Gartner无疑是全球最受尊敬的信息技术分析公司。因此，当该公司的分析师和副总裁们，在公司的数据与分析峰会上分享他们的想法时，确实值得关注。

在大数据与分析领域，或者说在任何领域，真正能推动企业发展的因素，并不一定是大家热议的那些话题。炒作之风前所未有地席卷着我们的社会，但那些市值数十亿美元的公司往往行事谨慎。他们不会一头扎进最新的潮流中，而是更倾向于进行尽职调查。

凭借与企业的紧密合作关系，在信息技术投资方面，Gartner往往代表着理性的声音。其著名的技术成熟度曲线反映了这样一个事实：新技术往往在尚未真正发挥作用之前就会销声匿迹，而另一些技术则需要数年时间才能走向成熟。这是一种务实的方法，虽然并不总能成为引人注目的大新闻，但却能赢得那些身着正装、掌管财务大权之人的关注。

那么，话虽如此，Gartner的专家们认为数据与分析领域将会发生什么呢?他们认为公司应该投资哪些新技术或新方法呢?生成式AI和人工智能代理(AI Agent)是真正的技术进步，还是也会迅速消失呢?Gartner分享了他们对这些话题的看法。

首先，让我们来看看Gartner副总裁兼分析师Gareth Herschel列出的数据与分析领域的九大趋势：

1. 高易用性数据产品

2. 元数据管理解决方案

3. 多模态数据架构

4. 合成数据

5. 智能体分析

6. 人工智能代理

7. 小型语言模型

8. 组合式人工智能

9. 决策智能平台

这份清单中包含了一些受炒作驱动的技术，具体来说就是智能体分析、人工智能代理和小型语言模型。这些领域确实存在潜力，正如我们在BigDATAwire中所写的那样。

但从炒作的角度来看，Gartner副总裁兼分析师Kurt Schlegel清单上的其他内容则相当平淡。数据产品、元数据管理和数据架构本身并不一定就是最终目标，而是数据与分析团队在尝试构建更高级的分析和人工智能产品之前，最好先建立起来的基础组件。组合式人工智能和决策智能平台也是如此，它们与过去两年中在分析和人工智能领域盛行的“一切都用ChatGPT”的趋势背道而驰。

每个企业环境都各不相同，科学和技术计算领域的组织处理的数据不同，需求也不同。但企业之间存在着足够多的共性，以至于一家公司的首席技术官(CTO)能够看到另一家公司在建立坚实的数据与分析基础方面的成功经验，如何能转化为自身在数据与分析方面的成功，这也是Gartner方法论的重要组成部分。

应对数据与分析方面的困境

我们都容易患上“闪亮物体综合征”，而生成式AI(GenAI)无疑是那个最新的吸引了我们所有注意力的闪亮物体。

无论如何，实施人工智能和分析并非易事，而你应对挑战的方式在很大程度上决定了你最终的成败。Schlegel再次给出了一些明智的建议，这些建议不浮夸，而是注重实质内容。

挑战一：建立信任。Schlegel说：“向关键利益相关者提前通报行业和技术趋势，重点关注其影响，而非炒作。”

挑战二：展示效益。他说：“通过找出阻碍数据驱动型决策的因素，并确定其对业务成果的下游影响，将数据痛点和机遇与组织目标联系起来。”

挑战三：确立以解决方案为先的方法。Schlegel继续说道：“现代数据与分析战略架构将数据质量和数据治理作为实时洞察和跨职能可操作响应的来源。”

挑战四：关注的不仅仅是技术。他说：“以解决方案为先的方法需要深入理解问题及其产生的原因。一旦理解了问题，就确定或创建一个解决方案来解决它。技术变化迅速，所以要对新的可能性持开放态度。”

挑战五：明确业务部门和信息技术部门之间的职责。Schlegel总结道：“建立一个混合多层组织模型，并确定全球中心和首席数据与分析官(CDAO)的定位。平衡传统角色和新兴角色，并积极与领域角色合作。”

生成式AI与人工智能代理(AI Agent)

Gartner有一道抵御炒作的防护屏障，这通常能使其分析师避免陷入如今数据与分析领域中“一切都用ChatGPT”的趋势。但Gartner的专家们也认识到生成式AI确实有潜力提高一系列数据与分析任务的效率。

在生成式AI的讨论中，大语言模型(LLMs)占据主导地位，但Gartner副总裁兼分析师Sumit Agarwal认为，未来小型语言模型(SLM)可能会大量涌现。

根据Gartner的一份新闻稿，Agarwal表示：“自2017年Transformer架构推出以来，自然语言处理领域最重大的进展是通过将模型规模和训练数据集从数百万扩展到数万亿来实现的，这带来了能力的指数级增长。”

然而，这种趋势可能不会持续下去。具体来说，在处理私人信息的本地部署或私有云场景中，小型语言模型可能具有优势。Agarwal还表示，小型语言模型在模型的可定制性方面也具有优势，这能带来更高的准确性、稳健性和可靠性。最后，他指出企业可以通过将“静态组织知识”直接嵌入小型语言模型中，进一步提升生成式AI的效果，这可以降低成本并提高效率。

AI Agent已成为数据与分析领域中最新的人工智能热点，引发了广泛关注，尤其是在自动化数据管理和治理任务方面，就像阿拉廷和伊穆塔正在做的那样。Gartner的主任分析师Ben Yan就企业如何将人工智能代理集成到自身环境中提供了一些见解。

根据一份新闻稿，Yan鼓励公司为AI Agent能做好准备，首先要确定那些人工智能代理能发挥重大作用的应用场景。他说：“让软件工程团队为人工智能代理有意义的颠覆性实践做好准备。”

他还建议企业大力提升人工智能素养，因为人工智能代理的部署“意味着要更深入地理解组合式人工智能技术”，这些技术融合了多种人工智能技术，如传统数据科学、机器学习、知识图谱和优化技术。最后，Yan表示，人们应该通过熟悉“软件模拟环境”，为人工智能代理的下一阶段发展做好准备。

加速传统分析工作流程是生成式AI可以提高生产力的一个领域。Gartner杰出副总裁兼分析师Rita Sallam分享了她对生成式AI将对分析领域产生的影响的看法。

Sallam认为，首先，生成式AI将加快业务开展的速度，提供一个更紧密连接的生态系统，并为持续学习和改进奠定基础。面临的挑战在于如何以一种使业务受益的方式使用人工智能，同时应对与人工智能在可扩展性和伦理方面相关的风险。

Sallam补充道：“感知分析利用基于大语言模型的推理和人工智能代理，以实现主动的、基于上下文的、以结果为导向的决策。到2027年，增强分析能力将演变为自主分析平台，能够全面管理和执行20%的业务流程。”