การ์ทเนอร์เผยคาดการณ์ด้านข้อมูลและการวิเคราะห์ (Data and Analytics) สำคัญ ๆ ของปี 2568 และปีต่อ ๆ ไป พบว่าการตัดสินใจทางธุรกิจครึ่งหนึ่งเป็นผลมาจากการเพิ่มประสิทธิภาพและการทำงานอัตโนมัติจาก AI Agents โดยความรู้และทักษะ AI ของผู้บริหารจะเพิ่มประสิทธิภาพทางการเงินให้สูงขึ้น และความล้มเหลวสำคัญในการจัดการข้อมูลสังเคราะห์ หรือ Synthetic Data จะเพิ่มความเสี่ยงด้านธรรมาภิบาล AI รวมถึงความแม่นยำและการปฏิบัติตามข้อกำหนดของโมเดล
Carlie Idoine, รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า “ในวันนี้กิจกรรมเกือบทุกอย่างของเราตั้งแต่วิธีการทำงานไปจนถึงวิธีการตัดสินใจล้วนได้รับอิทธิพลจากปัญญาประดิษฐ์ไม่ทางตรงก็ทางอ้อม ซึ่ง AI ไม่สามารถตอบสนองหรือส่งมอบคุณค่าทั้งหลายได้เองตามลำพัง จำเป็นต้องทำงานสอดคล้องกับข้อมูล แนวทางการวิเคราะห์ และการกำกับดูแล เพื่อช่วยให้ตัดสินใจและดำเนินการได้อย่างชาญฉลาดและสามารถปรับเปลี่ยนได้เหมาะสมทั่วทั้งองค์กร”
การ์ทเนอร์แนะนำให้องค์กรใช้หลักสมมติฐานเชิงกลยุทธ์ต่อไปนี้ เพื่อวางแผนอนาคตในอีก 2-3 ปีข้างหน้า
ภายในปี 2570 ครึ่งหนึ่ง (50%) ของการตัดสินใจทางธุรกิจมาจากการทำงานอัตโนมัติและเสริมประสิทธิภาพด้วย AI Agents สำหรับ Decision Intelligence
Decision Intelligence เมื่อรวมเข้ากับข้อมูล การวิเคราะห์ และ AI จะสร้างกระบวนการตัดสินใจเพื่อสนับสนุนและทำให้การตัดสินใจที่ซับซ้อนเป็นอัตโนมัติ โดย AI Agents ช่วยเพิ่มประสิทธิภาพกับกระบวนการนี้ จัดการกับความซับซ้อน การวิเคราะห์ และการดึงแหล่งข้อมูลต่าง ๆ มาใช้ การ์ทเนอร์แนะนำให้ผู้บริหาร D&A ทำงานร่วมกับผู้มีส่วนได้ส่วนเสียทางธุรกิจ เพื่อระบุและจัดลำดับการตัดสินใจที่สำคัญ ๆ เพื่อบรรลุความสำเร็จขององค์กร รวมถึงการตัดสินใจที่ได้ประโยชน์จากการนำการวิเคราะห์และปัญญาประดิษฐ์ไปใช้อย่างมีประสิทธิภาพมากขึ้น
“AI Agents สำหรับ Decision Intelligence ไม่ใช่สูตรสำเร็จและไม่ใช่เรื่องที่ผิดพลาดไม่ได้ หากแต่ต้องใช้ร่วมกันกับการกำกับดูแลและการจัดการความเสี่ยงที่มีประสิทธิภาพ ซึ่งการตัดสินใจของมนุษย์ยังต้องการความรู้ที่เหมาะสม รวมถึงความรู้ในด้านข้อมูลและปัญญาประดิษฐ์” Idoine กล่าวเพิ่ม
ภายในปี 2570 องค์กรที่มุ่งเน้นให้ผู้บริหารเรียนรู้และเข้าใจเรื่องปัญญาประดิษฐ์ (AI Literacy) จะมีผลประกอบการทางการเงินสูงกว่าองค์กรที่ไม่สนใจเรื่องนี้ถึง 20%
การปลดล็อกศักยภาพธุรกิจเต็มรูปแบบด้วยปัญญาประดิษฐ์ต้องสร้าง AI Literacy ให้แก่ผู้บริหาร พวกเขาต้องเรียนรู้และทำความเข้าใจเกี่ยวกับโอกาส ความเสี่ยงและต้นทุน AI เพื่อตัดสินใจได้อย่างมีประสิทธิภาพและเตรียมพร้อมสำหรับอนาคตการลงทุนด้าน AI ที่ช่วยเร่งผลลัพธ์ขององค์กร การ์ทเนอร์แนะนำให้ผู้บริหาร D&A แนะนำโปรแกรมการพัฒนาทักษะที่มอบประสบการณ์ให้ผู้บริหาร เช่น การพัฒนาต้นแบบเฉพาะโดเมนสำหรับทำให้ปัญญาประดิษฐ์เป็นเรื่องที่จับต้องได้ ที่จะนำไปสู่การลงทุนที่มากขึ้นและเหมาะสมขึ้นกับความสามารถในการใช้ AI
ภายในปี 2570 ผู้บริหารด้านข้อมูลและการวิเคราะห์ 60% จะเผชิญกับความล้มเหลวครั้งใหญ่ในการจัดการข้อมูลสังเคราะห์ (Synthetic Data) เกิดความเสี่ยงต่อการกำกับดูแล AI ความแม่นยำ และการปฏิบัติตามข้อกำหนดของโมเดล
การใช้ข้อมูลสังเคราะห์ หรือ Synthetic Data เพื่อฝึกโมเดล AI ขณะนี้เป็นกลยุทธ์สำคัญเพื่อเพิ่มประสิทธิภาพความเป็นส่วนตัวและการสร้างชุดข้อมูลที่หลากหลาย อย่างไรก็ตาม ความซับซ้อนเกิดขึ้นเนื่องจากความจำเป็นที่จะต้องให้แน่ใจว่าข้อมูลสังเคราะห์สามารถสื่อถึงสถานการณ์ที่เป็นจริงได้แม่นยำ ปรับขนาดได้อย่างมีประสิทธิภาพเพื่อตอบสนองความต้องการข้อมูลที่เติบโต และบูรณาการเข้ากับข้อมูลและระบบที่มีอยู่ได้อย่างราบรื่น
“เพื่อจัดการกับความเสี่ยงเหล่านี้ องค์กรต้องใช้การจัดการ Metadata ที่มีประสิทธิภาพ โดย Metadata จัดเตรียมบริบท เชื่อมโยง และกำกับดูแลที่จำเป็นเพื่อติดตาม ตรวจสอบ รวมถึงจัดการข้อมูลสังเคราะห์ได้อย่างมีความรับผิดชอบ ถือเป็นสิ่งสำคัญในการรักษาความถูกต้องแม่นยำของ AI และการปฏิบัติตามมาตรฐาน” Idoine กล่าวเพิ่มเติม
