The rapid evolution of Generative AI (GenAI) and AI agents is poised to disrupt the software industry, creating the first major challenge to mainstream productivity tools in three decades. Gartner predicts this shift will lead to a $58 billion market shakeup by 2027 as content creation moves away from “blank canvas” manual work toward AI-led synthesis and continuous rewriting. “The pace of change in data and artificial intelligence is so rapid that each year feels like stepping into a new chapter of a science-fiction novel,” stated Rita Sallam, Distinguished VP Analyst at Gartner. She noted that AI systems are transitioning from support tools to active collaborative partners.

Looking toward the end of the decade, the volume of data generated is expected to explode, driven by physical AI applications rather than digital ones. By 2029, AI agents interacting with the physical world—through spatial and multiagent scenarios—are projected to generate 10 times more data than all digital AI applications combined. This surge offers a unique opportunity for “world models” to learn patterns and improve simulation accuracy. To manage this complexity, Gartner predicts that by 2030, half of all organizations will deploy autonomous AI agents to interpret governance policies and technical standards into machine-verifiable data contracts.

However, the path to AI integration is not without risk. Gartner warns that 50% of AI agent deployment failures by 2030 will likely stem from insufficient governance and poor interoperability between systems. In the near term, ungoverned decisions made via Large Language Models (LLMs) could lead to significant financial and reputational losses. Sallam advises that D&A leaders should “experiment with data governance agents in low-risk pipelines” and ensure that “analytic workflows are redesigned to include a required evaluation stage” before attempting to scale these technologies.

Leadership dynamics are also expected to transform, with human relational skills becoming the primary differentiator for successful AI implementation. By 2030, 60% of organizations that achieve success with AI will be led by executives who prioritize coalition-building and influence. As a result, Chief Data and Analytics Officers (CDAOs) with strong interpersonal mastery are increasingly expected to move into C-suite roles, including CEO. Furthermore, universal semantic layers will be treated as critical infrastructure, essential for maintaining accuracy and managing costs across multiagent systems.

Finally, the responsibility for content risk is shifting. By 2028, 50% of these roles are expected to migrate from legal and cybersecurity departments directly into AI engineering teams. This transition aims to embed ethical and legal controls directly into the design phase of AI models, allowing for faster and more responsible innovation. Sallam emphasized that leaders who fail to modernize their talent and technology strategies risk leaving their organizations permanently behind as the era of agentic AI takes hold.

The post Gartner Forecasts Radical Shift in Data and AI Landscape by 2026 as Human-AI Collaboration Becomes Mandatory appeared first on Brickinfo News Agency.

“Nearly everything today – from the way we work to how we make decisions – is directly or indirectly influenced by AI,” stated Carlie Idoine, VP Analyst at Gartner. “But it doesn’t deliver value on its own – AI needs to be tightly aligned with data, analytics and governance to enable intelligent, adaptive decisions and actions across the organization.”

Gartner advises organizations to incorporate several strategic assumptions into their planning for the next two to three years. By 2027, it’s projected that 50% of business decisions will be augmented or automated by AI agents for decision intelligence. Decision intelligence, which integrates data, analytics, and AI, aims to create decision flows that support and automate complex judgments. AI agents are expected to manage the complexities of data analysis and retrieval. Gartner suggests D&A leaders collaborate with business stakeholders to pinpoint critical decisions that could benefit from enhanced analytics and AI application. Idoine added, “AI agents for decision intelligence aren’t a panacea, nor are they infallible. They must be used collectively with effective governance and risk management. Human decisions still require proper knowledge, as well as data and AI literacy.”

Another key prediction is that by 2027, organizations prioritizing AI literacy for their executives are anticipated to achieve 20% higher financial performance. This is attributed to executives’ ability to make more informed decisions regarding AI investments, understanding both opportunities and risks. Gartner recommends D&A leaders implement experiential upskilling programs for executives, such as developing domain-specific prototypes to make AI concepts more tangible.

The report also addresses the rising use of synthetic data. By 2027, Gartner predicts that 60% of data and analytics leaders will encounter significant failures in managing synthetic data, posing risks to AI governance, model accuracy, and compliance. While synthetic data is crucial for enhancing privacy and generating diverse datasets for AI model training, challenges arise in ensuring its accurate representation of real-world scenarios, scalability, and integration with existing data pipelines. To mitigate these risks, Idoine emphasized, “organizations need effective metadata management. Metadata provides the context, lineage and governance needed to track, verify and manage synthetic data responsibly, which is essential to maintaining AI accuracy and meeting compliance standards.”

