2026趋势报告：数据与人工智能

1 2026趋势报告：数据与人工智能2026趋势报告：数据与人工智能2报告概览2026行业特定趋势2026年数据与人工智能趋势2026趋势报告：数据与人工智能简介：大（的）脱节各行业人工智能雄心与实际运营之间的差距不断扩大如何为2026做准备构建准备状态并避免常见陷阱的关键行动2026年AI的成功将由数据基础设施驱动，而非新模型 1.为什么现代数据基础设施而不是最新的AI模型为企业带来最高的投资回报率7. 表现优异的公司正在协调数据、人员和目标，以负责任的方式扩展人工智能成功组织了解自身、其数据和其人员的内容6. 企业正在优先考虑数据生命周期管理、现代化和人力能力塑造未来18个月人工智能驱动转型的战略重点人工智能正从概念验证阶段发展到企业级部署 3.人工智能从测试和试点转向各行业的战略性、生产就绪型应用组织正从广泛实验转向具体、高价值 2.用例从炒作转向专注：经过验证、可衡量的应用取代了漫无目的的实验5. 语义建模、对话智能和治理正成为关键的不同点定义可扩展性、信任和负责任的人工智能采用的隐藏促进因素结论：基础决定未来前方的三条道路以及为什么坚实的基础决定了你选择哪一条4. 公司正在重新思考无法扩展的短期、技术优先的人工智能战略组织如何从早期错误中学习航空、零售、媒体、医疗保健和科技行业的部门预测，以及人工智能如何重塑运营、创新和人才3 转化与现代化的区别被模糊了。许多2026趋势报告：数据与人工智能简介：大（的）脱节2026趋势报告：数据与人工智能DataArt专家就人工智能实际应用领域、阻碍企业发展的常见问题以及未来18个月将决定成功的优先事项提供的见解。文化产业，例如，生动地揭示了这种不匹配。组织热情地采用人工智能和扩展现实工具用于游客互动，然而，在调查的文化机构中，82%缺乏用于生产部署的数据治理框架和员工技能。音乐产业承认数据是一项关键资产，但仍受碎片化及元数据标准化缺乏的限制。虽然公司声称在拥抱尖端创新，但其中许多的工作流程仍未被其影响。这与其说是采用生成式人工智能，不如说是使日常工具现代化。本报告综合了2025年9月和10月对DataArt高级数据、AI和技术领导者进行的全面访谈的发现。在本报告期间，您将发现这些专家的直接见解——他们是构建数据平台、部署AI解决方案以及日常指导企业转型的实践者。他们的观点反映了AI的真实能力和最常见的失败点的实际经验，揭示了AI实施中真正有效和无效之处。金融服务也讲述了一个相似的故事。通用人工智能在关于生产力、潜在裁员以及竞争优势的讨论中占据主导地位。然而，实际实施主要发生在技术团队和高级分析组内。金融、风险和基金管理的核心业务功能仍然高度依赖从1990年代或21世纪初遗留数据库中提取并由手动填充的Excel文件。这种分歧在不同行业都表现明显。公司在新闻稿中宣布人工智能计划，而财务团队则手动在不同系统间复制数据。高管们倡导数据驱动决策，但当结果与直觉冲突时又会推翻分析结果。技术部门像离岸服务提供商一样运作，而非战略合作伙伴，导致了理解碎片化和缓慢的接口，从而扼杀了创新。大多数企业所谓的 AI 应用，实际上只是员工使用 ChatGPT 进行搜索和邮件生成。真正的应用是指公司利用 AI 自动化流程、实现新能力，并服务于其特定的业务和客户需求。组织对AI的预期与实际交付所需之间存在一个基本差距。决策者追求低成本转型性胜利，而忽视了使这些胜利成为可能的基础性工作。