More than one in 10 enterprises will be AI-first by 2030, outperforming competitors in the adoption of AI agents, semantics and converged data and analytics (D&A) platforms, according to Gartner, Inc. a business and technology insights company. These three areas are the driving forces behind the top trends for D&A.
Carlie Idoine, VP Analyst at Gartner, said: “Organizations are moving rapidly toward an AI-first operating model, where AI is now a core consideration in every business decision, workflow and investment. Without a clear, enterprise-wide commitment, organizations will struggle to consistently realize its full potential across the business.”
Gartner recommends organizations factor the following D&A trends into their strategies over the next two years.
Trend 1: Sovereign AI Accelerates
As AI becomes key to economic strength, nation states are prioritizing control over their own AI capabilities, minimizing reliance on foreign countries to advance sovereign objectives. Localizing D&A control is an important part of this process. This is an external geopolitical reality that many organizations must manage on their roadmap to becoming an AI-first enterprise.
“Sovereign AI is fundamentally changing how organizations think about control, innovation and resilience in their AI strategies,” said Idoine. “To respond effectively to the opportunities and threats presented by sovereign AI, organizations must modernize D&A roadmapping, advancing AI use cases from utilization to competitive advantage.”
Trend 2: Reducing AI Agent Risk with Decision Governance
AI agents are executing more strategic, tactical and operational decisions, meaning ungoverned decision-making increases exposure to legal, operational and reputational risk. Decision governance applies governance principles to decision intelligence so automated decisions are explainable, auditable and aligned with outcomes.
Gartner predicts explicitly modeled business decisions will be five times more trusted and 80% faster than ungoverned decisions by 2029, enabled by decision intelligence platform adoption.
Trend 3: Driving Trust with AI Governance Platforms
Standard assurance methods are no longer sufficient for implementing effective AI governance as global AI regulatory complexity increases, new AI risks emerge and adoption of autonomous AI agents accelerates. AI governance platforms help organizations adhere to corporate policy, regulations and industry standards across common responsible AI principles.
Gartner recommends D&A leaders adopt AI governance platforms to operationalize governance, which will provide centralized oversight, apply risk management frameworks and enforce necessary controls.
Trend 4: Agentic Data Streaming Powers Real-Time Intelligence
Unlike traditional batch-based data processing, which can be too slow, agentic data streaming is critical for organizations that want to create and use AI agents. Continuous, event-driven data flow enables D&A leaders to deliver data faster, empowering AI agents to take on more tasks with speed and accuracy.
Gartner predicts disruptive pressure for real-time responsiveness will drive adoption of data streaming for agentic AI beyond 60% by 2028, from under 15% in 2025. Organizations must prioritize use cases requiring real-time data, such as decision intelligence, autonomous operations and digital twins.
Trend 5: Streamlining Operations with Agentic Data Management
D&A leaders face ongoing challenges in managing increasingly complex data, which strains traditional data management processes and complicates efforts to achieve AI readiness. The use of AI agents for data management enhances core data processes by enabling real-time actions, identifying pattern detection and recommendations to drive agility and faster responses.
“Integrating AI agents into data management workflows enables data teams to operate more adaptively using self-learning systems,” said Idoine. “Establishing strong governance and continuously monitoring performance will be essential to ensure these capabilities deliver consistent, business-aligned outcomes.”
Trend 6: Handling Complex Use Cases with GraphRAG
Many enterprise AI applications require high accuracy and reliability, yet traditional retrieval-augmented generation (RAG) approaches cannot handle complex, context-rich queries. GraphRAG combines knowledge graphs with LLMs to improve how AI systems retrieve and connect information, apply contextual meaning and deliver more accurate results for complex use cases.
Gartner predicts 40% of enterprises will have leveraged GraphRAG techniques by 2029 to improve factual accuracy of responses and reasoning capabilities of LLMs.
