目录
Gartner的2027年趋势不仅涉及AI性能提升,还涵盖如何管控自主智能体、如何构建适应变化的IT环境。企业在急于引入新技术之前,应先明确在哪些业务中使用,以及如何阻止错误继续发生。
要点#
- 趋势分为“文本之外的AI”“自主性的管控”“可持续的敏捷性”三大领域。
- 预计到2030年,在主要部门的战略预测和运营模型构建中,LQM将取代25%的LLM应用。
- 语音交互的自主处理比例预计将从2026年的不足10%增至2030年的70%以上。
- 预计到2030年,40%的机器人系统将集成世界模型。
- 决定是否引入时,除准确性外,还应确认权限管理、风险应对和切换的便利性。
AI走向文本之外#
Gartner列举的“大型定量模型(LQM)”“语音推理模型”和“世界模型”,都不只是用于生成文本。它们通过数值计算、语音理解和环境模拟,为业务判断与行动提供支持。
LQM结合数学公式、统计方法和数值算法来处理定量数据。在预测和运营模型等需要计算结果易于验证的场景中,它可能比单纯依赖LLM更合适。不过,25%这一数字是对2030年前的预测,并不意味着所有预测业务都会发生替代。
语音与机器人作出判断#
语音推理模型跳过先将语音转成文字再处理的方式,直接处理对话脉络和意图。它有望自主处理涉及多轮交互、话题切换和错误恢复的业务。Gartner预测,到2030年,企业语音交互的自主处理比例将达到70%以上。2026年的比例被认为不足10%,如果按预测发展,将是一场重大变化。
世界模型对物理环境或虚拟环境进行建模,在采取行动前模拟结果。预期用途包括让机器人观察周围情况,选择下一步动作。预计机器人系统的搭载率将从2025年的不足1%增至2030年的40%。实际引入时,需要确认模拟环境与现场环境的吻合程度。
自主性需要控制#
智能体连续执行的操作越多,误操作或过度使用权限对业务的影响就越大。Gartner将各平台的AI上下文管理、编码控制机制、安全身份标识,以及暴露弱点的自动修复等列为管控手段。
引入时,应按具体业务限制赋予智能体的权限,并保留执行日志。对不可撤销的操作设置人工审批,同时建立异常时可停止运行的机制。仅增加一道人工确认流程未必足够,因此应具体规定停止条件和权限上限。
构建适应变化的环境#
第三个领域是避免过度依赖特定技术或供应商,让环境更易于更新。Gartner列举了主权技术栈、设计时就考虑退役的应用程序,以及低功耗的生物计算等例子。
企业较容易立即着手的是摸清系统依赖关系和数据所在位置。梳理服务终止或法规变化时,哪些应用和业务会受影响。未来选择技术时,迁移所需的时间、费用以及数据能否导出,也应纳入比较。
下一步#
首先,选择一个拟引入AI的业务,将“处理的数据”“可执行的操作”“需要人工审批的情形”“停止条件”写在一页纸上。完成后,就可以明确预期效果和可接受的风险,开展小规模试点。
来源: https://japan.zdnet.com/article/35253894/
目录