42026趋势报告：数据与人工智能点状实施关键基础，常常缺失2026年数据与人工智能趋势公司关注点在哪里人工智能应用层次GenAI飞行员与POCsGenAI飞行员与POCs流程自动化与分析流程自动化与分析数据平台与治理数据平台与治理公司在实际进行现代化时，会谈论转型。他们声称要利用人工智能、数据平台和自动化来重新创造他们的业务。但在实践中，大多数精力都花在修复旧系统、清理数据或集成彼此无法通信的工具上。这项工作是必要的，但它不是转型。我坚信改进数据管理是我们客户所有工作的核心。如果贵企业的数据是孤立的、难以修改、难以访问、管理方式成为瓶颈，并且局限于狭隘的应用场景，那么就很难取得进展。”1 2026年人工智能的成功将是由数据基础设施驱动，而非新模型如果2025年是人工智能实验之年，那么2026年将是基础核算之年。目前最高投资回报率的技术投资是数据基础设施，而不是最新的AI模型。构建合适的管道、建立清晰的公司级数据管理方法，并使数据高度可用且尽可能接近实时，代表着最佳的回报率举措人工智能应用层次 人工智能应用层次对于任何公司。从那里开始，实施分析和人工智能解决方案可以创造巨大的财务收益。公司对其云计算平台的投资正在推动当前最显著的业务成果。这是因为这些项目能够对企业产生影响的成熟度和规模——在这一点上，人工智能尚未能够匹敌这种规模。真正的转型发生在技术真正改变决策方式、人们的工作方式以及顾客体验品牌的时候。这需要更深层次的文化转变，而不仅仅是新的技术堆栈。52026趋势报告：数据与人工智能开发者生产力工具已实现近乎普遍的应用。像Cursor这样的工具现在已成为标准。在非结构化文档处理方面存在强劲的势头：提取、摘要以及有限的交叉检查正变得常规且可靠。三到五年前投资了云计算平台的公司现在正看到这些投资带来回报，其规模是人工智能目前无法匹敌的。具备明确边界条件的数据平台，以支持自助式分析，仍然是优先事项。技术已经存在，因此公司需要先实施它，再去追求更奇特的性能。软件开发代表AI最大的成功和最大的复杂性。编码助手的效率收益因开发者的经验水平及项目背景而差异显著。当工程师缺乏成熟度或高级经验时，使用编码助手的结果可能不一。数据治理需要特别关注。多个组织已在内部分别实施了微软Copilot等工具，但缺乏适当的访问权限和治理，导致员工之间意外共享敏感信息。这并非真正的人工智能问题，而是数据权限和治理的失败。在准备人工智能时，强大的治理框架需要成为优先事项。2 组织正从广泛的实验转向具体的高价值用例该模式在各行业重复出现。航空公司需要数据共享平台，以实现与第三方实体的合作。在媒体和娱乐行业，投资将人工智能与强大的数据管理相结合，能够带来切实的成果，包括超个性化的客户体验、内容与受众趋势的先进分析，以及新的盈利机会。数据是人工智能运行的燃料，公司需要专注于他们的数据，并通过人工智能从中获取其内在价值。”最具影响力的投资聚焦于去中心化数据平台，尤其是数据网格架构以及来自Snowflake、Databricks等主要云平台提供的现代技术堆栈。这些平台提供快速、可访问、API驱动的架构，解锁敏捷性、民主化数据访问，并奠定GenAI集成的基石。投资是创新的战略赋能者，能够提升速度和竞争优势。尽管每个人都谈论人工智能，但客户在数据管理和治理的基础方面仍有重大问题。专注于销售、服务、营销和运营支持的数据项目仍然是基础。”多个领域显示出AI带来的可衡量影响：效率提升、流程自动化、文档自动化、客户支持、教育、内容创作和软件工程。AI优先解决方案已经成熟，足以在大多数行业实现商业成果。人工智能可以极大地促进软件开发，但大多数团队难以有效利用它。有时，营销宣传超出了人工智能实际所能交付的内容，因此团队必须谨慎选择应用它的地方。但