Gartner：AI编程智能体不会代替数据与阐发团队于数据治理中的脚色

发布时间：2026-07-17 来历：转载 责任编纂：Lily

【导读】AI编程智能体快速成长，其运用界限早已经逾越软件开发范畴，延长至数据治理等更广泛的数字范畴。很多企业机构正于各种数据治理使命中测验考试或者部门联合AI技能。跟着AI技能落地进程加速，从数据与阐发（D A）团队，到营业高管及董事会，带领层对于晋升效率及降低成本的指望也不停提高。

Gartner高级研究总监 顾星宇

连续爬升的行业热度也让人们对于AI智能体能实现的功效孕育发生了愈来愈高、有时甚至不切现实的指望。好处相干方时常会问，这些东西是否能将焦点的数据治理能力彻底主动化，或者是年夜幅削减对于专业团队的依靠。与此同时，技能供给商正将AI功效嵌入自身平台，并将其定位为“智能体式”解决方案，暗示撑持用户自助利用，最年夜限度地削减对于技能团队的依靠。只管这些功效确凿有其价值，但技能供给商的营销方式可能会加重人们认为AI智能体可以代替基础数据治理投入的曲解。

事实上，AI编程智能体不太可能接受企业机构的数据治理本能机能。今朝，它们的重要用途年夜致可分为两类：复制已经知模式，以和于模式不明确或者缺掉的环境下测验考试天生新的解决方案。于后一种环境下，产出的成果往往需要年夜量人工干涉干与。缺少经验的用户获得的成果可能没法复用、难以扩大，或者不切合企业尺度，终极仍需专家举行优化或者重构。这类局限性源在AI体系有用运行所依靠的上下文类型。

与传统编程使命差别，数据治理于很年夜水平上依靠在对于营业数据和界说营业数据的元数据的语义寄义的理解，而这二者都是动态且连续演化的。这类上下文仅靠代码库或者文档没法彻底捕获，它现实上存于在数据与阐发（D A）团队所维护的企业机构常识及管理实践中。

数据治理团队的焦点价值于在构建、维护这一语义层，并使其与不停变化的营业需求连结一致。若将数据治理简朴地视为“对于数据举行编程”，则低估了这项事情的繁杂性。这类认知可能致使企业采用的AI要领会给阐发及AI项目带来危害，包括界说纷歧致、数据质量差、洞察误差，终极影响企业决议计划。

为了有用应答这一改变，数据与阐发带领者应防止人的专业常识与AI效率之间直接竞争的会商框架。假如仅聚焦AI幻觉、安全或者成本等危害睁开会商，可能难以于预算有限、需要不停证实投资回报率的压力情况下得到认同。相反，数据与阐发带领者的重点应放于明确区别成熟AI能力与营销宣传，同时从头定位数据与阐发团队，使其成为数据意义、管理及战略的要害协调者。

语义债务是智能体式数据治理的隐性制约因素

非技能配景的营业用户凡是可以或许履行低至中等技能难度的数据使命，例如对于特定命据产物运用筛选前提，或者对于某个指标举行微调。然而，这类操作依靠在一个要害条件：利用者必需充实理解数据的语义寄义，并确认其匹配自身利用场景的营业上下文。但于实际中，企业往往没能满意这一条件前提。

以一个常见场景为例：某企业机构的“活跃用户”指标最初被界说为已往30天内登录过的用户。假如某团队将该界说更新为7天内登录过的用户，但未正式同步元数据或者沟通相干变动，其他团队可能仍沿用原始界说。这将致使企业机构内部呈现注释纷歧致及成果冲突的问题。

此类环境是语义债务的典型体现：数据产物的营业上下文因阐发需求的变化而不停演进，但其于体系及元数据中的界说却未能同步更新。这些纷歧致征象并不是伶仃事务，现实上它们频仍发生，而且跟着企业机构数据利用范围的扩展而日趋繁杂。

于现今不确定的贸易情况中，对于数据的需求比以往任什么时候候都越发火急，颠簸也更年夜。以灵敏性为焦点的交付模式正变患上愈来愈遍及，例如自助式阐发及去中央化要领。这些模式虽然晋升了阐发速率，但也加快了语义债务的堆集。跟着营业上下文快速变化，底层的数据界说更难维护，致使AI智能体所依靠的上下文呈现纷歧致。

这类日趋加重的脱节使智能体驱动的数据治理难以靠得住运行。

数据治理团队于应答这一挑战中阐扬着要害作用。当他们从传统的“对于数据举行编程”方式，转向与一线运用场景及数据利用者开展更慎密协作时，其价值才能获得最年夜水平的阐扬。这些团队经由过程于数据与运用场景之间架起桥梁，确保了数据与阐发的一致性、可托度及相干性。

于此历程中，他们也有助在明确自身于投资回报率（ROI）方面的踊跃作用，确保数据可以或许带来切实结果，同时减缓了企业减少维护数据与阐发基础能力设置装备摆设投入的压力。