Gartner：数据智能体应用兴起，真正自治尚在路上
随着大语言模型的发展， 数据智能体 已成为推动中国企业革新的关键力量。因此，采用这一技术对于实现代理型 D&A 至关重要。 数据智能体 可执行数据管理、数据准备以及数据分析等一系列任务，其采用程度与技术自治水平将会不断提升。
数据分析将成为当前市场中自治程度较高、且最主要的使用场景，尽管距离完全自治仍有较大差距。这一技术目前的发展程度已超越简单的 “ 对话式界面 ” ，迈向能够主动规划任务、执行分析、调用工具并持续学习的智能体。这有助于提升生产力，并推动成本节约或收入增长。
通过利用 企业 知识与基于大语言模型 （ LLM ） 的推理， 数据智能体 可以自动化复杂的 D&A 工作流，以面向任务的自主服务替代部分传统工作。 D&A 领导者必须探索这一趋势，明确适用范围并学习新技能，为未来的采用做好准备。 为此， Gartner 给出以下三点建议：
l 在对数据智能体进行设计和分类时，应设定清晰的范围、类别和功能，以界定决策范围，降低运营风险。
l 定义数据智能体工作流，并在其中设置强制性的人类审核环节，例如执行前后的评估与反馈循环，以留下可审计的痕迹。
l 优先将数据智能体部署在数据准备度和业务价值较高的领域，例如财务自动化或客户服务优化，这些领域已有成熟案例可供参考。
数据智能体代表着超越传统数据与分析实践的下一进化阶段，有望吸收大量常规报告与汇总数据表的使用需求，并为企业机构的数据环境注入更高的智能化、自主性与可组合性。 Gartner 提出以下三点预测：
l 到 2028 年， 60% 的现有数据汇总表将被生成式 AI 驱动的叙事与可视化功能所取代。
l 到 2027 年， 70% 在生产环境中的数据智能体基于开源 LLM 构建，并成功部署 RAG 、语义层、领域上下文工程与专业技能。
l 在企业 AI 组合中纳入中国 LLM 和多模态模型的全球企业占比将从 2025 年的 5% 上升至 2027 年的 50% 。
中国的数据智能体是一种数据和分析 （ D&A ） 实践 （ 或设计框架 ） ，由 LLM 驱动，具备知识理解、自动规划和自我反思能力，能够自主执行广泛的 D&A 任务。
数据智能体的兴起标志着走向 D&A 任务民主化的关键一步。尽管已经取得了显著的进步并拥有广阔的前景， “ 数据智能体 ” 一词在学术界和工业界的使用仍未统一。如果没有一个通用的分类法来按范围和职责区分数据智能体，可能会导致用户期望不匹配和问责风险，并进一步打击市场信心，最终减缓这一新兴技术的采用。应对这些挑战需要为数据智能体分类建立清晰、通用的语言，主要侧重于 在数据管理、数据准备和数据分析三方面 相互关联的任务 。
与一般的 AI 智能体类似，数据智能体通过解释用户问题、 将 其分类为子任务并评估所需工具来进行规划。在执行过程中，智能体不断进行推理以改进其策略，直至任务完成，并自主决定何时终止任务。此外，它还模拟类似人类的记忆，通过执行特定的操作 （ 例如与外部环境交互或调用工具 ） 来存储信息。这些行动受其规划和记忆能力的指引。下列关键数据智能体模块构成了端到端的数据智能体工作流 （ 见图 1 ） 。
图 1 ： 数据智能体工作流 （ 示例 ）