การ์ทเนอร์ อิงก์ บริษัทวิจัยและให้คำปรึกษาชั้นนำด้านธุรกิจและเทคโนโลยี เปิดเผยว่า ภายในปี พ.ศ. 2573 องค์กรธุรกิจมากกว่า 1 ใน 10 แห่งจะก้าวเข้าสู่การเป็นองค์กรที่ให้ความสำคัญกับ AI เป็นอันดับแรก หรือ “AI-First” ซึ่งจะทำให้มีความสามารถในการแข่งขันเหนือกว่าคู่แข่ง ผ่านการนำ AI Agents, เทคโนโลยี Semantics รวมถึง Converged Data & Analytics หรือ D&A Platforms มาประยุกต์ใช้ โดยทั้ง 3 แนวทางนี้ ถือเป็นแรงขับเคลื่อนสำคัญที่อยู่เบื้องหลังเทรนด์เทคโนโลยี D&A ที่น่าจับตามองที่สุด
คาร์ลี ไอดอยน์ รองประธานฝ่ายนักวิเคราะห์การ์ทเนอร์กล่าวว่า “องค์กรต่างกำลังเปลี่ยนผ่านไปสู่โมเดลการดำเนินงานแบบ AI-First อย่างรวดเร็ว ซึ่งปัจจุบัน AI เป็นปัจจัยหลักของการตัดสินใจทางธุรกิจ การจัดกระบวนการทำงาน และการลงทุนในทุก ๆ ด้าน หากองค์กรใดมีเป้าหมายร่วมกันที่ไม่ชัดเจน จะต้องเผชิญกับความยากลำบากในการเค้นศักยภาพ AI ออกมาใช้ได้ไม่เต็มที่และไม่มีความสม่ำเสมอไปทั่วทั้งธุรกิจ”
การ์ทเนอร์แนะนำให้องค์กรพิจารณาและนำเทรนด์ D&A ต่อไปนี้ เข้าไปเป็นส่วนหนึ่งของกลยุทธ์การดำเนินงานในช่วง 2 ปีข้างหน้านี้
เทรนด์ที่ 1: Sovereign AI เติบโตก้าวกระโดด
เมื่อ AI กลายเป็นกุญแจสำคัญต่อความมั่นคงทางเศรษฐกิจ รัฐบาลในประเทศต่าง ๆ จึงให้ความสำคัญกับการควบคุมขีดความสามารถด้าน AI ของตนเอง เพื่อลดการพึ่งพาประเทศเพื่อนบ้านหรือต่างชาติในการขับเคลื่อนเป้าหมายระดับประเทศ โดยการควบคุมระบบ D&A ให้อยู่ภายในท้องถิ่น ถือเป็นส่วนสำคัญของกระบวนการนี้เป็นส่วนขยายทางภูมิรัฐศาสตร์ (Geopolitical) ภายนอกที่หลายองค์กรต้องบริหารจัดการใน Roadmap การดำเนินงาน เพื่อก้าวไปสู่การเป็นองค์กร AI-first
“Sovereign AI หรือ อธิปไตยเอไอ กำลังเปลี่ยนวิธีคิดองค์กรในเรื่องการควบคุม พัฒนานวัตกรรม และสร้างความความยืดหยุ่นของกลยุทธ์ AI อย่างสิ้นเชิง เพื่อตอบรับโอกาสและความท้าทายที่มาพร้อมกับ Sovereign AI อย่างมีประสิทธิภาพ องค์กรต้องปรับปรุง Roadmap ด้าน D&A ให้ทันสมัย และยกระดับการใช้ AI จากเดิมที่เป็นเพียงการนำมาใช้งานทั่ว ๆ ไป ไปสู่การสร้างความได้เปรียบทางการแข่งขัน” ไอดอยน์กล่าว
เทรนด์ที่ 2: ลดความเสี่ยง AI Agent ด้วย Decision Governance
ปัจจุบัน AI Agents ได้รับมอบหมายให้ตัดสินใจในการวางกลยุทธ์ วิธีการ และปฏิบัติการมากขึ้น ซึ่งหมายความว่าการตัดสินใจที่ปราศจากการกำกับดูแลจะเพิ่มความเสี่ยงให้องค์กรเผชิญปัญหาทางด้านกฎหมาย การปฏิบัติงาน และภาพลักษณ์ชื่อเสียง โดยการกำกับดูแลการตัดสินใจ หรือ Decision Governance จึงเป็นการนำหลักการธรรมาภิบาลมาประยุกต์ใช้เข้ากับระบบประมวลผลการตัดสินใจอัจฉริยะ (Decision Intelligence) เพื่อให้การตัดสินใจแบบอัตโนมัติเหล่านั้นสามารถอธิบายได้ ตรวจสอบได้ และสอดคล้องกับผลลัพธ์ที่องค์กรมองหา
