商業與技術洞察公司Gartner預測到2030年，超過十分之一的企業將轉型成為AI優先型企業，并在AI智能體、語義技術、融合型數據和分析（D&A）平臺的應用方面領先競爭對手。這三個領域是數據和分析重要趨勢的核心驅動力。

Gartner研究副總裁Carlie Idoine表示：“企業正加速向AI優先型運營模式轉型，AI已成為所有業務決策、工作流程和投資中的核心考量因素。若缺乏企業層面的清晰承諾，企業將很難在業務全場景中持續釋放AI技術的全部價值。”

Gartner建議，企業在未來兩年將以下數據和分析（D&A）趨勢納入自身戰略規劃。

趨勢1：主權AI加速發展

隨著AI成為經濟實力的關鍵支柱，各國正優先掌控本地AI能力，以最大程度地降低對外部的依賴，從而實現主權目標。數據和分析管控能力的本地化是該進程中的重要一環。這是許多企業在向AI優先型企業轉型中必須應對的外部地緣政治現實。

Idoine表示：“主權AI正徹底重塑企業對其AI戰略中管控、創新和彈性的認知框架。為了有效應對主權AI帶來的機遇與挑戰，企業必須對數據和分析路線圖進行現代化改造，推動AI應用從落地使用升級為構筑競爭優勢。”

趨勢2：通過決策治理降低AI智能體風險

AI智能體正在執行更多戰略、戰術和運營決策，這意味著缺乏治理的決策將增加企業的法律、運營和聲譽風險。決策治理將治理原則融入決策智能體系，以此確保自動化決策具有可解釋性和可審計性，并與業務目標保持一致。

Gartner預測到2029年，通過部署決策智能平臺，經過明確建模的商業決策在信任水平方面將比缺乏治理的決策提升五倍，且決策速度提高80%。

趨勢3：借助AI治理平臺建立信任

全球AI監管日益復雜、新型AI風險不斷顯現，自主AI智能體加速普及，傳統標準化驗證方法已無法滿足有效AI治理的需求。AI治理平臺可幫助企業在遵循企業政策、法規和行業標準的同時，貫徹通用的負責任AI原則。

Gartner建議數據和分析領導者采用AI治理平臺，將治理落地為可執行機制，實現集中化監督、構建風險管理框架，并強制實施必要的管控。

趨勢4：智能體數據流驅動實時智能

傳統批數據處理速度較為遲緩，智能體數據流?是企業創建、使用AI智能體的關鍵。事件驅動的持續數據流助力數據和分析領導者加速數據交付，使AI智能體能快速、準確地執行更多任務。

Gartner預測到2028年，受實時響應能力變革性需求的推動，采用智能體AI數據流技術的比例將從2025年的不足15%上升到?60%以上。企業須優先布局需要實時數據的場景，如決策智能、自主運營和數字孿生等。

趨勢5：通過智能體數據管理簡化運營

數據和分析領導者在管理日益復雜的數據時面臨持續挑戰，這使傳統數據管理流程不堪重負，并加大了企業實現AI就緒的難度。使用AI智能體進行數據管理，可支持實時操作、模式識別并提供建議，從而增強核心數據流程，提高企業敏捷性和響應速度。

Idoine表示：“通過將AI智能體集成到數據管理工作流中，數據團隊能利用具備自主學習能力的系統更靈活地開展工作。為確保這些能力交付穩定且與業務高度契合的成果，必須建立強有力的治理機制并對性能進行持續監控。”

趨勢6：使用GraphRAG處理復雜應用場景

許多企業級AI應用需要高精度和高可靠性，但傳統檢索增強生成（RAG）方法無法處理復雜、多上下文關聯的查詢。GraphRAG通過融合知識圖譜與大語言模型（LLM），提升AI系統檢索和構建信息關聯網絡、應用上下文信息以及在復雜應用場景中實現更加精準的結果的能力。