我合计大多数企业数据和AI团队王人不错开心，抢庄牛牛app2025年并莫得按筹办进行。
将AI部署到坐褥环境很费事。损益影响很低(用"晦气"来形容可能更准确)。
再加上引申层清寒AI训诫以及模子层面的性能普及放缓，2025年底更以AI的失望而非AI部署为特征(我正看着你，MIT发扬)。
诚然标题可能汇聚在最新的模子发布或基准测试战役，但对于任何使用这些期间的东谈主来说，很明显，更好的模子远非2026年最具变革性的发展。
信得过的变化正在前哨张开——在这里，数据科学家、数据工程师、治理联接者以及各式AI/ML团队正在为坐褥环境构建这些复杂的系统。而结巴2025年AI庸俗成效的顶风将成为2026年鼓动商场的要素。
因此，接洽到这极少，这是我对2026年数据与AI的前十大预测——以及它们对AI下一个时期的意旨。
1、数据与AI联接者将崛起
如果你最近在LinkedIn上待过，你可能还是隆重到你新闻源中数据与AI头衔的可疑增长——以致在你我方的团队成员中。
不，不是有什么重组你不知谈。
诚然这主淌若在传统上归类为数据或AI/ML专科东谈主员中的自觉变化，但这种头衔的周折反应了我简直筹议了2年的现实——数据和AI不再是两个寂然的学科。如果组织但愿看到AI在职何层面取得成效，他们需要住手这么对待它们。
从他们所需的资源和妙技到他们处罚的问题，数据和AI是吞并枚硬币的两面。这一现实将对2026年团队和期间的演变形状产生可讲解的影响。
2、AI就绪数据将成为2026年最大的话题
本年你会听到许多"基础"这个词。而对于2026年的企业成效来说，莫得比AI就绪数据更纰谬的基础了。
在AI一切泡沫的运行时，LinkedIn的倾销员会让你降服，每个领有心中一首歌和ChatGPT订阅的企业王人不错用AI强行得到价值。但现时在2026岁首——就在这个旅程运行2年后——那些说客却变得可疑地餍足了。
这是因为AI只会对驱动它的第一方数据有用。组织可能在旧年淡薄了它——但这只是时刻问题，账单到期了。
团队今天问的大问题:
代理实践上需要什么数据?
我如何使其对AI有用?
我如何有用地治理它?
我如何知谈它对坐褥环境值得信托?
要作念到这极少，咱们需要高出传统的数据质料办法，成就用具、模范和经过，以改善最终将为咱们AI提供数据的数据管谈的健康和性能。2024年，Gartner默示，到2026年，60%的商场将采用数据可不雅测性。现时是2026年，托福果真、受治理和语义丰富的数据的需求从未如斯庞大(作念得好，Gartner)。
看，AI就绪数据并不性感。它不会提供炫目的演示或引东谈主正式的标题。它是基本的数据顾问。它是一个本钱中心。这恰是为什么高管们永久以来淡薄它的原因。但在95%的AI失败率眼前，确保你的数据是受治理、果真和语义丰富的不单是是一个好的举措——它是一个生涯优先事项。
我预测的一个AI预测是，AI就绪数据投资将在2026年朝上代理开采投资。基础是数据与AI团队的下一个(亦然之前的?)前沿。数据质料式样将演变为针对AI就绪数据式样，AI开采预算将多半偏向于用具和经过而非开采。你不错指望这极少。
3、团队将优先接洽坐褥力而非试点
钟摆正在舞动。AI明显在2025年存在价值问题，包袱(至少部分)归罪于制定筹办的引申团队。
"咱们仍然有许多东谈主降服AI是魔法，不需要任何念念考就会作念你想让它作念的事情。"
这是我在旧年晚些时候听到的一个真实引语，它反应了数据与AI团队的一个深广履历:
一位AI训诫较低的高管设定优先级
式样未能提供价值
试点被放弃
轮回重迭
公司在2025年在AI试点上破耗了数十亿好意思元，但对其AI将如何产生影响的所在或形状莫得明确意会——这不仅对性能，而且对举座AI爱护王人产生了可讲解的影响。这将对干与下一年产生信得过的完毕。
