Gartner預測，到2026年，中國超過30%的白領職位將被重新定義，使用和管理生成式AI的技能將大受歡迎。
Gartner2023年中國數據分析和人工智慧技術成熟度曲線揭示了與中國數據、分析和人工智慧相關的四個基本主題：業務成果優先的中國數據戰略，區域數據與分析和人工智慧生態系統，資料中台的崩塌，以及人工智慧成為新的國力像徵。
此曲線中，即將進入期望膨脹期的技術數量最多。 Gartner資深研究總監張桐表示：「創新往往被吹捧為傳統瓶頸問題的解決方案，有望解決中國CIO共同擔憂的問題，如硬體資源短缺、可擴展性、可持續營運、安全風險緩解、技術自主可控和AI模型的多域適用性問題，從而帶來清晰的業務價值。然而，終端用戶更重視有形的影響，而不是抽象的戰略概念。」
來源：Gartner（2023年8月）
資料編織是一種設計框架，用於獲得靈活且可複用的資料管道、服務和語義，涉及資料整合、主動元資料、知識圖譜、資料剖析、機器學習和資料分類。資料編織顛覆了現有的資料管理主導方法，不再針對資料和用例“量身定制”，而是“先觀察再使用”。
Gartner高級研究總監張桐表示：「資料、分析和AI用例的出現，以及快速變化的資料安全法規，導致了中國資料管理的複雜性和不確定性。資料編織能充分利用沉沒成本，同時也能為資料管理基礎設施的新支出提供優先排序與成本控制指引。」
資料資產管理是指管理、處理與利用對業務運營來說具有寶貴資產價值的資料的過程。數據資產管理適用於多種數據形態——例如，系統中的圖像、視訊、文件、資料和交易數據，並涵蓋從數據獲取到銷毀的整個數據生命週期，目的是以管理資產的方式管理數據，並從中創造價值。
數據作為一種新的生產要素，已成為企業機構的競爭優勢。資料具有快速、多樣、大量且描述事實的特點，因此企業機構必須整合流程來產生資料洞察。
Gartner資深研究總監張桐表示：「數據資產不僅能提升營運品質和決策水平，更可以創造更多業務價值，還能夠產生新的業務模式和利用數據直接變現。然而，儘管價值創造正在加速，資料資產仍有潛在風險。企業機構必須謹慎管理資料資產，避免監管違規和資料意外洩漏。」
組裝式資料和分析（D&A）利用基於容器或業務微服務的架構和資料編織理念，將現有資產組裝為靈活、模組化和使用者友好的資料分析和人工智慧（AI）能力。這項技術可在低程式碼和無程式碼能供的支援下，綜合運用一系列技術將資料管理和分析應用轉變為資料分析和AI元件或其他應用模組，並且支援自適應和智慧決策。
面對瞬息萬變的業務環境，中國企業機構需要提高敏捷性，並加快洞察產出速度。組裝式D&A有助於企業機構使用模組化資料和分析能力，在各項措施中融合多個洞察與參考訊息，避免割裂式開發。企業機構可透過組裝或重組D&A能力進一步提高交付的彈性，因應不同使用情境。
大模型是在大範圍的資料集上以自監督方式訓練的大參數模型，其中大多數都是基於Transformer架構或擴散型深度神經網路架構，並且在不久的將來可能會成為多模態。大模型這個名稱是源自於其對於多種下游使用情境的重要性和廣泛的適配性。這種適應多種場景的能力得益於模型充分和廣泛的預訓練。
大模型現在已經成為了自然語言處理的首選架構，並已應用於電腦視覺、音訊視訊處理、軟體工程、化學、金融和法律領域。大模型衍生出的一個熱門子概念就是基於文字訓練的大語言模型。
Gartner資深研究總監張桐表示：「大模型有潛力為各類自然語言用例中的應用提供增強效果，因此將在垂直行業和業務職能中產生深遠影響。它們可以提高員工生產力、實現客戶體驗自動化和增強，並能以經濟高效的方式創建新產品和服務，從而加速數位轉型。」
資料中台（DMO）是一種組織策略和技術的實踐。透過資料中台，不同業務線的使用者能夠依據單一事實來源，有效率地使用企業資料進行決策。創建資料中台可以被是為企業建立可組裝和可復用地資料和分析能力地一種方式，這些能力可以提供獨特地數位運營，並透過技術棧將數位運營貫穿整個價值鏈。
許多中國企業之所以採用資料中台實踐，是為了減少其資料和分析架構的技術冗餘，打通不同系統的資料孤島，並推動可重複使用的資料和分析能力。但數據中台在許多情況下未能兌現其組裝式敏捷D&A能力的承諾，因此在市場中的地位被削弱。許多企業機構和供應商都不願意在企業內部採用這個概念，或者乾脆將其從宣傳中移除。
以上是Gartner發布2023年中國數據分析與人工智慧技術成熟度曲線的詳細內容。更多資訊請關注PHP中文網其他相關文章！
