在生成式 AI 熱潮持續升溫、泡沫破裂隱憂並存的背景下，數據與 IT 領導者正承受著從 AI 項目中兌現業務成果的巨大壓力。然而，真正實現業務價值並不等同於追求投資回報率（ROI）本身。
Gartner 副總裁分析師 Jorg Heizenberg 在上周雪梨舉行的 Gartner 數據與分析峰會主題演講中指出，AI 所帶來的變革遠不止於技術層面的疊代，其深遠影響堪比網際網路的誕生。
Gartner 總監級分析師 Georgia O'Callaghan 在梳理 AI 時代的應對路徑時指出，儘管 2025 年已有近五分之三的企業將 AI 解決方案投入生產，且五分之四的企業正在持續加大 AI 投入，但"如果沒有明確的組織目標與戰略方向，單純地追加 AI 投資是不可持續的"。
Heizenberg 提醒數據與分析專業人士，應充分聽取各方利益相關者的意見，重新審視並界定 AI 戰略目標，尤其是在各方對 AI 變革的承受能力上達成共識。對變革容忍度較低的組織，可採取審慎策略，嚴格評估風險、優先選擇穩妥路徑；對變革有較強意願的組織，則可採取更具機會主義色彩的靈活策略；而那些容忍度極高的組織，甚至可以勇做先行者，即便這意味著承擔更大的風險。
然而，利益相關者最常提出的第一個問題往往是："這要花多少錢？"O'Callaghan 指出，這個問題其實很難回答，因為 AI 的成本高度不可預測，且往往存在隱性支出。雪上加霜的是，不少供應商採用的定價模型基於難以預測的指標，例如 GPU 使用時長和 Token 消耗量。
Gartner 的研究顯示，雖然約六成 IT 領導者擔憂 AI 智能體會帶來意外成本超支，但數據與 AI 領導者中僅兩成擔心不可預測的定價會限制技術價值的釋放。Heizenberg 認為，這一認知落差本身就是一個警示信號。
O'Callaghan 警告稱，"AI 可能是一堂代價高昂的課"，並指出目前不足一半的組織對 AI 相關支出實施了系統性的管理與優化。企業應從立項之初便跟蹤成本支出，特別是在原型開發階段，並通過成本驅動的設計理念，在正式投入生產前充分評估各功能模組的財務影響。例如，團隊應提前測算選用不同大語言模型（LLM）甚至小型語言模型（SLM）來驅動 AI 智能體時，各自所帶來的成本差異。
不過，在與利益相關者溝通時，重點應落在"價值"而非單純的"成本"上，且價值的內涵遠不止於金錢。Heizenberg 以北約克郡議會為例：該機構創建了一位名為"Dotty"的數字市民，並通過模擬她在公共服務中的完整旅程，讓所有員工都能直觀感受數據的現實意義。舉例來說，將家庭住址中的兩位數字調換，可能導致一位工人被派往錯誤的地址，無法為一位老人安裝樓梯扶手。這次無效出行不僅產生了直接的財務損耗，更可能引發連鎖影響——如果因為缺少扶手導致老人摔倒並受到嚴重傷害，後果將難以估量。
無論組織的戰略目標是什麼，夯實基礎都至關重要。Gartner 2025 年"現代數據實現"調研發現，對 AI 應用成果最為滿意的受訪者，在數據管理、治理體系和人才建設等基礎性工作上的投入，比不滿意的受訪者高出約 30%。
Gartner 其他調研結果顯示，59% 的 IT 領導者表示在尚未做好準備的情況下，便被推動採用生成式 AI 工具；61% 的受訪者則感受到來自高層管理人員、董事會成員或利益相關者推進 AI 的壓力。
當前最核心的挑戰之一，是企業能否確保數據足夠安全且治理完善，從而安全地對更多 AI 應用開放，包括自主運行的 AI 智能體。
O'Callaghan 表示："我們需要藉助 AI 治理機制，防止錯誤數據被錯誤的人員、應用程式或大語言模型訪問，同時通過精心設計的上下文層，避免不準確、誤解和'幻覺'問題的出現。這將有助於確保數據具備 AI 就緒能力、值得信賴，並與實際使用場景保持高度一致。"
她進一步補充道，這一現狀凸顯了重新定位治理角色的重要性，即將其從單純的合規職能，轉變為驅動業務價值的加速器。
兩位分析師為改善 AI 治理提出了三項關鍵舉措。
第一步是整合現有治理力量。組織應將風險管理、數據治理、網路安全等現有治理部門整合為統一的 AI 治理團隊。Gartner 預測，以這種方式打通治理機構的組織，其業務影響力將比未整合的組織高出 10%。