不，我不降服AI投资会磨灭——我对这极少有热烈的信念——但我确乎降服这些投资将变得愈加成心。一时兴起启动立时试点的日子还是在后视镜中——而在2026年，托福可臆想的价值将是第一、第二和第三优先级。那些得到新预算的用例将包括信得过的生意案例、信得过的ROI，以及撑持它的基础设施和运营严谨性。
我合计提供成心旨(且可臆想)坐褥力普及的用具将是看到最多关注的领域。为正确的问题聘请正确的用具——不管是开箱即用的代理照旧普通的旧式模样板。
明显，这本该是2025年的趋势……但你知谈他们若何说，惟恐候咱们必须先掉进坑里智力跑。
4、代理可不雅测性将成为AI部署的不可协商条目
粉碎者不会使用他们不信任的东西。而事实是，今天的大多数代理王人不是很值得信托。
输出骨子上是不细目的。管谈穿越系统与团队，监督有限。即使是数据、镶嵌、指示或模子中的最小问题也可能导致系统行为的急巨变化。
传统系统工程教咱们考据输入、测试逻辑和监控输出。但是在AI中，这种规律日常磨灭，改朝换姓的所以模子为中心的用具和断开的主见。大地上的现实是，大多数被宽松界说为"AI可不雅测性"的现成处罚决策只处理问题的一个子集。它们不错告诉你输出何时出错，但它们不知谈它发生在何处或为什么。正如数据与AI头衔的出现所标明的那样，数据和AI是一个系统——如果咱们想使它们可靠(更不消说被采用)，咱们需要莽撞顾问它们。这意味着采用提供对输入和输出可见性的处罚决策。
更裸露地说，数据联接者不应该追赶里面主见，如模子置信度分数或指示神情，而应该将可靠性成就在系统鸿沟上:
输入:为AI系统提供的数据、高下文、检索完毕和管事
输出:AI产生的响应、保举、决策和行为
就像数据可不雅测性对于可膨胀的数据可靠性变得必不可少一样，我预测像代理可不雅测性这么的处罚决策(它们斡旋代理生命周期中的可不雅测性职责流)将在2026年及以后对于代理部署变得必不可少。
5、AI治理将成形
不受治理的AI不单是是可靠性风险——它是财务、声誉以及介于两者之间的一切风险。一个好的AI就绪治理政策至少应该处罚这5个问题:
咱们不错使用什么数据?
在什么情况下?
与它关系的风险是什么?
咱们是否有正确的文档知谈数据来自那处?
咱们是否有正确的走访甘休来小心不应该走访数据的东谈主走访数据?
AI不错和不不错自动化什么?AI不应该自动化什么?
AI的问题不单是是输入，亦然输出。东谈主们不会使用他们不信任的东西。跟着批准的AI失败和针对性的指示抨击的增多，企业弗成持续投资于他们无法监管、考据并最终引申的东西。
{jz:field.toptypename/}问题是AI的发展速率朝上了围绕它的模范。我合计2026年将看到更多模范化AI治理框架的变成和采用。
6、非结构化数据将成为一等公民
如果实用主义是本季度的基调，激活更生数据集就像容易摘到的果实一样。
大多数AI讹诈还是依赖非结构化数据——如电子邮件、文档、图像、音频文献和撑持票——来提供使AI响应有用的丰富高下文。
但是诚然团队不错使用既定用具监控结构化数据，但非结构化数据永久以来一直在盲区中运作。传统数据质料监控无法像追踪数据库表那样处理文本文献、图像或文档。
瞻望改日，非结构化数据监控将与传统数据质料搜检一样模范化。组织实施全面的质料框架，将所稀有据——结构化和非结构化——视为需要主动监控和治理的纰谬钞票。
这是实用的。这是有用的。这是2026年。
7、ML模子的复仇
接洽到我之前的预测，这嗅觉有点显而易见，但我合计值得明确走漏。
现时领域中的一个信息是，LLM很刚劲……但它们被用来作念ML还是作念得很好的事情。跟着团队优先接洽用例而非期间偏好，ML还是准备好再次光芒回顾。
LLM令东谈主难以置信。我心爱LLM。但LLM很奋斗，它们的输出是不细目的，况兼它们比传统数据家具更难以考据的几个数目级。这意味着如果你不需要使用LLM……好吧，你可能不应该。
