现在是每年进行预测和趋势分析的时刻，随着数据科学和人工智能对全球经济愈发重要，领导者关注新兴的人工智能趋势变得至关重要。

似乎没人会用人工智能来做这些预测，我们也不例外。以下是我们认为领导者应该了解和关注的 2025 年人工智能趋势：

1. 领导者将同时应对智能体人工智能的前景与炒作

我们先来说说智能体人工智能 —— 这种能够独立完成任务的人工智能。它无疑会成为 2025 年 “最热门的人工智能趋势”。智能体人工智能的崛起似乎不可避免：科技供应商和分析界的所有人都对人工智能程序协作完成实际工作（而不仅仅是生成内容）的前景感到兴奋，尽管没人完全确定它将如何运作。据调查，37% 的 IT 领导者认为他们已经拥有了智能体人工智能；68% 的人预计很快就会拥有，并准备在六个月或更短时间内为此投入资金；还有一些人对此表示怀疑，认为这主要是供应商的炒作。

大多数技术高管认为，这些自主协作的人工智能程序将主要基于专注的生成式人工智能机器人，这些机器人将执行特定任务。大多数人认为将会出现这些智能体的网络，许多人希望智能体生态系统比过去的人工智能需要更少的人工干预。一些人认为该技术将全部由机器人流程自动化工具协调；一些人提出智能体将由企业交易系统调用；还有一些人假设会出现一个控制一切的 “超级智能体”。

以下是我们的观点：将会有生成式 AI 机器人按人类指令完成特定内容创作任务。但要完成重要任务 —— 如预订旅行或进行银行交易，需要多个智能体 AI 工具协作。然而，这些系统仍通过预测下一个提示来工作，有时会导致错误或不准确，因此仍需要人类偶尔进行检查。

最早的智能体将用于涉及少量资金的小型结构化内部任务，例如在 IT 端帮助修改密码，或在人力资源系统中预订休假时间。我们认为，短期内企业不太可能让这些智能体直接服务于消费真金白银的真实客户，除非有人类审核或交易撤销机制。因此，除了撰写关于智能体 AI 的博客文章这类新工作，我们预计该技术在 2025 年不会对人类劳动力产生重大影响。

2. 生成式 AI 实验需进入效果衡量阶段

人们对智能体兴奋的原因之一是，截至 2024 年，生成式 AI 的经济价值仍难以证明。我们在去年的 AI 趋势文章中提出，生成式 AI 的价值仍需验证。兰迪的《2025 年 AI 与数据领导力高管基准调查》显示，数据和 AI 领导者对生成式 AI 创造价值充满信心：58% 的受访者表示，其组织通过 AI 实现了生产力或效率的指数级提升，另有 16% 表示通过生成式 AI 工具 “将知识工作者从平凡任务中解放出来”。我们希望这些积极的信念是正确的。

但企业不应仅凭信心行事。很少有公司真正仔细衡量生产力提升，或弄清楚被解放的工作者如何利用腾出的时间。仅有少数学术研究衡量过生成式 AI 的生产力提升，结果普遍显示有一定改善，但并非指数级变化。Goldman Sachs是少有的在编程领域衡量生产力的公司，其开发人员报告生产力提升约 20%。大多数类似研究发现，生产力提升存在偶然性因素 —— 例如新手在客户服务和咨询领域提升更多，而经验丰富者在代码生成领域表现更好。

在许多情况下，衡量生产力提升的最佳方式是开展对照实验。例如，一家公司可以让一组营销人员使用生成式 AI 创作内容（无需人工审核），另一组使用 AI 并进行人工审核，对照组则完全不使用 AI。然而，目前很少有公司这样做，这种情况需要改变。鉴于生成式 AI 目前对许多公司而言主要用于内容生成，若想真正理解其益处，我们还需开始衡量内容质量 —— 而知识工作产出的质量衡量向来困难。例如，如果生成式 AI 能更快撰写博客文章，但内容枯燥且不准确，这种情况就需要衡量：该用例的实际价值将微乎其微。

遗憾的是，若许多组织想实现生产力的指数级提升，这种 “提升” 可能需要通过大规模裁员来体现，但就业统计数据中尚无大规模裁员的迹象。此外，今年诺贝尔经济学奖得主、麻省理工学院的达龙・阿西莫格鲁（Daron Acemoglu）指出，迄今为止我们尚未看到 AI 带来的实际生产力提升，他预计未来几年也不会出现显著变化 —— 未来十年可能仅增长 0.5%。无论如何，企业若想真正看到生成式 AI 的价值并从中获利，就必须通过衡量和实验来验证效益。

3. 数据驱动文化的现实回归

我们似乎逐渐意识到，生成式 AI 虽然很酷，但无法改变一切，尤其是长期的文化属性。在去年的趋势文章中，我们提到兰迪的调查显示，声称 “创建了数据和 AI 驱动型组织” 的公司比例较前一年翻倍。我们对这种显著的改善感到惊讶，并将其归因于生成式 AI 的广泛宣传和快速普及。今年，这些数字有所回落：37% 的受访者表示所在组织是数据和 AI 驱动型，33% 认为已形成相关文化。尽管数据和 AI 领导者认为组织在这方面较过去有改善是件好事，但我们的长期预测是：仅靠生成式 AI 不足以让组织成为数据驱动型组织。

同一调查中，92% 的受访者认为，文化和变革管理挑战是成为数据和 AI 驱动型组织的主要障碍。这表明仅靠技术是不够的。值得注意的是，大多数受访员工来自成立超过一代人的传统组织，这些公司历来以渐进式转型为特点。许多公司在疫情期间比过去二十年更积极地执行数字化战略。

4. 非结构化数据重新成为焦点

生成式 AI 对组织还有另一影响：它让非结构化数据重新变得重要。《2025 年 AI 与数据领导力高管基准调查》中，94% 的数据和 AI 领导者表示，对 AI 的兴趣促使企业更关注数据。由于传统分析型 AI 已存在数十年，我们认为他们指的是生成式 AI 的影响。在去年 AI 趋势文章提及的另一项调查中，有充分证据表明，大多数公司尚未开始为生成式 AI 进行数据管理准备。

生成式 AI 处理的大部分数据是相对非结构化的，如文本、图像、视频等形式。一家大型保险机构的领导者最近向兰迪透露，该公司 97% 的数据为非结构化数据。许多公司有兴趣使用生成式 AI 管理和访问自有数据和文档，通常采用 “检索增强生成”（RAG）方法。但自 20 多年前的知识管理时代以来，一些公司几乎未对非结构化数据进行过处理，而是一直专注于结构化数据 —— 通常是交易系统中的表格数据。

为了让非结构化数据可用，组织需要挑选每种文档类型的最佳样本，对内容进行标记或图形化处理，并将其加载到系统中（这涉及嵌入、向量数据库和相似性搜索算法等晦涩领域）。这些方法确实为员工提供了大量知识访问便利，这也是许多组织追求它们的原因。但这项工作仍需大量人力。或许有一天，我们可以直接将大量内部文档加载到生成式 AI 的提示窗口中，但 2025 年可能还无法实现。即使未来可行，仍需要大量人工数据策展 —— 因为 ChatGPT 无法判断 20 份不同销售提案中哪一份最佳。

5. 数据与 AI 的管理归属：持续的博弈

尽管数据及利用 AI 挖掘数据价值的尝试正获得组织更多关注和投资，但数据领导力职能本身此乃在争议，这或许并不令人意外。该角色仍相对新兴 ——2012 年兰迪首次年度高管调查中，仅有 12% 的组织任命了首席数据官（CDO）。如今情况有所进展：最新调查显示，85% 的组织已任命 CDO，且越来越多的数据领导者主要聚焦于增长、创新和转型，而非规避风险或监管问题。还有更多组织设立了首席人工智能官（CAIO）—— 比例高达 33%，令人意外。

尽管这些角色在持续演变，组织仍在为其职责、责任和汇报结构而纠结。在兰迪的《AI 与数据领导力高管基准调查》中，不到一半的数据领导者（主要是 CDO）表示其职能非常成功且成熟，仅 51% 认为组织内部对该职位有充分理解。我们仍不确定 CAIO 与 CDO是否需要分设独立角色，尽管部分组织已将 CAIO 与 CDO 设为平级职位。

可以确信的是，无论以何种形式或结构呈现，对数据与 AI 领导力的需求只会增长。

关于 CDO 和 CAIO 的未来，我们有两种观点：

兰迪的观点：他坚定认为 CDO 应是向业务领导层汇报的业务角色。其调查显示，36% 的数据与 AI 领导者今年向 CEO、总裁或 COO 汇报。兰迪强调，数据与 AI 领导者需交付可衡量的业务价值，并理解和使用业务话术。

汤姆的观点：他认同技术领导者需更关注业务价值，但认为多数组织中 “技术高管”（包括 CDO）过多。许多 CDO 自身也感到，内部客户对众多 C 级技术高管角色感到困惑，这类职位的泛滥既导致协作困难，也使他们难以直接向 CEO 汇报。汤姆倾向于 “超级技术领导者” 模式，即所有技术角色向单一高管汇报 —— 越来越多公司已将具备转型思维的 CIO 提升至这一职位。

无论正确答案如何，有一点清晰无疑：组织必须采取干预措施，让数据领导者获得与数据本身同等的尊重。

本文转载自 雪兽软件

更多精彩推荐请访问 雪兽软件官网