2026 年人工智慧和數據科學的五個趨勢

組織往往會發生變化 比現在的人工智慧技術慢得多。這意味著，今年是我們進行人工智慧預測的第三年，預測企業對人工智慧的採用比預測技術變化要容易一些。我們都不是電腦科學家或認知科學家，因此我們通常不會對人工智慧技術或其具體方式進行預測 腐爛我們的大腦 （儘管我們確實預計這將是一種持續的現象！）。

然而，人工智慧似乎已經不僅僅是一種技術，成為推動經濟成長和股市的主要力量。我們也既不是經濟學家也不是投資分析師，但這並不能阻止我們做出第一個預測。

以下是領導者應該了解的 2026 年人工智慧新興趨勢，並準備採取行動。

1.人工智慧泡沫將會破滅，經濟將會受到影響。

去年，人工智慧領域的大像是代理人工智慧的興起（而且它仍然在徘徊；見下文）。今年，正是 人工智慧泡沫 垄断了讨论：有吗？如果有的话，什么时候会爆？钱会快速流出还是缓慢流出？以及哪些是 對更廣泛經濟的影響 以及人工智慧的持續使用？

我們倆都已經工作了一段時間，我們都記得網路泡沫的破滅。很難不看到與今天情況的相似之處，包括新創公司的天價估值、對用戶成長（還記得「眼球」嗎？）而不是利潤的重視、媒體炒作、昂貴的基礎設施建設等等。

這個泡沫會破嗎？對我們來說，這似乎是不可避免的，而且可能很快就會發生。這種情況很快就會發生：一家重要供應商的季度表現不佳，中國的人工智慧模型比美國模型便宜得多且同樣有效（正如我們在 2025 年 1 月的第一次 DeepSeek「崩潰」中看到的那樣），或者大型企業客戶削減了一些人工智慧支出。

我們希望通貨緊縮是漸進的，這可能意味著整個股市將有時間進行調整，並讓投資者將一些高度膨脹的人工智慧供應商從他們的投資組合中移出。逐漸下降也能讓我們所有人喘口氣，讓公司有更多時間吸收他們已有的技術，也讓人工智慧使用者有更多時間尋求不需要比曼哈頓所有燈光更多千兆瓦的解決方案。

我們兩個都訂閱了人工智慧版本 阿瑪拉定律，其中指出，「我們傾向於高估一項技術的短期影響，而低估長期影響。」 我們認為人工智慧現在和將來都是全球經濟的重要組成部分，但我們已經屈服於短期高估。人工智慧產業和整個世界可能會從泡沫的小而緩慢的洩漏中受益。

2. 更多的全面採用者將創造「人工智慧工廠」和基礎設施。

公司是 全心投入人工智慧 作為持續的競爭優勢，我們正在建立基礎設施，以加快人工智慧模型和用例開發的步伐。我們不是在談論建立擁有數萬個 GPU 的大資料中心；而是在談論如何建立具有數萬個 GPU 的大型資料中心。這通常是由供應商完成的。但使用而不是出售人工智慧的公司正在創建「人工智慧工廠」：技術平台、方法、數據和先前開發的演算法的組合，可以快速、輕鬆地建立人工智慧系統。

領先的銀行幾年前就採用了這種方法。他們在信用決策和詐欺預防等領域擁有大量數據和大量潛在應用。例如，BBVA 於 2019 年開設了人工智慧工廠，摩根大通於 2020 年創建了名為 OmniAI 的工廠。當時，重點僅放在分析人工智慧。

但現在工廠運動涉及非銀行公司和其他形式的人工智慧。我們描述了一家消費品公司的人工智慧工廠（寶潔公司）和一家軟體公司（財捷）。兩家公司以及現在的銀行都在強調各種形式的人工智慧：分析型、生成型和代理型。 Intuit 將其工廠稱為 GenOS——一種面向企業的生成式人工智慧作業系統。

沒有這種內部基礎設施的公司迫使他們的資料科學家和專注於人工智慧的業務人員各自重複艱苦的工作，弄清楚要使用哪些工具、可用哪些資料以及要採用哪些方法和演算法。無法建立在既定的基礎上，使得大規模建構人工智慧變得更加昂貴和耗時。

3. GenAI 將更成為一種組織資源。

如果說 2025 年是意識到生成式人工智慧存在價值實現問題的一年，那麼 2026 年將是對此採取行動的一年（我們必須承認，我們去年在對照實驗中預測了這一點，但實際上並沒有發生太多）。解決價值問題的一種具體方法是，將 GenAI 的實施從主要基於個人的方法轉變為基於個體的方法。 企業級 一。當 GenAI 廣泛使用時，幾乎每個商人都可以輕鬆使用它，以至於許多公司乾脆將其提供給任何有興趣的人。在許多情況下，主要的工具集是 Microsoft 的 Copilot，它確實可以更輕鬆地產生電子郵件、書面文件、PowerPoint 和電子表格。然而，這些類型的用途通常會帶來增量的——而且大多是無法衡量的——生產力的提高。員工使用 GenAI 執行此類任務所節省的時間或分鐘可以用來做什麼？似乎沒有人知道。