Looking further ahead, by 2028, Gartner anticipates that 30% of generative AI (GenAI) pilots transitioning to large-scale production will be built in-house rather than deployed using packaged applications, primarily to reduce costs and increase control. Building GenAI models internally offers greater flexibility and long-term value. Additionally, by 2027, organizations that emphasize semantics in AI-ready data are expected to improve their GenAI model accuracy by up to 80% and reduce costs by up to 60%. Poor semantics can lead to increased hallucinations and higher computational costs in GenAI models. Gartner suggests that rethinking data management to focus on active metadata can enhance model accuracy, efficiency, and AI data readiness. Finally, by 2029, the report projects that 10% of global boards will utilize AI guidance to challenge executive decisions critical to their business, underscoring the growing importance of strong data governance and clear policies for AI’s role in decision-making at the board level.

The post Gartner Forecasts Major Shifts in Data & Analytics Landscape appeared first on Brickinfo News Agency.

นางสาว Carlie Idoine (คาร์ลี ไอดอยน์) รองประธานนักวิเคราะห์ของการ์ทเนอร์ กล่าวว่า “ในวันนี้กิจกรรมเกือบทุกอย่างของเรา ตั้งแต่วิธีการทำงานไปจนถึงวิธีการตัดสินใจ ล้วนได้รับอิทธิพลจากปัญญาประดิษฐ์ไม่ทางตรงก็ทางอ้อม ซึ่ง AI ไม่สามารถตอบสนองหรือส่งมอบคุณค่าทั้งหลายได้เองตามลำพัง จำเป็นต้องทำงานสอดคล้องกับข้อมูล แนวทางการวิเคราะห์ และการกำกับดูแล เพื่อช่วยให้ตัดสินใจและดำเนินการได้อย่างชาญฉลาดและสามารถปรับเปลี่ยนได้เหมาะสมทั่วทั้งองค์กร”

การ์ทเนอร์แนะนำให้องค์กรใช้สมมติฐานเชิงกลยุทธ์เพื่อวางแผนสำหรับอนาคตอันใกล้ โดยคาดการณ์ว่าภายในปี 2570 ครึ่งหนึ่ง (50%) ของการตัดสินใจทางธุรกิจจะมาจาก AI Agents ที่ช่วยเสริมประสิทธิภาพและทำงานอัตโนมัติสำหรับการตัดสินใจในรูปแบบของ Decision Intelligence ซึ่งจะช่วยจัดการความซับซ้อน การวิเคราะห์ และการดึงข้อมูลจากแหล่งต่างๆ นักวิเคราะห์ของการ์ทเนอร์ย้ำว่า AI Agents สำหรับ Decision Intelligence ไม่ใช่สูตรสำเร็จและไม่ใช่เรื่องที่ผิดพลาดไม่ได้ หากแต่ต้องใช้ร่วมกันกับการกำกับดูแลและการจัดการความเสี่ยงที่มีประสิทธิภาพ ซึ่งการตัดสินใจของมนุษย์ยังต้องการความรู้ที่เหมาะสม รวมถึงความรู้ในด้านข้อมูลและปัญญาประดิษฐ์

ภายในปี 2570 องค์กรที่ให้ความสำคัญกับการสร้าง AI Literacy ให้แก่ผู้บริหาร จะมีผลประกอบการทางการเงินสูงกว่าองค์กรที่ไม่สนใจเรื่องนี้ถึง 20% การ์ทเนอร์แนะนำให้ผู้บริหารด้านข้อมูลและการวิเคราะห์ (D&A) พัฒนาโปรแกรมที่มอบประสบการณ์แก่ผู้บริหาร เช่น การพัฒนาต้นแบบเฉพาะโดเมนเพื่อให้ปัญญาประดิษฐ์เป็นเรื่องที่จับต้องได้ นำไปสู่การลงทุนที่เหมาะสมกับความสามารถในการใช้ AI

