I takt med att användningen av maskininlärning fortsätter att växa snabbt i olika branscher så går nu maskininlärning från att bara fokusera på prediktiva modeller till en mer demokratiserad, dynamisk och datacentrerad disciplin enligt Gartneranalytikern Peter Krensky.
– Detta drivs nu också av glöden kring generativ AI. Samtidigt som potentiella risker dyker upp, så är också de många nya funktionerna och användningsfallen för dataanalytiker och deras organisationer.
Här är de fem trender som Gartner lyfter fram:
Ekosystem för molndata
Ekosystem av data flyttas från fristående mjukvara eller blandade distributioner till fullständiga molnbaserade lösningar och analysföretaget spår att redan nästa år kommer 50 procent av alla nya systemdistributioner i molnet att baseras på ett sammanhängande molndataekosystem snarare än på manuellt integrerade punktlösningar.
Rekommendationen till företaget är att utvärdera sina dataekosystem efter hur de kan lösa distribuerade datautmaningar och komma åt och integrera med datakällor utanför sin närmaste miljö.
Edge AI
Organisationer vill få sina insikter i realtid för att upptäcka nya mönster snabbt och efterfrågar därför att göra bearbetningar med AI i kanten av nätverket, så kallad edge AI. Gartner tror att 2025 kommer över 55 procent av all dataanalys av djupa neurala nätverk att ske vid fångstpunkten i ett kantsystem. 2021 var det 10 procent.
För att lyckas med det rekommenderas företag och organisationer identifiera de program och den AI-träning som krävs för att flytta till miljöer nära slutpunkter för internet of things.
Ansvarsfull AI
Att hantera AI etiskt och ansvarsfullt handlar om sådant som risk, förtroende, transparens och ansvarsskyldighet. Här räknar Gartner med att förtränade AI-modeller bland 1 procent av AI-leverantörerna år 2025 kommer att göra ansvarsfull AI till en samhällsangelägenhet.
Därför bör organisationer använda sig av en riskproportionell metod och vara försiktiga när de tillämpar AI-lösningar och försöka få leverantörerna att säkerställa att de hanterar sina risk- och efterlevnadsskyldigheter, skyddar organisationer från potentiell ekonomisk förlust, rättsliga åtgärder och risk för skadat rykte.
Datacentrerad AI
Från en modell- och kodcentrerad metod går AI till att vara mer datafokuserad. Det kan handla om lösningar som AI-specifik datahantering, syntetiska data och datamärkningsteknik som syftar till att lösa många datautmaningar, exempelvis tillgänglighet, volym, integritet, säkerhet, komplexitet och omfattning.
Ett område som växer snabbt är användningen av generativ AI för att skapa syntetiska data så att maskininlärningsmodeller kan tränas effektivt.
Gartner förutspår att 60 procent av data för AI kommer att vara syntetiska nästa år – en ökning från 1 procent 2021.
AI-investeringar accelererar
Investeringar i AI kommer att fortsätta att accelerera. I en Gartnerrapport nyligen uppgav 45 procent att den senaste tidens hajp kring Chat GPT fick dem att öka AI-investeringarna.
Sjuttio procent sa att deras organisation är i undersöknings- och utforskningsläge med generativ AI, medan 19% är i pilot- eller produktionsläge.
Gartner bedömer ocks att över 10 miljarder dollar kommer att ha investerats i AI-startups som förlitar sig på stora AI-modeller tränade på enorma mängder data 2026.