Gartner观点：2026年数据和分析重要趋势预测

近日，Gartner发布了2026年及未来数据与分析领域的重要预测：人工智能将在数据与分析全领域产生深远影响，覆盖领导力建设、治理体系完善、人才能力需求、市场发展走向、语境适配标准以及非文本模型应用等核心维度。Gartner研究副总裁Rita Sallam表示，2026年，人类、机器与组织智能之间的边界将不断模糊，企业将以前所未有的方式依赖数据，AI系统不再只是单纯的辅助工具，更将成为企业发展中协同发力的“合作伙伴”。文章核心观点见下图：

图片：AI生成

一是人才战略，AI驱动下的人才能力重构迫在眉睫

AI技术迭代速度极快，制定与之相适应的人才战略已成为一项紧迫任务。若企业领导者未能及时调整技术人才战略，跟上AI发展节奏，很可能被率先实现人机协同的竞争对手拉开差距，甚至陷入长期被动。Gartner预测，到2027年，75%的招聘流程将在录用环节增设工作场所AI能力认证与测试。Sallam表示，数据与分析领域的领导者应建立严格的数据驱动型技能评估机制，通过科学评估找准企业AI愿景与现有人才能力之间的差距。

二是市场变革，GenAI与AI智能体搅动生产力工具格局

生成式AI与AI智能体的广泛落地，正对主流生产力工具带来突破性冲击，重塑市场格局。内容创作的方式已悄然改变：从过去的从零原创，转向先借助生成式AI获取大量基础内容，再通过多种方式进行整合优化。Gartner预测，到2027年末，生成式AI与AI智能体将给生产力工具领域带来30年来首次实质性挑战，波及市场规模约580亿美元。随着商业价值不断向代理型AI体验倾斜，生产力套件领域的竞争格局也将随之重塑。数据与分析领导者应关注工具是否契合行业最新变化，例如是否支持新型交互界面、可扩展的插件体系，以及多样化的文档类型与格式。

三是数据爆发，物理环境AI数据成为下一代发展关键

物理世界的代理型AI应用与现实环境持续交互，在逻辑运算、空间感知与多智能体协同等场景中，将产生海量轨迹数据。Gartner预测，到2029年，AI智能体从物理环境生成的数据量将达到所有数字AI应用数据总和的10倍。这一趋势为世界模型提供了重要发展空间，使其能够从海量数据中提炼规律，进而实现更精准的预测与模拟。

四是治理升级，AI智能体推动合规与治理自动化

到2030年，50%的AI智能体部署失败的原因，往往出在AI治理平台运行时能力不足，以及多系统之间的互操作性短板。Gartner预测，到2030年，50%的企业将采用自主AI智能体完成治理政策与技术标准向数据合约的转化，实现合规与治理的自动化执行。Sallam提醒，数据与分析领导者可从低风险流程入手，尝试使用数据治理智能体实现协商流程的编排与自动化。在扩大应用范围之前，应先在受控环境中验证智能体对上下文信息与相关协议的解读是否准确。同时，还需重新设计分析工作流，增加强制性评估环节，以确保决策的合规性与合理性。

五是企业新势力，资本效率主导AI独角兽成长

未来将涌现一批以极致资本效率驱动成长的独角兽企业。这类企业的发展动力不依赖外部资本注入，而是来自高效的资源利用与扎实的经营业绩，其估值倍数建立在真实业绩之上，而非未来预期。领先的AI原生初创企业主要通过三条路径实现这种高速增长：第一，运用专有AI技术填补特定领域的服务空白；第二，将AI能力深度嵌入业务流程，提升运营效率；第三，打造简洁直观的用户体验，加快产品普及、培养使用习惯，从而形成可观的商业价值。Gartner预测，到2030年，这类新独角兽企业将陆续出现，人均年度经常性收入可达200万美元，估值突破十亿美元。

六是领导力趋势，人际技能成为AI时代高管核心竞争力

未来，那些借助AI成功实现差异化发展的企业，大多将由看重人际技能的高管掌舵。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，具备联盟构建与影响力能力的首席数据和分析官（CDAO），将有机会晋升至首席执行官（CEO）等更高层级岗位，主导企业的整体发展方向。

七是基础设施，通用语义层成为数字化核心支撑

未来，通用语义层将与数据平台、网络安全一道，成为企业数字化发展的关键基础设施。对于主导或支持AI发展的数据与分析领导者而言，构建通用语义层已是一门“必修课”。Gartner预测，到2030年，通用语义层将跻身三大关键基础设施之列。这是提升数据准确性、控制运营成本、削减AI债务、协调多智能体系统以及遏制高成本不一致性蔓延的有效路径。数据与分析领导者需将语义能力建设纳入预算，作为基础工程予以推进。

八是岗位迁移，内容风险管控向AI工程部门转移

未来，大量内容风险相关岗位将从法律和网络安全部门转移至AI工程部门，以破解因保障流程分散带来的固有风险。Gartner预测，到2028年，这一迁移比例将达到50%。当前，风险管控职能正逐步融入AI工程、数据科学及软件开发流程。相关团队需构建能够智能生成与管理内容的系统，通过在设计阶段嵌入控制功能，提前化解潜在风险。这一转变有助于企业在伦理与法律框架内，实现更高效、更负责任的AI创新，尤其是在AI模型决策需要结合用户情境的场景中。