Sztuczna inteligencja będzie miała wpływ na wszystkie aspekty danych i analityki – uważa Gartner. Chodzi m.in. o wpływ na przywództwo, zarządzanie, talenty, dynamikę rynku. „Tempo zmian w danych i sztucznej inteligencji jest tak szybkie, że każdy rok wydaje się jak wkraczanie w nowy rozdział powieści science fiction” – twierdzi Rita Sallam, wiceprezes ds. analityki w Gartnerze. Uważa, że w 2026 roku granice między inteligencją ludzką, maszynową i organizacyjną będą się nadal zacierać.

Zdaniem Gartnera do 2027 r. 75 proc. procesów rekrutacyjnych będzie obejmować certyfikacje i testy sprawdzające znajomość AI w pracy. Uważa, że szefowie, którzy nie zmodernizują strategii rozwoju talentów IT, ryzykują, iż ich organizacje na zawsze pozostaną w tyle za konkurentami. To jest za takimi firmami, które z powodzeniem wdrożyły współpracę między człowiekiem a AI.

Wstrząs na rynku

Do 2027 roku generatywna AI i agenci staną się wyzwaniem dla głównych narzędzi od 30 lat zwiększających produktywność. Doprowadzi to do wstrząsu na rynku o wartości 58 mld dol. – przewiduje Gartner.

jego zdaniem szefowie ds. danych i analityki muszą więc domagać się narzędzi zwiększających produktywność, dostosowanych do czasów AI. Chodzi np. o nowe interfejsy użytkownika, wtyczki, typy dokumentów, formaty.

Analitycy radzą, by szefowie eksperymentowali z agentami od zarządzania danymi w procesach o niskim ryzyku. Celem jest to, by sprawdzić, czy agenci potrafią poprawnie interpretować kontekst i protokoły w kontrolowanym środowisku.

Szefowie, uczcie się od startupów AI

Do 2030 roku pojawi się nowa fala „jednorożców”. Ich roczny przychód cykliczny (ARR) wyniesie 2 mln dol. na pracownika – spodziewa się Gartner. Będzie je napędzał nie kapitał inwestycyjny, lecz wysoka efektywność wykorzystania kapitału, która generuje mnożniki wyceny oparte na wynikach, a nie na obietnicach.

Gartner twierdzi, iż pionierskie startupy oparte na AI, osiągają bezprecedensową efektywność wzrostu dzięki kilku elementom oferty. Mianowicie rozwiązują one problemy za pomocą autorskiej AI i wbudowują sztuczną inteligencję w procesy. Do tego dostarczają interfejsy użytkownika, które zapewniają szybką adopcję, łatwe użytkowanie i mierzalny wpływ na biznes.

„Liderzy ds. danych i analityki mogą uczyć się od startupów stawiających na AI, które rozwijają się i szybko osiągają rentowność, mając mniejszą liczbę pracowników z istotnym udziałem w projekcie. Wybierają zamiast tego inżynierów full-stack i specjalistów, którzy potrafią szybko adaptować się do nowych narzędzi AI. Takie podejście pozwala firmom (i zespołom) na efektywne skalowanie przy mniejszych zasobach” – uważa Rita Sallam.