有些事情你只可用LLM作念——厚谊分析、关系性评分等。我合计LLM将在2026年因为这些用例而愈加精明。但你不应该用火箭筒去念书。干与2026年，我不合计有那么多团队筹办这么作念。
LLM能作念什么，这是不可否定的。一个好的AI团队的标记是什么?知谈它们应该作念什么。就像2020年代的JNCO牛仔裤一样，ML模子又重新流行起来了。如果我看到更多的LinkedIn头衔整夜之间周折以领有它，我不会感到骇怪。
8、高下文工程将成为中枢学科
AI模子的输入本钱痛快比输出大300-400倍。如果你的高下文数据被不好意思满的元数据、未剥离的HTML或空向量数组等问题敛迹，你的团队将在领域处理时靠近巨大的本钱超支。
更庞大的是，困惑或不好意思满的高下文亦然一个主要的AI可靠性问题，模棱两头的家具称号和糟糕的分块禁止检索器，而指示或模子的轻捷变化可能导致截然有异的输出。
难怪高下文工程已成为2025年中期数据与AI团队最好意思丽的流行词。高下文工程是为AI模子准备、优化和调理高下文数据的系统过程。掌持上游高下文监控——确保可靠的语料库和镶嵌在它们干与奋斗的处理功课之前——的团队将从他们的AI模子看到更好的完毕。
9、企业团队将聘请痛快性而非性能
AI模子托管环境正围绕两个明确的赢家整合:Databricks和AWS Bedrock。这两个平台王人成效地将AI智商径直镶嵌到现存的数据基础设施中，而不是要求团队学习全新的系统。
Databricks通过模子锻练、部署和数据处理之间的综合集成奏凯。团队不错在数据所在的对一平台上微调模子，摈斥了在系统之间移动数据的复杂性。同期，AWS Bedrock通过广度与企业级安全奏凯，提供来自Anthropic、Meta等的多个基础模子的走访，同期保持严格的数据治理和合规模范。
是什么导致其他过期?碎屑化和复杂性。需要多半自界说集成职责或将就团队采用全新用具链的平台正输给适应现存职责流的处罚决策。
团队正在凭证操作痛快性和数据集成智商而不是原始模子性能来聘请AI平台。赢家领会，如果部署和调理可靠太复杂，最佳的模子亦然无须的。阻力最小的旅途将在2026年加冕。
10、对话式BI将很热点——但它需要温度搜检
说到驱动价值的纰谬——数据民主化还是以某种式样流行了近十年，对话式BI只是阿谁故事的最新一章。
对话式BI和之前的统统其他BI用具之间的分裂在于，它承诺以致对最非期间领域的用户以速率和优雅达成阿谁乌托邦式愿景。
前提很痛快:如果你不错要求它，你就不错走访它。对于统统者和用户来说，这是双赢……表面上。挑战(与统统民主化奋勉一样)不是用具自己——而是你正在民主化的东西的可靠性。
但相同，这一切王人取决于数据是否准备好进行如斯多的走访。惟一比糟糕的洞悉更糟糕的是快速托福糟糕的洞悉。将聊天界面贯穿到不受治理的数据库，你不仅会加快走访——你会加快完毕。
11、完毕语
AI的改日始于你的数据——但以ROI完毕。
如果过多的炒作是燃料，糟糕的数据即是燃烧引信的洋火。在2026岁首，GenAI很可能会看成Gartner评述的任何期间趋势中最快干与谷底而载入史书。
但这里有一个事实——这骨子上不是一件赖事。唯独当联接者不知谈如何诊治主见时，这才是一件赖事。记取，炒作周期不是臆想期间价值的主见。它只是商场对于该期间的守望是否现实的主见。
好音问是，当一个商场最终确乎渡过了炒作，咱们不时会以对如何托福成心旨价值的更好意会而出现时另一边。我合计2026年是咱们出现时另一边的那一年。
是的，决策将愈加严慎。开销将愈加三念念尔后行。但在年底，我降服更多企业团队将出现一个成心旨的AI部署，成就在真实、安全和果真的数据基础上。这是一个值得庆祝的年底。
如果2025年是派对有点失控的一年，2026年是咱们从中成长的一年。统统这些老练让我对2027年感到相配昂扬。
备案号: