您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[Gartner]:Gartner技术采用路线图 - 发现报告
当前位置:首页/行业研究/报告详情/

Gartner技术采用路线图

信息技术2024-09-03-Gartner杨***
Gartner技术采用路线图

2024年数据分析技术采用路线图 本调研将重点介绍可提高AI就绪程度的36项技术,进而帮助您了解这些技术的采用时间、风险和价值动因。D&A领导者可通过本研究为其采用AI就绪数据、分析与AI以及AI就绪治理进行基准评估。 规划中 会话式用户界面试点中 自然语言生成 基础模型合成数据 文本摘要 因果AI AI工程 部署中 数据可观测性 以数据为中心的AI 知识图谱 复合AI 决策智能增强型数据和分析Lakehouse架构 第一性原理 (重命名为基于 生成式分析体验 增强型数据质量解决方案 物理信息的AI)已部署 析 分 机器学习 和 联邦机器学习 A 深度学习 主动元数据管理“小”而“宽”的数据 增强型数据目录 提示工程 自然语言处理 数字伦理 大规模预训练语言模型 适应性机器学习ModelOps 负责任的AI 边缘AI Transformer模型 组装式数据分析 AITRiSM 生成式AI 强化学习 企业价值 每项技术的价值因素均基于其价值动因分析,包括增加的成本效益、提高的速度和敏捷性、实现的韧性、提高的员工生产效率,以及向消费者提供的性能卓越的产品等。 部署风险 每项技术的风险因素均基于其潜在风险分析,包括人才缺失、成本过高或不可预测、网络安全风险、技术不兼容或架构复杂,以及因供应商锁定而无法更换供应商等。 采用阶段 采用阶段由多数企业的当前部署计划决定。位于两个阶段之间的技术表示其将进入下一个部署阶段。 低中高低中高 关键要点 企业机构正在采取“先试点,后验证”的方式提高其AI就绪程度。虽然AI已风靡全球,但企业机构仍需不断探索,找到利用AI并将其嵌入工作流程的最佳方式。今年调查的36项技术呈现了与去年相同的趋势:75%的技术在试点中,22%在部署中,3%在规划中。从目前来看,到2024年底所有部署中的技术预计都将得到采用。 毫无疑问,“先试点,后验证”的方式将带来一定的挑战。《2023年Gartner企业AI调研》显示,平均只有48%的AI概念验证能投入生产,而从概念验证到生产平均需要8.2个月的时间。因此,D&A领导者目前正处于一个具有挑战性的拐点(即从试点AI到大规模采用AI)。而要想成功跨过这个拐点,D&A领导者及其团队需要积极承担相应的责任。 AI就绪主要涉及三大要素:人员、流程和技术,其中人员是最大的制约因素。截至去年,受访者指出44%的技术面临人才短缺的挑战。可见,人才短缺是采用这些新兴技术的最大障碍。根据《2024年Gartner首席数据和分析官 (CDAO)议程调研》,人才招聘和人才保留是过去三年中数据和分析领导者面临的三大挑战之一。提高现有员工的生成式AI(GenAI)技能,是领先的生成式AI企业机构解决GenAI人才短缺问题的主要方式。 提高响应速度和敏捷性是实现AI就绪的主要价值主张。受访者认为,在能够助力企业机构实现AI就绪的技术中,83%的技术有可能提高企业机构的响应速度和敏捷性,81%的技术有助于提高企业机构的业务价值(次要价值动因)。虽然这个数据看起来不错,但在高度参与AI工作的领导者中,49%的受访者表示,在实施AI时,估算和展示AI的价值是他们面临的最大挑战。另外,随着AI在企业机构内部的普及,AI变革管理愈发重要。开展变革管理的企业机构通常会获得更好的业务成果。 企业机构表示其数据已可用于实现“AI就绪”。在“AI就绪数据”类别中的技术有一半已在部署中。根据《2023年GartnerAI在企业中的应用调研》,超过一半的受访者表示其企业机构的数据管理是有效的,40%负责商业智能的受访者认为其企业机构的数据已为大规模部署AI做好了充分的准备。而数据管理解决方案可为企业机构大规模部署AI奠定基础。 企业机构正处于试点分析和AI技术的高峰期。在“分析和AI”类别中的大多数技术仍在试点中。只有约20%的企业机构可被视为在GenAI等技术方面处于领先地位(不过,由于大型语言模型技术的发展,GenAI近来取得了巨大的进展)。 在GenAI领先的企业机构中,实施技术和获得所需人才是实施GenAI的首要障碍。采用GenAI用例的首要方法是将其嵌入到现有应用中。提高现有员工的GenAI技能和创造新的角色是GenAI领先的企业机构解决GenAI人才短缺问题的主要方式。 AI就绪治理似乎刚刚起步。在“AI就绪治理”类别中约有80%的技术在试点中。然而,由于AI隐私、安全和/或风险的预算权已从业务部门、风险/隐私办公室和法律部门转移到首席技术官和数据与分析部门,这一趋势在明年必将发生巨大的变化,进而促使CDAO及其团队采用和部署更多的治理和风险管理技术。 成功的企业机构不会把治理单纯地视为合规管理或风险与回报之间的权衡,而会将其视为产出更广泛业务成果的一种手段。据悉,AI隐私泄露和安全事件已从2021年的41%降至2023年的29%。因此在未来,健全的治理措施应有利于企业机构进行创新,并通过有效管理下行风险,将风险控制在最佳状态下。 可行的客观洞察 探寻为数据和分析领导者提供的其他免费资源和工具: 电子书 AI机遇雷达图 使用GartnerAI机遇雷达图,设定贵企业机构的AI目标。 下载电子书 路线图 完善数据与分析治理路线图 了解业内同行高效实施数据和分析治理举措的具体方式。 下载路线图 资源中心 生成式AI对企业的重要性 助您了解、实施和规划生成式AI的高管指南。 下载电子书 路线图 利用数据、分析和AI技术,成功实现业务成果 优化数据、分析和AI战略,推动企业数字化增长。 下载路线图 已经是Gartner客户? 您可在客户门户网站上获得更多的资源。登录 Gartner中文官网成为Gartner客户 来源:Gartner ©2024Gartner,Inc.及/或其关联公司。保留所有权利。CM_GTS_2952915