ภายในปี 2571 โครงการนำร่อง GenAI 30% ที่มุ่งสู่การผลิตขนาดใหญ่จะถูกสร้างขึ้นแทนที่การใช้งานผ่านแอปพลิเคชันสำเร็จรูป (Packaged Applications) เพื่อลดต้นทุนและเพิ่มการควบคุม
การสร้างโมเดล GenAI ภายในองค์กรให้ความยืดหยุ่น การควบคุม และคุณค่าในระยะยาวที่เครื่องมือสำเร็จรูปหลายอย่างทำไม่ได้ และเมื่อความสามารถภายในเติบโตขึ้น การ์ทเนอร์แนะนำให้องค์กรนำกรอบการทำงานที่ชัดเจนมาใช้สำหรับการตัดสินใจว่าจะสร้างเองหรือจะซื้อ (Build Versus Buy Decisions) ที่ต้องพิจารณาปัจจัยด้านต้นทุน ระยะเวลาที่จะออกสู่ตลาด ชุดทักษะความรู้ที่มีอยู่ ความสามารถในการบูรณาการ การปฏิบัติตามข้อกำหนดและความเสี่ยง
ในปี 2570 องค์กรที่จัดลำดับความสำคัญของอรรถศาสตร์ (การศึกษาความหมายคำหรือภาษา) หรือ Semantics ในชุดข้อมูล AI จะเพิ่มความแม่นยำขอองโมเดล GenAI ได้สูงสุด 80% และลดต้นทุนสูงสุด 60% อรรถศาสตร์ที่ไม่ดี (Poor Semantics) หรือการศึกษาความหมายของภาษาที่ไม่ดีใน GenAI นำไปสู่การตีความผิดเพี้ยนมากขึ้น ต้องการโทเค็นและมีต้นทุนสูงขึ้น องค์กรที่ทบทวนการจัดการข้อมูลโดยมุ่งเน้นไปที่ Active Metadata ขับเคลื่อนความแม่นยำและประสิทธิภาพของโมเดลมากขึ้น จะมีความพร้อมด้านข้อมูลปัญญาประดิษฐ์สูงขึ้น (AI Data Readiness) และลดต้นทุนการคำนวณ การ์ทเนอร์คาดว่า สิ่งนี้ช่วยให้ AI Agents ทำงานมีประสิทธิภาพมากขึ้นและเพิ่มความสะดวกในการตัดสินใจได้อย่างชาญฉลาดและรวดเร็วขึ้นทั่วทั้งองค์กร
ภายในปี 2572 บอร์ดบริหารทั่วโลก 10% จะใช้คำแนะนำที่ได้รับจาก AI มาท้าทายการตัดสินใจที่มีความสำคัญต่อธุรกิจของผู้บริหาร
เมื่อ AI ฝังอยู่ในกลยุทธ์ของบอร์ดบริหาร ความต้องการการกำกับดูแลข้อมูลให้แข็งแกร่ง หรือ Data Governance ความชัดเจนกฎระเบียบ และการจัดการชื่อเสียงองค์กรจะมีความเข้มข้นขึ้น การ์ทเนอร์แนะนำให้บอร์ดบริหารกำหนดขอบเขตการมีส่วนร่วมในการนำ AI ไปใช้ตัดสินใจและจัดตั้งนโยบายที่ชัดเจนด้านการกำกับดูแล กำหนดกรอบความรับผิดชอบ และการปฏิบัติตามกฎระเบียบ โดยสิ่งเหล่านี้จะช่วยให้พวกเขาใช้ AI เป็นที่ปรึกษาเชิงกลยุทธ์ พร้อมรักษาความไว้วางใจและควบคุมไปพร้อมกัน
Gartner Announces the Top Data & Analytics Predictions
Gartner, Inc. has announced the top data and analytics (D&A) predictions for 2025 and beyond. Among the top predictions, half of business decisions will be augmented or automated by AI agents; executive AI literacy will drive higher financial performance; and critical failures in managing synthetic data will risk AI governance, model accuracy and compliance.
Carlie Idoine, VP Analyst at Gartner, said, “Nearly everything today – from the way we work to how we make decisions – is directly or indirectly influenced by AI. But it doesn’t deliver value on its own – AI needs to be tightly aligned with data, analytics and governance to enable intelligent, adaptive decisions and actions across the organization.”
Gartner recommends organizations use the following strategic assumptions to inform their planning over the next 2-3 years.
By 2027, 50% of business decisions will be augmented or automated by AI agents for decision intelligence.
Decision intelligence combines data, analytics and AI to create decision flows that support and automate complex judgements. AI agents enhance this process by handling the complexity, analysis and retrieval of various data sources. Gartner recommends D&A leaders work with business stakeholders to identify and prioritize decisions critical to the success of the organization, and those that can benefit from more effective application of analytics and AI.