第二步是理順並優化治理架構。由統一的治理團隊對現有各類政策進行梳理與整合，形成清晰、一致的治理框架，使其充分反映組織的風險容忍度以及在負責任 AI 使用方面的文化價值觀。
第三步是將治理理念嵌入企業文化與技術體系。一方面，組織需推動整體思維模式的轉變，從"合規導向"升級為"全員理解如何負責任、合乎倫理地使用數據"；另一方面，在技術層面，領導者應推行"策略即代碼"（policy-as-code）的實踐，使各項規則在整個技術棧中得到自動化執行。Gartner 預測，到 2028 年，採用專項治理工具的組織將有望將監管合規成本降低多達 20%。
即便數據治理已趨於完善，上下文語境依然不可忽視。當一位員工詢問"公司目前有多少活躍客戶"時，答案的準確性取決於"活躍"的定義——是指近期有購買記錄、持有有效訂閱，還是近期曾訪問過網站？
一旦缺乏明確的上下文定義，大語言模型很容易誤讀提示詞，並以極快的速度將這種誤解層層放大。
Heizenberg 表示："現在是時候構建一個集成化的上下文實現層了——這一層將每一條資訊有機串聯起來，讓所有人與所有系統，無論是人類還是 AI 智能體，都能看清全局，做出更明智的決策。"
語義層正日益成為數據架構的標配，但單靠語義層已難以應對當前的複雜需求。越來越多的組織開始探索本體論、知識圖譜及其他賦予數據深層語義的方法，而將這些方法結合使用，能產生遠比單一手段更為精準的效果。
另一大挑戰在於，技術的演進速度已遠超員工的接受與適應能力。O'Callaghan 警告道："如果只砸錢給 AI，卻不投資於人才，那無異於將資源付之東流。AI 工具的變革管理與培訓工作所耗費的時間，幾乎是實施 AI 解決方案本身所需時間的兩倍，這意味著你需要為此預留比以往任何技術實施項目都更長的周期和更高的成本。"
為此，"心態、技能、工具"三維並進的培養方式被證明行之有效。IT 領導者需要依次思考三個問題：組織內部存在哪些思維障礙，該如何突破？存在哪些技能缺口，該如何彌補？只有在釐清前兩個問題之後，才應進一步思考需要引入哪些工具層面的變革。
最後，AI 引發的崗位流失擔憂持續存在。Gartner 調查發現，34% 的 CIO 預計在未來三年內縮減員工規模。但另一方面，過去一年中僅 4% 的首席數據官（CDO）縮減了團隊規模，而 44% 的 CDO 反而擴大了團隊編制。
O'Callaghan 表示："目前來看，數據與分析團隊的規模並未出現明顯縮減，但其他部門正在發生這種變化。"她同時提醒道，部分組織可能借 AI 的引入為契機，為那些本就計劃進行的裁員尋找合理說辭。
她最後總結道："人類的技能與專業判斷力仍將是交付團隊的核心驅動力，但這些團隊將以全新的方式運作——將人的專業智慧與 AI 智能體深度融合，打造效能更強的 AI 賦能複合型團隊。"
Q&A
Q1：Gartner 認為 AI 治理對企業來說有多重要？
A：Gartner 認為 AI 治理已不再只是合規工具，而是業務價值的加速器。分析師建議企業將風險、數據、網路安全等部門整合為統一的 AI 治理團隊，並通過"策略即代碼"在技術棧中自動執行治理規則。研究預測，採用這種整合治理方式的組織業務影響力將提升 10%，而使用專項治理工具的組織到 2028 年可將合規成本降低多達 20%。
Q2：企業部署 AI 時，成本應該怎麼控制？
A：Gartner 建議企業從項目立項之初就追蹤 AI 相關支出，尤其是在原型開發階段，同時採用成本驅動的設計理念，在正式投產前充分評估各模組的財務影響。例如，團隊可提前對比不同大語言模型或小型語言模型驅動 AI 智能體的成本差異。目前不足一半的企業對 AI 支出進行了系統管理，這一現狀需要改變。
Q3：AI 真的會大規模取代人類工作崗位嗎？
A：Gartner 的調查顯示，34% 的 CIO 預計未來三年將縮減員工規模，但與此同時，44% 的首席數據官在過去一年中反而擴大了團隊。Gartner 分析師指出，目前數據與分析團隊的規模尚未明顯縮減，部分企業可能借 AI 之名為原本計劃中的裁員提供藉口。未來趨勢將是人與 AI 智能體協作，組成效能更強的複合型團隊，而非單純的人員替代。
