Как агенты искусственного интеллекта, основы обработки данных и аналитика, ориентированная на человека, меняют будущее принятия решений.
Делиться
Две недели назад я посетил саммит Gartner Data & Analytics (D&A) 2026 в Орландо, штат Флорида. За три дня, в течение которых я слушал выступления лидеров в области данных и аналитики, одна идея особенно ярко проявилась: аналитика — это уже не просто задавание вопросов и осмысление прошлого. Она все больше связана с активным формированием решений в режиме реального времени.
Мы являемся свидетелями фундаментальных изменений. Как вы, возможно, замечаете в своей повседневной жизни, мы получаем доступ к всё большему числу инструментов и агентов искусственного интеллекта. Многие из нас экспериментируют с ИИ — используя его в качестве помощника в программировании, средства повышения производительности, партнёра для мозгового штурма и многого другого. Как и многие из нас, я начал замечать, как много моей повседневной работы незаметно поглотил ИИ — на работе и дома.
Мы постепенно начинаем наблюдать сдвиг на организационном уровне. От нас ожидают перехода от информационных панелей и отчетов к интеллектуальным системам, которые не только генерируют аналитические данные, но и рекомендуют и автоматизируют действия.
Нравится нам это или нет, но мы будем слышать об искусственном интеллекте и работать с ним как минимум еще несколько лет. Но за всем этим ажиотажем вокруг ИИ скрывается одна истина: будущее данных и аналитики — это не просто будущее, ориентированное на ИИ, — это будущее, ориентированное на человека.
В этом посте я хочу осветить некоторые ключевые тенденции, о которых я услышала на конференции, и рассказать о том, чем я планирую заниматься в качестве специалиста по аналитике.
#1 Переход от систем отчетности к системам принятия решений
На протяжении многих лет аналитические группы сосредоточивались на поиске ответов на вопросы.
Нас спрашивают: Что произошло? Почему это произошло?
Однако теперь ожидания другие.
Вместо того чтобы ожидать от аналитиков создания отчетов с практическими выводами (в виде панелей мониторинга или презентаций), организации переходят к созданию систем. Это позволит принимать решения, в отличие от действий, когда инициативу берут на себя только люди. Одних только информационных панелей уже недостаточно. Необходимы интерпретация, контекст и действия.
Некоторое время назад я писал об интеллектуальных решениях, и тогда говорилось:
«В то время как искусственный интеллект сосредоточен на предоставлении технологий, имитирующих человеческий интеллект, интеллектуальные решения будут применять эти технологии для улучшения процесса принятия решений».
И, судя по тому, куда движется отрасль, я считаю, что интеллектуальные решения — это следующий этап эволюции.
Системы принятия решений (Decision Intelligence) — это системы, которые объединяют данные, искусственный интеллект и бизнес-логику, интегрированные в рабочие процессы, для предоставления аналитических выводов и выработки бизнес-рекомендаций, которые являются не просто информативными, но и действенными.
Эти изменения переопределяют роль аналитиков и команд, занимающихся обработкой данных.
От нас ожидают, что мы будем способствовать принятию решений, а не просто предоставлять аналитическую информацию.
Что мы, специалисты по аналитике, можем сделать сегодня?
- Начните думать не только о панелях мониторинга, но и о том, на какие решения должна влиять ваша работа?
- Результаты проектирования должны содержать рекомендации по действиям, а не просто аналитические выводы.
#2 Искусственный интеллект готов, но наши данные и контекст — нет.
Масштабы инвестиций в ИИ неоспоримы. Ожидается, что в ближайшие годы расходы на ИИ достигнут триллионов долларов. В мире завтрашнего дня победят не те организации, которые проводят больше всего экспериментов, а те, кто эффективно внедряет ИИ в практику.
Сегодня самым большим препятствием на пути к внедрению ИИ является не сама технология, а готовность данных и контекст бизнеса.
Искусственный интеллект не исправляет некорректные данные. Он их усиливает.
Если исходные данные, которые должен обрабатывать и использовать ИИ-агент, противоречивы, плохо структурированы или сложны для работы, ИИ только усугубит проблемы. В таких случаях результаты будут менее достоверными, чем ценными, в то время как организация тратит огромные деньги на токены ИИ.
Однако одних только данных, пригодных для ИИ, недостаточно. Контекст имеет не меньшее значение.
Без четко определенных метрик, последовательной бизнес-логики и общего понимания между командами даже самые передовые системы искусственного интеллекта не смогут предоставлять надежные или полезные аналитические данные.
Что мы, специалисты по аналитике, можем сделать сегодня?
- Прежде чем масштабировать внедрение ИИ, инвестируйте в качество и стандартизацию данных.
- Сосредоточьтесь на определении бизнес-контекста, а не просто на построении моделей.
#3 Расцвет агентной аналитики
Сегодня многие организации все еще находятся на этапе экспериментирования (или, как я это называю, «этапе второго пилота»), когда люди по-прежнему участвуют в процессе и работают вместе с инструментами искусственного интеллекта для ускорения получения аналитических данных.
И это только начало.