另一種方法是將生成式人工智慧主要視為更具策略性用例的企業資源。當然，這些通常更難以建置和部署，但當它們成功時，它們可以提供相當大的價值。例如，考慮使用 GenAI 來支援供應鏈管理、研發和銷售功能，而不是加快部落格文章的創建速度。這正是 強生公司進行的交易， 例如。該公司沒有追求和審查 900 個個人層級的用例，而是選擇了一些策略項目來強調。

當然，員工仍然需要存取 GenAI 工具；有些公司開始將此視為員工滿意度和留任率問題。一些自下而上的想法值得轉化為企業專案。例如，大型製藥公司賽諾菲（Sanofi）創建了一個 創智贏家第一線員工為人工智慧專案提出想法的競賽，公司將資助這些專案作為企業級計劃。

4. 代理人工智慧仍然會被過度炒作，但可能在五年內變得有價值。

去年，與幾乎所有人一樣，我們預測代理人工智慧將會興起。儘管我們承認這項技術正在被炒作並且存在一些挑戰，但我們低估了兩者的程度。事實證明，代理商是自生成式人工智慧以來最受炒作的趨勢。 GenAI 現在駐留在 Gartner 的幻滅低谷，我們預測智能體將在 2026 年陷入這種情況。

代理有什麼問題？他們只是普遍還沒準備好迎接黃金時段的業務。供應商和大學研究人員進行的各種實驗 - 包括 人擇 和 卡內基美隆大學 ——發現人工智慧代理犯了太多錯誤，企業不能依賴它們來完成任何涉及大筆資金的流程。然後是代理商的網路安全問題（及時注射，特別是）以及他們成為的趨勢 欺騙性和錯位 具有人類價值和目標。

然而，這並不意味著代理人工智慧在未來幾年內不會變得更好。它的大多數問題都可以透過某種方式解決。我們相信，人工智慧代理商將在五年之內處理許多大規模業務流程中的大部分交易（這比人工智慧專家和 OpenAI 聯合創始人更樂觀） 安德烈·卡帕蒂的預測 10 年）。

現在，公司應該開始考慮代理商如何實現新的工作方式。他們應該開始建立一些可在整個組織內重複使用的可信賴代理，並與合作的供應商或客戶一起試行一些組織間代理。公司還可以建立內部能力來創建和測試涉及生成、分析和確定性人工智慧的代理。成功的代理人工智慧需要人工智慧工具箱中的所有工具。

5. 關於誰應該管理人工智慧的爭論仍將繼續。

蘭迪對大型組織中的數據和人工智慧領導者進行的最新調查—— 2026 年人工智慧與數據領導高管基準調查由他的教育公司 Data & AI Leadership Exchange 所進行的活動－發現了一些關於資料和 AI 管理的好消息。幾乎所有受訪者都對人工智慧的角色持正面態度，將數據和人工智慧投資視為重中之重，並計劃在這方面投入更多資金。幾乎所有人都同意人工智慧導致人們更加關注數據。也許最令人印象深刻的是，相信首席資料長（包括或不包括分析和人工智慧）在其組織中是一個成功且既定角色的受訪者比例比去年的調查結果（以及前幾年）增加了 20% 以上（達到 70%）。只有 3% 的人認為這個角色是失敗的。簡而言之，大型企業對數據、人工智慧的支援以及管理數據、人工智慧的領導作用都創下了歷史新高。

這張圖中唯一具有挑戰性的結構性問題是誰應該管理人工智慧以及他們應該在組織中向誰報告。毫不奇怪，越來越多的公司任命了首席人工智慧長（或同等頭銜）；今年這一數字高達 39%。問題在於，對於這項工作向誰報告，幾乎沒有共識。只有 30% 的人向首席資料長報告（其中 我們認為該角色應該報告)；其他組織有 AI 向業務領導層 (27%)、技術領導層 (34%) 或轉型領導層 (9%) 報告。

我們認為，多樣化的報告關係很可能導致人工智慧（特別是生成式人工智慧）無法提供足夠價值的普遍問題。今年的調查數據確實表明，越來越多的公司（39%，高於去年的 24%，兩年前不到 5%）在生產中大規模實施人工智慧，這是實現實質價值的先決條件。人工智慧的價值實現正在取得進展，但這可能不足以證明對該技術的高期望和對其供應商的高估值是合理的。或許，如果人工智慧泡沫確實有點破滅，那麼多個不同公司的領導者對擁有這項技術的興趣就會減少。