2025年，先进的人工智能，特别是大型语言模型（LLM）和生成式人工智能，将成为企业技术中最重要的事项。企业将开始认真思考人工智能对其组织能做什么，并将重点从实验转移到生产。
AI 转向生产：价值和可观测性
- 企业将更加关注 AI 项目的实际结果，包括价格、治理和实际回报。
- AI 可观测性解决方案将成为将 AI 引入生产的核心要素，以监控 LLM 的输出质量和安全。
- 数据平台将继续演进，特别是语义层的发展，以帮助 AI 更好地理解数据。
杀手级应用：变革的代理人
- LLM 本身就是杀手级应用，它们将作为自主代理出现，能够执行复杂任务并提高生产力。
- 协作编码工具将帮助开发人员提高效率和创造力。
- 下一代 LLM 将在多步规划和解决问题方面表现更好。
好的、坏的和引人入胜的
- AI 将产生“幻觉”，但检索增强生成（RAG）等技术将有助于减少不准确性和偏见。
- 数据多样化和更多相关来源将提高准确性。
- GPU 市场将自我纠正，企业将能够更好地管理其与 AI 相关的成本和目标。
- 道德人工智能将成为企业的重要任务，推动透明度、公平性和问责制的提升。
在 AI 世界中工作和领导
- 工作岗位将发生变化，重复性任务将减少，数据驱动的战略思维需求将增加。
- 领导者需要积极采用 AI 工具，并激励员工。
- AI 将被视为远程团队成员，并使用明确的“工作描述”定义角色。
开源加速人工智能创新
- 开源将继续发挥关键作用，特别是在用于训练 AI 系统的工具方面。
- 基于人工智能的低代码和无代码开发工具将提升熟练开发人员在组织中的作用。
- Apache Iceberg 等开源项目将走向主流，推动数据民主化和生态系统协作。
GenAI 和 LLM：确保新攻击面的安全
- LLM 的开发和使用带来了新的网络安全挑战，例如社交工程攻击和模型污染。
- 安全数据湖和 AI 安全副驾驶工具将成为保护 AI 模型的重要工具。
- AI 安全将变得更加正式，需要严格的控制、审计跟踪和治理结构。
专注前进
- 不要让对明晰视野的需求对 AI 的整体潜力产生怀疑。
- AI 将使我们变得更加聪明，推动健康、教育、城市规划等方面的改善。
- AI 转型是一个十年的工作，需要持续演进和适应。
审视关键行业
- 广告、媒体和娱乐：拓展创意，最大化预算。
- 金融服务：在创新与财政审慎之间取得平衡。
- 医疗保健和生命科学：谨慎接受人工智能。
- 制造业：去炒作，专注回报。
- 电信业：倚重人工智能、地理空间数据和货币化。
- 公共部门：在拥抱人工智能的同时确保数据隐私的高标准。
- 零售和消费品：在实现 GENAI 的增量成功的基础上迅速建设零售商的数据战略。
