?隨著各行業(yè)企業(yè)為2025年的AI投資和戰(zhàn)略布局做準備，我們總結(jié)了企業(yè)在未來一年的核心關注點：

• 基礎設施將成為最緊迫的投資領域，企業(yè)將重點構(gòu)建AI代理（AI agents）和AI系統(tǒng)。
• 企業(yè)將聚焦于數(shù)據(jù)優(yōu)勢（data advantage），以通過AI獲取競爭優(yōu)勢。
• AI培訓將致力于推動員工行為變革，促進AI的廣泛采用，并構(gòu)建“人類參與”流程（human-in-the-loop processes）。

AI將繼續(xù)成為2025年每位業(yè)務領導者戰(zhàn)略計劃的核心。

根據(jù)最新調(diào)查顯示，70%的企業(yè)認為AI對其長期成功至關重要。那么，這一趨勢在實際運營中如何體現(xiàn)？

盡管企業(yè)對AI技術的興趣持續(xù)高漲，但其投資和部署AI的戰(zhàn)略優(yōu)先事項正在發(fā)生調(diào)整。以下是我們對2025年數(shù)據(jù)與AI領導者關注領域的預測：

企業(yè)AI戰(zhàn)略重心：后訓練（post-training）與專用AI代理（AI agents）

企業(yè)將根據(jù)規(guī)模定律（scaling laws）的發(fā)展，將重心從預訓練（pre-training）和更大模型轉(zhuǎn)向后訓練技術。我們觀察到，企業(yè)正在構(gòu)建具備自主性（agentic）的AI代理系統(tǒng)。這些系統(tǒng)整合了多個模型、技術和工具，通過協(xié)同工作提升效率和輸出質(zhì)量。

在推理階段（inference），企業(yè)將利用具備自主性的工作流（agentic workflows）來評估AI系統(tǒng)在專用任務中的表現(xiàn)，例如調(diào)試（debugging）以及在資源和數(shù)據(jù)有限的情況下持續(xù)優(yōu)化質(zhì)量。

AI投資最大領域：基礎設施，且企業(yè)競相布局AI代理

本調(diào)查顯示，僅有22%的企業(yè)認為其現(xiàn)有架構(gòu)能夠在不做修改的情況下支持AI工作負載。我們預計，企業(yè)將在2025年將大量資源投入數(shù)據(jù)基礎設施領域。

在具備自主性的AI系統(tǒng)中，AI代理必須能夠突破專有IT環(huán)境的限制，與多種數(shù)據(jù)源、大型語言模型（LLM）以及其他組件交互，以交付準確且可靠的結(jié)果。企業(yè)需要一個端到端的數(shù)據(jù)平臺，即AI數(shù)據(jù)庫（AI database），來支持治理、法規(guī)遵從、訓練及評估，確保AI項目順利投入生產(chǎn)。

企業(yè)將通過“數(shù)據(jù)優(yōu)勢”（Data Advantage）擴大市場份額

2024年，企業(yè)AI的討論主要集中在提升員工生產(chǎn)力和效率的內(nèi)部應用上。然而，隨著企業(yè)將面向客戶的AI應用投入生產(chǎn)，領域特定知識或數(shù)據(jù)智能（data intelligence）逐漸成為新的關注重點。這意味著企業(yè)將加速識別與自身數(shù)據(jù)優(yōu)勢（data advantage）契合的使用場景。

這也是客戶服務成為熱門起點的原因之一。企業(yè)通常擁有大量關于客戶的數(shù)據(jù)，可以利用這些數(shù)據(jù)為AI系統(tǒng)提供支持，從而改善服務質(zhì)量。通過整合客戶歷史交互記錄，企業(yè)能夠?qū)崿F(xiàn)更加個性化的未來客戶體驗。

此外，企業(yè)還可以在更多領域深入挖掘數(shù)據(jù)價值。例如，制造業(yè)可以利用數(shù)字化制造設備生成的數(shù)據(jù)資產(chǎn)優(yōu)化設備運行狀態(tài)。生命科學公司可以借助其數(shù)十年的藥物研發(fā)經(jīng)驗訓練AI模型，從而加速發(fā)現(xiàn)潛在治療方法。金融服務公司則可以構(gòu)建專用模型，幫助客戶利用其深厚的專業(yè)知識優(yōu)化投資組合。

治理議題將成為高管層討論的核心焦點

目前，關于AI治理的討論主要集中在安全性和法規(guī)遵從方面。

高管們逐漸認識到數(shù)據(jù)治理與AI準確性和可靠性之間的緊密聯(lián)系。一種全面的治理方法旨在確保AI的負責任開發(fā)、部署和使用，同時降低風險并支持法規(guī)合規(guī)。

許多公司已邁出第一步，將數(shù)據(jù)和AI資產(chǎn)的元數(shù)據(jù)（metadata）統(tǒng)一存儲在一個位置，以消除冗余并提高數(shù)據(jù)完整性。隨著企業(yè)部署更多AI使用場景，這一基礎將變得至關重要。將數(shù)據(jù)治理與AI治理結(jié)合，可以確保AI模型基于高質(zhì)量數(shù)據(jù)集生成輸出并采取行動。這不僅提升了AI系統(tǒng)的整體性能，也降低了構(gòu)建和維護AI系統(tǒng)的運營成本。

人才技能提升將著眼于加速AI技術的廣泛應用

在未來多年內(nèi)，AI項目仍將需要“人類參與流程”（human-in-the-loop approach）。過去兩年，AI技能提升的重點在于理解這些系統(tǒng)的工作原理以及提示工程（prompt engineering）。然而，我們僅僅觸及了當今模型應用的表面。解鎖新應用的真正障礙在于人類行為的改變。因此，企業(yè)將把注意力轉(zhuǎn)向推動人類對AI的廣泛采用。這種推動可以通過優(yōu)化招聘流程、內(nèi)部開發(fā)AI應用以及更專注于特定使用場景的培訓來實現(xiàn)。

2025年將是一個關鍵年份。在這一年里，AI及其相關的數(shù)據(jù)、基礎設施和治理將成為領導者關注的核心領域。

參考資料：Howard, J. (2024, December 23). Strategic Priorities for Data and AI Leaders in 2025. Databricks. https://www.databricks.com/blog/strategic-priorities-data-and-ai-leaders-2025?

本文轉(zhuǎn)載自??Andy730??，作者： 常華Andy ????