1. 首頁 > 生活百科 > >

Gartner：到2027年，75%招聘流程將加入AI能力認證與測試

人工智能gartnerai


【TechWeb】3月12日消息 ， Gartner發布了2026年及未來數據和分析（DA）重要預測 。 人工智能（AI）預計將對數據和分析全領域產生影響 ， 包括領導力、治理體系、人才需求、市場動態、語境需求及非文本模型 。
Gartner杰出研究副總裁Rita Sallam表示：“數據與AI的發展速度如此迅猛 ， 每一年都如同邁入科幻小說的新篇章 。 2026年 ， 人類、機器與組織智能的邊界將不斷模糊 。 企業以前所未有的方式依賴數據 ， AI系統不僅是輔助工具 ， 更是協同工作的‘合作伙伴’ 。 這些預測將為領導者提供一張應對未來機遇與挑戰的藍圖 。 ”
到2027年 ， 75%的招聘流程將在錄用環節加入工作場所AI能力認證與測試 。
AI創新的速度驚人 ， 這使得制定有針對性的AI驅動型人才戰略迫在眉睫 。 如果領導者未能使技術人才戰略跟上時代步伐 ， 其企業可能會永久落后于成功實現人機協作的競爭對手 。
Sallam表示：“數據和分析領導者應推動落實嚴格的數據驅動型技能評估 ， 以發現其AI愿景與IT人才就緒度之間的差距 。 ”
到2027年末 ， GenAI與AI智能體的應用 ， 將給主流生產力工具帶來30年來首次真正挑戰 ， 并引發價值580億美元的市場格局重塑 。
如今 ， 新內容創作往往不再是從零開始 ， 而是越來越多地先使用GenAI獲取大量內容并以多種方式整合 。 編輯過程也常常是利用AI不斷重寫內容 ， 而非作者手動修改 。
隨著價值不斷向代理型AI體驗轉移 ， AI將持續引發生產力套件領域的新一輪競爭 。 數據和分析領導者必須要求工具適配當下需求 ， 例如 ， 新型用戶界面、插件、文檔類型及格式等 。
到2029年 ， AI智能體從物理環境中產生的數據量預計將達到所有數字AI應用數據總和的10倍 。
物理世界中的代理型AI應用因與環境交互而在邏輯、空間及多智能體場景中產生海量軌跡數據 。 這為世界模型創造了從數據中學習規律并進行精準預測與模擬的獨特機遇 。
到2030年 ， 50%的企業將使用自主AI智能體將治理政策與技術標準轉化為機器可驗證的數據合約 ， 實現合規與治理政策的自動化執行 。
到2030年 ， 50%的AI智能體部署失敗將源于AI治理平臺運行時能力執行與多系統互操作性方面的不足 。 短期內 ， 使用大語言模型（LLM）作出的無治理決策將導致企業遭受經濟或聲譽損失 。
【Gartner：到2027年，75%招聘流程將加入AI能力認證與測試】Sallam表示：“數據和分析領導者應在低風險流程中嘗試使用數據治理智能體 ， 來編排并實現協商流程的自動化 。 在嘗試進一步擴展前 ， 他們需要驗證智能體能否在受控環境中正確解讀上下文和協議 。 同時 ， 分析工作流也應重新設計 ， 增加強制性評估階段 。 ”
到2030年 ， 將出現一批新的獨角獸企業 。 這些企業的人均年度經常性收入達200萬美元 ， 估值突破十億美元 。 其增長動力并非來自投資者資本 ， 而是源于極致的資本效率 。 這種效率產生的估值倍數源于實際業績 ， 而非未來承諾 。
領先的AI原生初創企業正通過三條路徑實現空前的增長效率：使用專有AI解決特定的服務不足問題、將AI嵌入工作流 ， 以及提供簡潔直觀的用戶體驗加快普及速度、養成使用習慣和產生可觀的商業價值 。
Sallam表示：“各行業企業都需要遵守新的標準 。 數據和分析領導者可以向這些以AI為中心的初創企業學習 。 這些企業通過聚焦少數擁有重大股權的員工 ， 同時選擇能夠快速適應新AI工具的技術中立型全棧工程師和通才實現快速增長與盈利 。 這種模式使企業（及團隊）能以更少的資源實現高效增長 。 ”
到2030年 ， 60%通過AI成功實現差異化的企業將由重視人際關系技能的高管領導 。
隨著企業日益認識到以人為本的戰略愿景在AI應用中的價值 ， 具備強大聯盟構建與影響力技能的首席數據和分析官（CDAO）將晉升至首席執行官（CEO）等更高層級的高管崗位 。
到2030年 ， 通用語義層將與數據平臺、網絡安全并列為關鍵基礎設施 。
對于主導或支持AI的數據和分析領導者而言 ， 構建通用語義層已成為一門“必修課” 。 這是提高準確性、管控成本、大幅削減AI債務、協調多智能體系統及遏制高成本不一致性擴散的唯一途徑 。 數據和分析領導者必須將語義能力納入預算 ， 將其作為不可妥協的基礎 。
到2028年 ， 50%的內容風險崗位將從法律和網絡安全部門轉移至AI工程部門 ， 以應對孤立保障流程引發的固有風險 。
風險緩解功能正日益融入AI工程、數據科學及軟件開發流程 。 相關團隊需設計能夠智能生成和管理內容的系統 ， 并負責通過將嵌入式控制功能內建于設計中緩解相關風險 。 這將推動在倫理和法律邊界內實現更加快速、負責任的創新 ， 尤其是當AI模型決策需基于用戶情境時 。 （宜月）

    推薦閱讀