“AI agents for decision intelligence aren’t a panacea, nor are they infallible,” said Idoine. “They must be used collectively with effective governance and risk management. Human decisions still require proper knowledge, as well as data and AI literacy.”
By 2027, organizations that emphasize AI literacy for executives will achieve 20% higher financial performance compared with those that do not.
Unlocking AI’s full business potential requires building executive AI literacy. They must be educated on AI opportunities, risks and costs to make effective, future-ready decisions on AI investments that accelerate organizational outcomes. Gartner recommends D&A leaders introduce experiential upskilling programs for executives, such as developing domain-specific prototypes to make AI tangible. This will lead to greater and more appropriate investment in AI capabilities.
By 2027, 60% of data and analytics leaders will face critical failures in managing synthetic data, risking AI governance, model accuracy, and compliance.
Using synthetic data to train AI models is now a critical strategy for enhancing privacy and generating diverse datasets. However, complexities arise from the need to ensure synthetic data accurately represents real-world scenarios, scales effectively to meet growing data demand and integrates seamlessly with existing data pipelines and systems.
“To manage these risks, organizations need effective metadata management,” said Idoine. “Metadata provides the context, lineage and governance needed to track, verify and manage synthetic data responsibly, which is essential to maintaining AI accuracy and meeting compliance standards.”
By 2028, 30% of GenAI pilots that move forward into large scale production will be built versus deployed using packaged applications to lower cost and increase control.
Building GenAI models in-house offers flexibility, control and long-term value that many packaged tools cannot match. As internal capabilities grow, Gartner recommends organizations adopt a clear framework for build versus buy decisions. It must factor in cost, time to market, available skillsets, integration capabilities, compliance and risk.
By 2027, organizations that prioritize semantics in AI-ready data will increase their GenAI model accuracy by up to 80% and reduce costs by up to 60%.
Poor semantics in GenAI lead to greater hallucinations, more tokens required and higher costs. Organizations that rethink data management to focus on active metadata drive greater model accuracy and efficiency, have higher AI data readiness and reduce compute costs. According to Gartner, this enables AI agents to operate more effectively and facilitates smarter, faster decision making across the organization.
By 2029, 10% of global boards will use AI guidance to challenge executive decisions that are material to their business.
As AI becomes embedded in board-level strategy, the need for strong data governance, regulatory clarity and reputation management will intensify. Gartner recommends boards define the boundaries of AI involvement in decision making and establish clear policies around oversight, responsibility and regulatory compliance. This will enable them to use AI as a strategic advisor while maintaining trust and control.
