Gartner, Inc., a business and technology insights company, has announced the top data and analytics (D&A) predictions for 2026 and beyond. AI is expected to have an impact across all aspects of data and analytics, including leadership, governance, talent, market dynamics, the need for context, and the world beyond text-based models.
“The pace of change in data and artificial intelligence is so rapid that each year feels like stepping into a new chapter of a science-fiction novel,” said Rita Sallam, Distinguished VP Analyst at Gartner. “In 2026, the boundaries between human, machine, and organizational intelligence will continue to blur. Businesses rely on data in unprecedented ways, with AI systems not just supporting us, but collaborating as partners. These predictions offer leaders a roadmap to prepare for the opportunities and challenges that lie ahead.”
By 2027, 75% of hiring processes will include certifications and testing for workplace AI proficiency during recruiting.
The urgency for an intentional AI-driven workforce strategy stems from the breakneck pace of AI innovation; leaders who fail to modernize their tech talent strategies risk leaving their organizations permanently behind competitors who have successfully unlocked human-AI collaboration.
“D&A leaders should encourage rigorous, data-driven measurement of skills to surface deficits that stand between their AI-ambition and IT workforce readiness,” said Sallam.
Through 2027, GenAI and AI agent use will create the first true challenge to mainstream productivity tools in 30 years, prompting a $58 billion market shakeup.
Developing new content today increasingly begins with GenAI taking vast amounts of content and synthesizing it in myriad ways, rather than starting with a blank canvas. Editing frequently involves having AI continually rewrite content rather than the author doing it manually.
AI will continue to trigger new competition for productivity suites as value shifts to agentic AI experiences. D&A leaders must demand tools built for today, such as new user interfaces, plug-ins, document types, and formats.
By 2029, AI agents are projected to generate 10 times more data from physical environments than from all digital AI applications combined.
Agentic AI applications in the physical world are producing vast amounts of trajectory data across logical, spatial and multiagent scenarios as they interact with their environments. This presents a unique opportunity for world models to learn patterns from the data and make accurate predictions and simulations.
By 2030, 50% of organizations will use autonomous AI agents to interpret governance policies and technical standards into machine-verifiable data contracts, automating compliance and governance policy enforcement.
By 2030, 50% of AI agent deployment failures will be due to insufficient AI governance platform runtime enforcement for capabilities and multisystem interoperability. In the near-term, ungoverned decisions using LLMs will cause financial or reputational loss for enterprises.
“D&A leaders should experiment with data governance agents in low-risk pipelines to orchestrate and automate negotiation processes,” said Sallam. “They’ll need to validate that agents can correctly interpret context and protocols in a controlled environment before trying to scale further. Analytic workflows should also be redesigned to include a required evaluation stage.”
By 2030, 60% of organizations achieving successful differentiation with AI will be led by executives who prioritize mastery of human relational skills.
CDAOs with strong coalition-building and influence skills are advancing into more powerful C-suite roles, including CEO, as organizations recognize the value of human-led strategic vision in leveraging AI.
By 2030, universal semantic layers will be treated as critical infrastructure, alongside data platforms and cybersecurity.
Developing a universal semantic layer is now a must‑do for D&A leaders either leading or supporting AI. It is the only way to improve accuracy, manage costs, substantially cut AI debt, align multiagent systems, and stop costly inconsistencies before they spread. D&A leaders must budget for semantic capabilities as a nonnegotiable foundation.
By 2028, 50% of content risk roles will migrate from legal and cybersecurity to AI engineering to address the inherent risk caused by siloed assurance processes.
Risk mitigation functions are increasingly being integrated into AI engineering, data science and software development processes. These teams are expected to design systems that generate and curate content intelligently and assume responsibility for mitigating the associated risks by building in embedded controls by-design. This enables faster, responsible innovation within ethical and legal boundaries, particularly where the AI model’s decision must be based on the user’s context.
