让我们先把代理式 AI（那种独立执行任务的 AI）排除在外：这是 2025 年“最流行的 AI 趋势”的必经之路。代理 AI 似乎不可避免地崛起：技术供应商和分析师领域的每个人都对让 AI 程序协作完成实际工作而不仅仅是生成内容的前景感到兴奋，尽管没有人完全确定它将如何运作。一些 IT 领导者认为他们已经具备了这种能力（在即将进行的 UiPath 赞助的对 252 名美国 IT 领导者的调查中，37%）;大多数人期待它很快就会出现并准备花钱购买（68% 的人在六个月或更短的时间内）;还有一些怀疑论者（主要是我们在采访中遇到的）认为这主要是供应商的炒作。
大多数技术高管认为，这些自主和协作的 AI 程序将主要基于将执行特定任务的专注生成式 AI 机器人。大多数人相信会有一个这些代理的网络，许多人希望代理生态系统需要的人工干预比过去 AI 需要的更少。一些人认为，这项技术都将由机器人流程自动化工具精心编排;一些人提议 Agent 将由 Enterprise Transaction Systems 获取;有些人认为出现了一个“超级代理”，它将控制一切。
“最早的代理 AI 工具将是那些用于涉及很少资金的小型、结构化内部任务的工具。”
以下是我们的想法：将会有（在某些情况下，已经有）生成式 AI 机器人为人们执行特定内容创建任务的命令。它将需要不止一种这些代理 AI 工具来做一些重要的事情，例如进行旅行预订或进行银行交易。但是这些系统仍然通过预测下一个单词来工作，有时这会导致错误或不准确。因此，人类仍然需要时不时地检查它们。
最早的代理将是那些处理涉及很少资金的小型、结构化的内部任务的代理 – 例如，在 IT 方面帮助您更改密码，或在 HR 系统中为假期预留时间。我们认为公司不太可能在短期内让这些代理对花费真金白银的真实客户放手，除非有机会进行人工审查或撤销交易。因此，我们预计到 2025 年，这项技术不会对人类劳动力产生重大影响，除了撰写有关代理 AI 的博客文章的新工作。（等等，代理可以这样做吗？
2、现在是衡量生成式 AI 实验结果的时候了。
每个人都对代理感到兴奋的原因之一是，截至 2024 年，事实证明仍然难以证明生成式 AI 的经济价值。我们在去年的 AI 趋势文章中指出，GenAI 的价值仍然需要得到证明。在Randy的2025年人工智能和数据领导力执行基准调查中，数据和人工智能领导者表示，他们对GenAI的价值正在产生充满信心：：五十八%的人表示，他们的组织已经从人工智能中实现了指数级的生产力或效率提升，大概主要是来自生成式人工智能。另有 16% 的受访者表示，他们通过使用 GenAI 工具“将知识工作者从平凡的任务中解放出来”。让我们希望这些高度积极的信念是正确的。
但公司不应该把这种信心放在信念上。很少有公司真正仔细衡量生产力的提高，或者弄清楚解放的知识工作者正在利用他们腾出的时间做什么。只有少数学术研究测量了 GenAI 的生产力提升，即使他们测量了，他们通常也发现了一些改进，但没有指数级的改进。Goldman Sachs 是为数不多的在编程领域衡量生产力提升的公司之一。那里的开发人员报告说，他们的工作效率提高了约 20%。大多数类似的研究都发现了生产力的偶然因素，其中没有经验的员工获得更多（如客户服务和咨询），或者有经验的员工做得更好（如代码生成）。
在许多情况下，衡量生产率提高的最佳方法是建立受控实验。例如，一家公司可以让一组营销人员使用生成式 AI 创建无需人工审核的内容，一组营销人员使用生成式 AI 创建内容而无需人工审核，而一组对照组根本不使用它。同样，很少有公司这样做，这种情况需要改变。鉴于 GenAI 目前主要与内容生成有关，如果我们想真正了解其好处，我们还必须开始衡量内容质量。众所周知，这对于知识工作产出来说非常困难。但是，如果 GenAI 有助于更快地撰写博客文章，但帖子很无聊且不准确，那么衡量这一点很重要：在那个特定的用例中几乎没有好处。
可悲的事实是，如果许多组织真的要实现指数级的生产力增长，那么这些改进可能会以大规模裁员来衡量。但就业统计数据中没有大规模裁员的迹象。此外，今年的诺贝尔经济学奖得主、麻省理工学院的 Daron Acemoglu 评论说，到目前为止，我们还没有看到 AI 的真正生产力提升，他预计未来几年不会看到任何显着的变化——未来十年可能会增长 0.5%。无论如何，如果公司真的要从 GenAI 中看到并从中获利，他们就需要衡量和实验才能看到好处。
“我们的长期预测是，仅靠生成式 AI 不足以使组织和文化成为数据驱动型的。”
3. 关于数据驱动文化的现实开始出现。
我们似乎意识到生成式 AI 非常酷，但并不会改变一切，特别是长期的文化属性。在去年的趋势文章中，我们注意到 Randy 的调查发现，表示其组织“创建了数据和 AI 驱动的组织”和“建立了数据和 AI 驱动的组织文化”的公司受访者比例比上一年翻了一番（创建数据和 AI 驱动的组织从 24% 增加到 48%，建立数据驱动型文化的比例从 21% 增加到 43%）。我们都对报告的这一巨大改进感到有些惊讶，我们将这些变化归因于生成式 AI，因为它得到了非常广泛的宣传并被组织迅速采用。
今年，数字已经稍微稳定下来了。37% 的受访者表示，他们在数据和 AI 驱动的组织中工作，33% 的受访者表示他们拥有数据和 AI 驱动的文化。数据和 AI 领导者认为他们的组织在这方面比遥远的过去有所改进，这仍然是一件好事，但我们的长期预测是，仅靠生成式 AI 不足以使组织和文化成为数据驱动型组织。
在同一项调查中，92% 的受访者表示，他们认为文化和变革管理挑战是实现数据和 AI 驱动的主要障碍。这表明，仅靠任何技术都是不够的。值得注意的是，大多数受访员工来自一代人之前成立的传统组织，并且具有逐步转型的历史。其中许多公司在疫情期间为执行其数字战略所做的工作比过去二十年要多。
4.、非结构化数据再次变得重要。
生成式 AI 对组织产生了另一个影响：它使非结构化数据再次变得重要。在2025年人工智能与数据领导力执行基准调查中，94%的数据和人工智能领导者表示，对人工智能的兴趣导致了对数据的更大关注。由于传统的分析型 AI 已经存在了几十年，我们认为他们指的是 GenAI 的影响。在我们去年的 AI 趋势文章中提到的另一项调查中，有大量证据表明，大多数公司尚未开始真正管理数据，为生成式 AI 做好准备。
GenAI 处理的绝大多数数据都是相对非结构化的，形式包括文本、图像、视频等。一家大型保险组织的一位领导者最近与 Randy 分享说，该公司 97% 的数据是非结构化的。许多公司都有兴趣使用 GenAI 来帮助管理和提供对他们自己的数据和文档的访问，通常使用一种称为检索增强生成 （RAG） 的方法。但自 20 多年前的知识管理时代以来，一些公司就没有太多处理他们的非结构化数据。他们一直专注于结构化数据 — 通常是来自事务系统的数字行和列。
为了形成非结构化数据，组织需要选择每种文档类型的最佳示例，标记或绘制内容图表，并将其加载到系统中。（欢迎来到嵌入、向量数据库和相似性搜索算法的神秘世界。这些方法确实为员工提供了相当大的知识获取优势，这就是许多组织追求它们的原因。但这项工作仍然是人力密集型的。也许在某个时候，我们将能够将大量内部文档加载到 GenAI 提示窗口中，但 2025 年不太可能是那个时候。即使这是可能的，仍然需要对数据进行大量的人工管理 – 因为 ChatGPT 无法判断 20 种不同的销售提案中哪个是最好的。
5、谁应该运行数据和 AI？期待持续的斗争。
虽然数据以及利用 AI 利用数据的尝试受到越来越多的组织关注和投资，但数据领导职能本身仍在努力，这也许不足为奇。该职位仍处于起步阶段 – 在 2012 年 Randy 的首次年度高管调查中，只有 12% 的组织任命了首席数据官。正在取得进展：在 Randy 的最新调查中，85% 的组织已经任命了首席数据官，而且这些数据领导者中越来越多的人主要关注增长、创新和转型（而不是避免风险或监管问题）。更多的组织还任命了首席 AI 官，比例达到了惊人的 33%。
虽然这些角色不断发展，但组织仍在努力解决其任务、责任和报告结构。在回应Randy的AI与数据领导力执行基准调查的数据领导者中（主要是首席数据官）中，不到一半的人表示他们的职能非常成功且已经建立起来，只有51%的人表示他们觉得这个工作在他们的组织内得到了很好的理解。我们仍然不确定首席 AI 官和首席数据（和分析/AI）官的职责是否需要不同的角色，尽管包括 Capital One 和 Cleveland Clinic 在内的一些组织已经将首席 AI 官角色确立为首席数据官的对等角色。
我们可以自信地说的一件事是，无论这种需求以何种形式、形式和结构出现，对数据和 AI 领导力的需求只会增长。
对于首席数据和 AI 官的更广泛未来，我们有两种看法。Randy 坚信 CDAO 的角色应该是向业务领导报告的业务角色。他指出，在今年的调查中，36% 的数据和 AI 领导者向 CEO、总裁或 COO 汇报。Randy 坚信，数据和 AI 领导者需要提供可衡量的商业价值，并理解和说业务语言。
技术领导者需要更加关注业务价值。大多数组织中有太多的“技术主管”，包括 CDAO。许多 CDAO 自己认为，他们的内部客户对所有 C 级技术高管感到困惑，而且这些角色的激增使得他们既难以协作，又不太可能向 CEO 汇报工作。我们更愿意看到“超级技术领导者”，所有技术角色都向他们汇报工作，就像越来越多的公司提拔具有变革意识的 CIO 来填补该职位一样。无论正确的答案是什么，很明显，组织必须进行一些干预，并使领导数据的人与数据本身一样受到尊重。