อย่างไรก็ตาม ภายในปี 2570 ผู้บริหารด้านข้อมูลและการวิเคราะห์ 60% อาจเผชิญกับความล้มเหลวครั้งใหญ่ในการจัดการ ข้อมูลสังเคราะห์ (Synthetic Data) ซึ่งจะก่อให้เกิดความเสี่ยงต่อการกำกับดูแล AI ความแม่นยำ และการปฏิบัติตามข้อกำหนดของโมเดล การใช้ข้อมูลสังเคราะห์เพื่อฝึกโมเดล AI เป็นกลยุทธ์สำคัญเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัวและสร้างชุดข้อมูลที่หลากหลาย แต่ความท้าทายอยู่ที่การทำให้ข้อมูลสังเคราะห์มีความแม่นยำ สื่อถึงสถานการณ์จริง ปรับขนาดได้อย่างมีประสิทธิภาพ และบูรณาการกับข้อมูลและระบบที่มีอยู่ได้อย่างราบรื่น นางสาว Idoine เสริมว่า “เพื่อจัดการกับความเสี่ยงเหล่านี้ องค์กรต้องใช้การจัดการ Metadata ที่มีประสิทธิภาพ ซึ่ง Metadata จัดเตรียมบริบท เชื่อมโยง และกำกับดูแลที่จำเป็นเพื่อติดตาม ตรวจสอบ รวมถึงจัดการข้อมูลสังเคราะห์ได้อย่างมีความรับผิดชอบ ถือเป็นสิ่งสำคัญในการรักษาความถูกต้องแม่นยำของ AI และการปฏิบัติตามมาตรฐาน”

นอกจากนี้ การ์ทเนอร์ยังคาดการณ์ว่าภายในปี 2571 โครงการนำร่อง GenAI 30% ที่มุ่งสู่การผลิตขนาดใหญ่จะถูกสร้างขึ้นภายในองค์กร แทนที่จะใช้งานผ่านแอปพลิเคชันสำเร็จรูป เพื่อลดต้นทุนและเพิ่มการควบคุม การสร้างโมเดล GenAI ภายในองค์กรให้ความยืดหยุ่น การควบคุม และคุณค่าในระยะยาวที่เครื่องมือสำเร็จรูปหลายอย่างทำไม่ได้ การ์ทเนอร์แนะนำให้องค์กรนำกรอบการทำงานที่ชัดเจนมาใช้สำหรับการตัดสินใจว่าจะสร้างเองหรือซื้อ โดยพิจารณาปัจจัยด้านต้นทุน ระยะเวลาที่จะออกสู่ตลาด ชุดทักษะความรู้ที่มีอยู่ ความสามารถในการบูรณาการ การปฏิบัติตามข้อกำหนด และความเสี่ยง

การให้ความสำคัญกับ อรรถศาสตร์ (Semantics) ในชุดข้อมูล AI จะช่วยเพิ่มความแม่นยำของโมเดล GenAI ได้สูงสุด 80% และลดต้นทุนได้สูงสุด 60% ภายในปี 2570 อรรถศาสตร์ ที่ไม่ดีใน GenAI อาจนำไปสู่การตีความที่ผิดเพี้ยนและต้นทุนที่สูงขึ้น การ์ทเนอร์คาดการณ์ว่าสิ่งนี้จะช่วยให้ AI Agents ทำงานมีประสิทธิภาพมากขึ้นและเพิ่มความสะดวกในการตัดสินใจได้อย่างชาญฉลาดและรวดเร็วขึ้นทั่วทั้งองค์กร

สุดท้าย ภายในปี 2572 คาดว่าบอร์ดบริหารทั่วโลก 10% จะเริ่มใช้คำแนะนำที่ได้รับจาก AI มาท้าทายการตัดสินใจที่มีความสำคัญต่อธุรกิจของผู้บริหาร เมื่อ AI ฝังอยู่ในกลยุทธ์ของบอร์ดบริหาร ความต้องการการกำกับดูแลข้อมูลที่แข็งแกร่ง ความชัดเจนด้านกฎระเบียบ และการจัดการชื่อเสียงองค์กรจะมีความเข้มข้นขึ้น การ์ทเนอร์แนะนำให้บอร์ดบริหารกำหนดขอบเขตการมีส่วนร่วมในการนำ AI ไปใช้ตัดสินใจและจัดตั้งนโยบายที่ชัดเจนด้านการกำกับดูแล กำหนดกรอบความรับผิดชอบ และการปฏิบัติตามกฎระเบียบ

The post การ์ทเนอร์เผยคาดการณ์สำคัญด้านข้อมูลและการวิเคราะห์: AI มีบทบาทมากขึ้นในการตัดสินใจทางธุรกิจ appeared first on Brickinfo News Agency.