Я вижу следующий этап эволюции в агентной аналитике. Мы больше не будем просто находиться на этапе экспериментов. Мы готовы перейти к этапу реализации, и этот сдвиг уже виден в том, как развиваются аналитические рабочие процессы:
- Искусственный интеллект управляет рабочими процессами.
- Системы заблаговременно выявляют ценные аналитические данные.
- Автоматизация повторяющихся аналитических задач
- Информация, полученная до того, как заинтересованные стороны зададут вопросы.
- Управление конвейерами обработки данных становится более автономным.
В общем, я не думаю, что это полностью исключает человека из процесса. Но это определенно меняет то, где мы приносим пользу.
Что мы, специалисты по аналитике, можем сделать сегодня?
- Научитесь работать с агентами искусственного интеллекта, а не просто использовать инструменты ИИ.
- Сосредоточьтесь на более важных задачах, автоматизируя при этом рутинные операции.
#4 Аналитика становится предметом обсуждения
Мне нравится все, что ориентировано на человека – это одна из моих страстей, когда я смотрю на вещи с человеческой точки зрения, и одним из самых захватывающих изменений для меня является то, как люди будут взаимодействовать с данными.
Мы переходим от сложных панелей мониторинга к запросам на естественном языке и аналитическим выводам, основанным на повествовании. Аналитика становится все более интерактивной, а GenAI позволяет создавать истории наряду с визуализациями, которые вы создаете на панелях мониторинга или в Excel.
И это открывает огромные возможности для аналитики, ориентированной на человека!
(Подробнее о том, почему аналитика, ориентированная на человека, важна как никогда, можно прочитать ЗДЕСЬ)
Иными словами, аналитика все больше отражает то, как люди естественным образом мыслят и принимают решения.
Что мы, специалисты по аналитике, можем сделать сегодня?
- Развивайте навыки не только визуализации данных, но и создания историй на их основе.
- Сосредоточьтесь на ясном изложении идей, а не просто на их представлении.
#5 Настоящие основы – это данные + семантика + доверие
Хотя искусственный интеллект находится в центре внимания, реальные преобразования должны происходить на более глубоком уровне — на уровне архитектуры.
Современный набор аналитических инструментов будет выглядеть следующим образом:
- Слой данных – чистые, надежные, управляемые данные
- Семантический слой – общие бизнес-определения и контекст.
- Слой ИИ/агентов – модели, которые анализируют и автоматизируют процессы.
- Уровень систем принятия решений – где полученные данные превращаются в действия.
Без хорошей координации этих четырех важнейших уровней даже самые передовые системы искусственного интеллекта будут выдавать непоследовательные или ненадежные результаты.
Что мы, специалисты по аналитике, можем сделать сегодня?
- Выступайте за использование одинаковых определений и значений данных во всех командах.
- Рассматривайте управление данными и определение бизнес-процессов как стратегические приоритеты, а не как нечто необязательное.
Следующее десятилетие: что нас ждет
Мы переходим от мира информационных панелей к миру принятия решений.
Аналитика эволюционирует от вспомогательных систем на основе ИИ к автономным системам принятия решений, управляемым агентами, которые опираются на контекст, семантику и данные из реального мира.
Это не просто технологический сдвиг, а фундаментальное изменение в том, как функционируют организации.
И преуспеют те организации, которые не просто внедрят ИИ, но и вдумчиво интегрируют его в то, как люди думают, принимают решения и действуют.
Итак, какое же место занимают люди?
Перед конференцией у меня был главный вопрос: если искусственный интеллект начнет вытеснять человеческий интеллект, то какое значение будем иметь мы, люди?
Ответ, который я нашел: люди важны как никогда.
По мере того как ИИ берет на себя подготовку данных, обработку запросов и даже генерацию аналитических выводов, роль человека смещается в сторону того, что действительно отличает нас от других:
- Формулирование правильных проблем
- Интерпретация контекста и нюансов
- Принятие этических и стратегических решений.
- Применение критического мышления для решения сложных задач.
Именно здесь аналитика, ориентированная на человека, приобретает первостепенное значение.
В конечном счете, цель аналитики — не просто получение более качественных данных, а принятие более эффективных решений для людей.
Будущее данных и аналитики заключается не в выборе между человеком и искусственным интеллектом. Речь идёт о создании надёжных систем, в которых ИИ является интеллектуальным и согласованным, а человек остаётся в центре принятия решений.
Заключительная мысль
Мы переходим от мира информационных панелей к миру принятия решений.
И преуспеют те люди и организации, которые не просто внедрят ИИ, но и переосмыслят подход к принятию решений.
Вопрос уже не в том, «Как лучше анализировать данные?».
Вопрос в том , «Как нам спроектировать системы, в которых люди и искусственный интеллект будут принимать более эффективные решения вместе?»
………
На этом я заканчиваю свой пост в блоге. Спасибо за чтение! Надеюсь, вам было интересно.
Раши — эксперт по данным из Чикаго, которая обожает анализировать данные и создавать истории на основе данных, чтобы доносить полученные результаты. Она работает старшим консультантом по аналитике в сфере здравоохранения и любит писать блоги о данных по выходным за чашкой кофе.
Раши Десаи. Все материалы от Раши Десаи.
Источник: towardsdatascience.com
