面对未来，企业应积极拥抱新趋势，不断探索和实践，以数据为驱动，以AI为引擎，推动业务创新和发展，实现更加智能、高效、可持续的未来。
(9682533)
