2026年数据分析和人工智能规划指南-Gartner.docxVIP

Gartner洞察

2026年数据分析和人工智能规划指南

SumitAgarwal、Georgia

O’Callaghan、ChristopherLong、

WilcovanGinkel、Maryam

Hassanlou、ZainKhan、CuneydKaya、RaúlArrabales

Gartner,Inc.|第1页，共28页

2026年数据分析和人工智能规划指南

2025年10月13日-ID-阅读全文约需30分钟

作者：SumitAgarwal、GeorgiaOCallaghan、ChristopherLongWilcovanGinkel、MaryamHassanlou、ZainKhan、CuneydKaya、RaúlArrabales

主题：面向技术专业人员的数据分析和人工智能；数据和分析解决方案的架构、实施及扩展；生成式AI资源中心

2026年，企业必须在加速推进AI和数据分析落地的同时最大化业务价值。为实现这一目标，数据和分析技术专业人员需充分利用所有可用数据，设计模块化、灵活的架构，并建立稳健的治理机制以确保可信度。

概述

主要观点

.数据分析技术与AI的融合，使得企业能够通过对话式界面对结构化和非结构化的数据进行分析。尽管这种方法具有变革意义，但其效果取决于AI智能体、大语言模型（LLM）技术及语义架构的成熟度，以确保能够得出可靠的分析结果。

.越来越多的企业已将生成式AI用例投入生产环境。大多数实施方案侧重于提高生产率，同时却面临着用户接受度低、投资回报难以量化等挑战。

.围绕生成式AI的风险认知增强以及监管审查升级，加剧了企业的担忧，导致审批与落地进程延缓。风险源于该技术的“黑箱”特性，以及对安全性、数据隐私和可靠性的担忧。

.企业在利用数据提升竞争优势和优化决策方面承受着越来越大的压力。同时，随着技术与产品的快速迭代，组织在技能、方案落地及风险意识方面的不足愈发凸显。

Gartner,Inc.|第2页，共28页

建议

.利用结构化和非结构化的企业数据构建全局视图，借助AI智能体和嵌入式模型推动敏捷决策。采用网格化分析方法，确保分析开发、部署和管理工作的一致性。

.推动AI能力从助手型应用向AI驱动的业务工作流演进，以提升业务影响和价值。审慎筛选高优先级用例，将其整合到业务流程工作流中，力求实现取得最优成果。

.将控制措施直接内嵌于架构之中，从而加强AI治理。推动架构评审委员会（ARB）参与建立并持续维护评估框架，用于审定AI相关的技术产品与架构决策。

.依托有效的变革管理，实施数据与AI素养提升计划，加速AI分析与解决方案的落地应用。借助技术趋势的驱动力，推动全组织范围内的技能提升。

分析和人工智能趋势

分析和AI能力正日趋融合，这一趋势显著提升了企业从数据中获取价值并做出决策的能力与敏捷性。目前，AI已嵌入所有主流技术平台，深刻重塑业务的运营模式。2026年，随着企业追求更为快速且智能的决策与卓越运营，AI将发挥关键作用。

《2025年Gartner人工智能调研：首席信息官和技术领导者观点》显示，82%的受访者认同其组织内部的变革步伐正在飞速加快，反映出AI创新的迅猛节奏。1新的生成式AI模型与AI智能体框架持续涌现，技术领导者的重大投入也预示着颠覆性变革将进一步深化。

这种融合为企业带来多重挑战与战略机遇：

.企业数据往往杂乱且结构多元，而多数分析工具仍仅适用于管理完善的结构化数据。

.诸如MicrosoftCopilot等AI工具虽能快速提升生产力，但当AI赋能完整工作流而不仅仅是孤立任务时，真正的业务转型才能发生。

Gartner,Inc.|