商业与技术洞察公司Gartner发布了2026年及未来数据和分析（D&A）重要预测。人工智能（AI）预计将对数据和分析全领域产生影响，包括领导力、治理体系、人才需求、市场动态、语境需求及非文本模型。

Gartner杰出研究副总裁Rita Sallam表示：“数据与AI的发展速度如此迅猛，每一年都如同迈入科幻小说的新篇章。2026年，人类、机器与组织智能的边界将不断模糊。企业以前所未有的方式依赖数据，AI系统不仅是辅助工具，更是协同工作的‘合作伙伴’。这些预测将为领导者提供一张应对未来机遇与挑战的蓝图。”

到2027年，75%的招聘流程将在录用环节加入工作场所AI能力认证与测试。

AI创新的速度惊人，这使得制定有针对性的AI驱动型人才战略迫在眉睫。如果领导者未能使技术人才战略跟上时代步伐，其企业可能会永久落后于成功实现人机协作的竞争对手。

Sallam表示：“数据和分析领导者应推动落实严格的数据驱动型技能评估，以发现其AI愿景与IT人才就绪度之间的差距。”

到2027年末，GenAI与AI智能体的应用，将给主流生产力工具带来30年来首次真正挑战，并引发价值580亿美元的市场格局重塑。

如今，新内容创作往往不再是从零开始，而是越来越多地先使用GenAI获取大量内容并以多种方式整合。编辑过程也常常是利用AI不断重写内容，而非作者手动修改。

随着价值不断向代理型AI体验转移，AI将持续引发生产力套件领域的新一轮竞争。数据和分析领导者必须要求工具适配当下需求，例如，新型用户界面、插件、文档类型及格式等。

到2029年，AI智能体从物理环境中产生的数据量预计将达到所有数字AI应用数据总和的10倍。

物理世界中的代理型AI应用因与环境交互而在逻辑、空间及多智能体场景中产生海量轨迹数据。这为世界模型创造了从数据中学习规律并进行精准预测与模拟的独特机遇。

到2030年，50%的企业将使用自主AI智能体将治理政策与技术标准转化为机器可验证的数据合约，实现合规与治理政策的自动化执行。

到2030年，50%的AI智能体部署失败将源于AI治理平台运行时能力执行与多系统互操作性方面的不足。短期内，使用大语言模型（LLM）作出的无治理决策将导致企业遭受经济或声誉损失。

Sallam表示：“数据和分析领导者应在低风险流程中尝试使用数据治理智能体，来编排并实现协商流程的自动化。在尝试进一步扩展前，他们需要验证智能体能否在受控环境中正确解读上下文和协议。同时，分析工作流也应重新设计，增加强制性评估阶段。”

到2030年，将出现一批新的独角兽企业。这些企业的人均年度经常性收入达200万美元，估值突破十亿美元。其增长动力并非来自投资者资本，而是源于极致的资本效率。这种效率产生的估值倍数源于实际业绩，而非未来承诺。

领先的AI原生初创企业正通过三条路径实现空前的增长效率：使用专有AI解决特定的服务不足问题、将AI嵌入工作流，以及提供简洁直观的用户体验加快普及速度、养成使用习惯和产生可观的商业价值。

Sallam表示：“各行业企业都需要遵守新的标准。数据和分析领导者可以向这些以AI为中心的初创企业学习。这些企业通过聚焦少数拥有重大股权的员工，同时选择能够快速适应新AI工具的技术中立型全栈工程师和通才实现快速增长与盈利。这种模式使企业（及团队）能以更少的资源实现高效增长。”

到2030年，60%通过AI成功实现差异化的企业将由重视人际关系技能的高管领导。

随着企业日益认识到以人为本的战略愿景在AI应用中的价值，具备强大联盟构建与影响力技能的首席数据和分析官（CDAO）将晋升至首席执行官（CEO）等更高层级的高管岗位。

到2030年，通用语义层将与数据平台、网络安全并列为关键基础设施。

对于主导或支持AI的数据和分析领导者而言，构建通用语义层已成为一门“必修课”。这是提高准确性、管控成本、大幅削减AI债务、协调多智能体系统及遏制高成本不一致性扩散的唯一途径。数据和分析领导者必须将语义能力纳入预算，将其作为不可妥协的基础。

到2028年，50%的内容风险岗位将从法律和网络安全部门转移至AI工程部门，以应对孤立保障流程引发的固有风险。