การ์ทเนอร์ อิงก์ บริษัทวิจัยและให้คำปรึกษาด้านธุรกิจและเทคโนโลยีชั้นนำ เผยคาดการณ์สำคัญในด้านข้อมูลและการวิเคราะห์ หรือ Data and Analytics (D&A) ของปี 2569 และในอนาคต โดยมองว่า AI จะส่งผลกระทบในทุกมิติ ทั้งในด้านความเป็นผู้นำ, ธรรมาภิบาล, บุคลากรที่มีความสามารถ, กลไกขับเคลื่อนตลาด, ความสำคัญของบริบทข้อมูล และโลกที่ก้าวข้ามโมเดลการพัฒนาที่เน้นเฉพาะข้อความ หรือ Text-based models
Rita Sallam รองประธานนักวิเคราะห์อาวุโสของการ์ทเนอร์ กล่าวว่า “การเปลี่ยนแปลงด้านข้อมูลและปัญญาประดิษฐ์นั้นรวดเร็วมากจนแต่ละปีรู้สึกเหมือนเรากำลังก้าวเข้าสู่บทใหม่ของนิยายวิทยาศาสตร์ และในปีนี้ เส้นแบ่งระหว่างความเฉลียวฉลาดของมนุษย์ เครื่องจักร และองค์กรจะเลือนลางขึ้นเรื่อย ๆ ธุรกิจจำนวนมากมายต่างพึ่งพาข้อมูลในแบบที่ไม่เคยมีมาก่อน โดยระบบ AI ไม่เพียงเป็นเครื่องมือสนับสนุนสำคัญ แต่ยังทำงานร่วมกับเราในฐานะ ‘พันธมิตร‘ และจากการคาดการณ์เหล่านี้จะช่วยให้ผู้นำเตรียมพร้อมรับมือกับโอกาสและความท้าทายที่รออยู่ในอนาคต”
ภายในปีหน้า (2570) กระบวนการจ้างงานถึง 75% จะบรรจุ “การทดสอบและใบรับรองความเชี่ยวชาญด้าน AI สำหรับการทำงาน” ไว้ในขั้นตอนของการสรรหาบุคลากร
สาเหตุที่ทำให้เกิดความจำเป็นเร่งด่วนเพื่อกำหนดกลยุทธ์ด้านบุคลากรที่ขับเคลื่อนด้วย AI อย่างจริงจังมาจากความเร็วของการพัฒนานวัตกรรม AI ที่ก้าวกระโดด ผู้นำที่ไม่ปรับปรุงกลยุทธ์ด้าน Tech Talent ให้ทันสมัย เสี่ยงที่จะทำให้องค์กรต้องเดินตามหลังคู่แข่งที่สามารถดึงศักยภาพการทำงานร่วมกันระหว่าง “มนุษย์และ AI มาใช้ได้“
“ผู้นำ D&A ควรสนับสนุนให้มีการทดสอบวัดระดับทักษะอย่างเข้มงวดโดยใช้ข้อมูลเป็นตัวตั้ง เพื่อให้เห็นช่องว่าง ที่ขวางกั้นระหว่างเป้าหมายด้าน AI ขององค์กร กับความพร้อมของพนักงานด้านไอทีที่มีอยู่จริง” Sallam กล่าวเสริม
ภายในปี 2570 การใช้งาน GenAI และ AI Agent จะสร้างความท้าทายยิ่งยวดต่อเครื่องมือเพิ่มประสิทธิภาพการทำงานกระแสหลักเป็นครั้งแรกในรอบ 30 ปี ที่สั่นคลอนตลาดมูลค่ากว่า 5.8 หมื่นล้านดอลลาร์
การสร้างเนื้อหาใหม่ ๆ ในปัจจุบันเริ่มเปลี่ยนไปสู่การใช้ GenAI ที่สามารถรวบรวมเนื้อหามหาศาลและนำมาสังเคราะห์ในรูปแบบที่หลากหลาย แทนที่หน้ากระดาษเปล่า ๆ แม้แต่การแก้ไขเนื้อหาบ่อย ๆ ก็เป็นการให้ AI เขียนซ้ำขึ้นมาแทนที่จะเป็นตัวผู้เขียนลงมือแก้ไขเอง
AI ยังเป็นตัวจุดชนวนการแข่งขันใหม่ ๆ ในกลุ่มซอฟต์แวร์สำนักงาน เนื่องจากคุณค่าหลักย้ายไปอยู่ที่ “ประสบการณ์การใช้ Agentic AI” ดังนั้นผู้นำ D&A จึงต้องการเครื่องมือที่สร้างขึ้นมาเพื่อสอดรับกับปัจจุบัน อาทิ อินเทอร์เฟซผู้ใช้แบบใหม่, ปลั๊กอินใหม่, ประเภทเอกสารใหม่ ๆ และรูปแบบไฟล์ใหม่ ๆ
อีกสามปีข้างหน้า (2572) คาดการณ์ว่า AI Agent จะสร้างข้อมูลจากสภาพแวดล้อมทางกายภาพมากกว่าข้อมูลที่ได้มาจากแอปพลิเคชัน AI ดิจิทัลทั้งหมดรวมกันถึง 10 เท่า
การใช้งาน Agentic AI ในโลกจริงกำลังผลิตข้อมูลที่เรียกว่า Trajectory Data จำนวนมหาศาล ทั้งในเชิงตรรกะ พื้นที่ และสถานการณ์ที่ต้องใช้เอเจนท์หลายตัวทำงานร่วมกัน ขณะที่พวกมันมีปฏิสัมพันธ์กับสภาพแวดล้อมรอบตัว สิ่งนี้ถือเป็นโอกาสที่หาได้ยากสำหรับ “โมเดลที่ใช้ในระดับโลก” (World Models) เพื่อเรียนรู้รูปแบบจากข้อมูลดังกล่าว นำมาใช้พยากรณ์และจำลองสถานการณ์ได้อย่างแม่นยำ
ในอีกสี่ปีข้างหน้า (2573) องค์กรถึง 50% จะใช้ Autonomous AI Agents เพื่อตีความนโยบายธรรมาภิบาลและมาตรฐานทางเทคนิค และเปลี่ยนให้เป็น “ข้อตกลงหรือสัญญาในรูปแบบดิจิทัลที่เครื่องตรวจสอบได้” ซึ่งจะช่วยให้การปฏิบัติตามกฎระเบียบและการบังคับใช้นโยบายธรรมาภิบาลเป็นไปอย่างอัตโนมัติ
ครึ่งหนึ่งของการใช้งาน AI Agent ที่ไม่ประสบความสำเร็จจะมาจากการบังคับใช้กฎในขณะทำงาน (Runtime Enforcement) ของแพลตฟอร์มธรรมาภิบาล AI ไม่ครอบคลุมเพียงพอ โดยเฉพาะในแง่ของขีดความสามารถและการทำงานร่วมกันระหว่างหลายระบบ ทั้งนี้ในระยะสั้น การตัดสินใจโดยใช้ LLM ที่ปราศจากการกำกับดูแลจะส่งผลให้องค์กรสูญเสียทั้งเงินและชื่อเสียง
“ผู้นำ D&A ควรเริ่มทดลองใช้ Data Governance Agents ในกระบวนการที่มีความเสี่ยงต่ำ เพื่อจัดระเบียบและทำให้ขั้นตอนการเจรจาต่อรองข้อมูลเป็นไปอย่างอัตโนมัติ โดยจำเป็นต้องตรวจสอบให้แน่ใจว่าเอเจนท์สามารถตีความบริบทและโปรโตคอลต่าง ๆ ได้อย่างถูกต้องในสภาพแวดล้อมที่ควบคุมได้ ก่อนที่จะขยายผลไปสู่สเกลที่ใหญ่ขึ้น นอกจากนี้ ควรมีการออกแบบเวิร์กโฟลว์การวิเคราะห์ใหม่ โดยเพิ่มขั้นตอนการประเมินผลที่จำเป็นเข้าไปด้วย” Sallam กล่าว
ภายในปี 2573 60% ขององค์กรที่สร้างความต่างทางธุรกิจด้วย AI สำเร็จ จะมีผู้นำองค์กรที่ให้ความสำคัญกับ “ทักษะความสัมพันธ์ระหว่างบุคคล”
ผู้บริหารระดับสูงด้านข้อมูลและการวิเคราะห์ หรือ CDAOs ที่มีทักษะในการสร้างพันธมิตรและโน้มน้าวใจเก่ง ๆ กำลังก้าวหน้าไปสู่บทบาทผู้บริหารระดับสูงที่มีอิทธิพลมากขึ้น รวมถึงตำแหน่ง CEO เนื่องจากองค์กรต่าง ๆ เริ่มตระหนักถึงคุณค่าของวิสัยทัศน์เชิงกลยุทธ์ที่นำโดยมนุษย์ เพื่อเค้นศักยภาพของ AI มาใช้ให้เกิดประโยชน์สูงสุด
ภายในปี 2573 Universal Semantic Layers จะถูกยกให้เป็นโครงสร้างพื้นฐานที่มีความสำคัญอย่างสูง เทียบเท่ากับแพลตฟอร์มข้อมูลและระบบความปลอดภัยทางไซเบอร์
การพัฒนา Universal Semantic Layer หรือ ชั้นข้อมูลที่ครอบคลุมและได้มาตรฐาน ซึ่งเป็นส่วนต่อประสานหนึ่งเดียวสำหรับการเข้าถึงและการวิเคราะห์ข้อมูลทั่วทั้งองค์กรกลายเป็นสิ่งที่ “Must-Do” สำหรับผู้นำ D&A ที่กำลังขับเคลื่อนหรือสนับสนุนการใช้ AI เนื่องจากเป็นวิธีเดียวที่จะช่วยเพิ่มความแม่นยำ, บริหารจัดการต้นทุน, ลดหนี้ทางเทคนิคของ AI ลงอย่างมาก, สร้างความสอดคล้องให้กับระบบเอเจนท์หลายตัว และยับยั้งความไม่สอดคล้องกันของข้อมูลที่มีต้นทุนสูงก่อนแพร่ออกไป โดยผู้นำ D&A จำเป็นต้องจัดสรรงบประมาณสำหรับเพิ่มขีดความสามารถด้าน Semantic เพื่อวางเป็นรากฐานสำคัญ
ภายในปี 2571 ครึ่งหนึ่ง (50%) ของบทบาทการบริหารความเสี่ยงด้านเนื้อหาจะย้ายจากฝ่ายกฎหมายและความปลอดภัยไซเบอร์ไปสู่ “AI Engineering” เพื่อจัดการกับความเสี่ยงที่เกิดขึ้นจากกระบวนการตรวจสอบที่แยกส่วนกัน
หน้าที่การลดความเสี่ยงกำลังถูกผนวกรวมเข้ากับกระบวนการด้านวิศวกรรม AI, วิทยาศาสตร์ข้อมูล และการพัฒนาซอฟต์แวร์มากขึ้นเรื่อย ๆ ทีมงานเหล่านี้ถูกคาดหวังให้เป็นผู้ออกแบบระบบที่สามารถสร้างและคัดกรองเนื้อหาได้อย่างชาญฉลาด พร้อมทั้งรับผิดชอบในการลดเสี่ยงที่เกี่ยวข้อง ผ่านการสร้างระบบควบคุมแบบเบ็ดเสร็จตั้งแต่ขั้นตอนการออกแบบ ซึ่งแนวทางนี้จะช่วยให้เกิดนวัตกรรมที่รวดเร็วและมีความรับผิดชอบ ภายใต้กรอบจริยธรรมและกฎหมาย โดยเฉพาะอย่างยิ่งในกรณีที่การตัดสินใจของโมเดล AI จำเป็นต้องอ้างอิงตามบริบทเฉพาะของผู้ใช้งาน