การ์ทเนอร์คาดการณ์ว่า ภายในปี พ.ศ. 2572 การตัดสินใจทางธุรกิจที่ใช้โมเดลจำลองอย่างชัดเจนนั้น จะได้รับความไว้วางใจมากกว่าเดิมถึง 5 เท่า และทำงานได้รวดเร็วขึ้น 80% เมื่อเทียบกับการตัดสินใจที่ไม่มีการกำกับดูแล อันเป็นผลมาจากการนำแพลตฟอร์ม Decision Intelligence มาใช้งาน
เทรนด์ที่ 3: สร้างความน่าเชื่อถือด้วย AI Governance Platforms
วิธีการรับรองมาตรฐานแบบเดิม ๆ ไม่เพียงพออีกต่อไปสำหรับการกำกับดูแล AI ให้มีประสิทธิภาพ ท่ามกลางความซับซ้อนของกฎระเบียบข้อบังคับด้าน AI ที่เพิ่มขึ้นทั่วโลก ความเสี่ยงใหม่ ๆ ที่ปรากฏขึ้น ตลอดจนการนำ AI Agents ที่ทำงานได้เองอิสระมาใช้รวดเร็วยิ่งขึ้น ทำให้แพลตฟอร์มการกำกับดูแล AI หรือ AI Governance Platforms สามารถเข้ามาช่วยให้องค์กรสามารถปฏิบัติตามนโยบายบริษัท กฎหมายและมาตรฐานอุตสาหกรรม ภายใต้หลักการร่วมด้าน AI ที่มีความรับผิดชอบ
การ์ทเนอร์แนะนำให้ผู้บริหาร D&A นำแพลตฟอร์มการกำกับดูแล AI มาใช้ในภาคปฏิบัติ เพื่อให้เกิดการตรวจสอบดูแลจากส่วนกลาง สามารถนำกรอบการบริหารจัดการความเสี่ยงไปประยุกต์ใช้และบังคับใช้มาตรการควบคุมที่จำเป็นได้อย่างมีประสิทธิภาพ
เทรนด์ที่ 4: Agentic Data Streaming เพิ่มพลังความอัจฉริยะแบบเรียลไทม์
การประมวลผลข้อมูลแบบชุดเดิมนั้นอาจช้าเกินไป ต่างจาก Agentic Data Streaming หรือการสตรีมข้อมูลที่รองรับเอเจนต์ ที่มีความสำคัญอย่างยิ่งสำหรับองค์กรที่ต้องการสร้างและใช้งาน AI Agents ดังนั้นการไหลของข้อมูลโดยมีเหตุการณ์เป็นตัวขับเคลื่อนต่อเนื่อง จะช่วยให้ผู้บริหาร D&A ส่งมอบข้อมูลได้เร็วขึ้น ส่งผลให้ AI Agents รับงานไปทำได้มากขึ้นด้วยความเร็วและแม่นยำ
การ์ทเนอร์คาดการณ์ว่า ภายในปี พ.ศ. 2571 แรงกดดันจากการแข่งขันที่ต้องตอบสนองแบบเรียลไทม์ ผลักดันให้มีการนำ Data Streaming มาใช้สำหรับ Agentic AI พุ่งสูงเกิน 60% (จากเดิมที่ต่ำกว่า 15% ในปี พ.ศ. 2568) ดังนั้น องค์กรต้องจัดลำดับความสำคัญของยูสเคสที่จำเป็นต้องใช้ข้อมูลเรียลไทม์ เช่น Decision Intelligence, Autonomous Operations และ Digital Twins
เทรนด์ที่ 5: ปฏิบัติงานคล่องตัวขึ้นด้วย Agentic Data Management
ผู้บริหาร D&A กำลังเผชิญกับความท้าทายต่อเนื่องในการจัดการข้อมูลที่ซับซ้อน ซึ่งสร้างความตึงตัวให้กับกระบวนการจัดการข้อมูลแบบเดิม และทำให้การเตรียมความพร้อมด้านข้อมูลสำหรับ AI นั้นยุ่งยากขึ้น การใช้ AI Agents เข้ามาช่วยจัดการข้อมูลจะช่วยยกระดับกระบวนการจัดการข้อมูลหลัก โดยการเปิดใช้งานระบบที่สามารถดำเนินการได้แบบเรียลไทม์ ตรวจจับแพทเทิร์นข้อมูล และให้คำแนะนำเพื่อให้เกิดความยืดหยุ่นและตอบสนองรวดเร็วยิ่งขึ้น
“การผสานรวม AI Agents เข้ากับกระบวนการทำงานด้านการจัดการข้อมูล ช่วยให้ทีมข้อมูลสามารถปฏิบัติงานได้ยืดหยุ่นและปรับตัวได้ดีขึ้นผ่านระบบที่เรียนรู้ได้ด้วยตนเอง อย่างไรก็ตาม การจัดตั้งการกำกับดูแลที่แข็งแกร่งและการตรวจสอบประสิทธิภาพอย่างต่อเนื่อง จะยังคงเป็นสิ่งสำคัญเพื่อให้มั่นใจว่าขีดความสามารถเหล่านี้จะมอบผลลัพธ์ที่สม่ำเสมอและสอดคล้องกับเป้าหมายทางธุรกิจ” ไอดอยน์กล่าว
เทรนด์ที่ 6: จัดการกับยูสเคสที่ซับซ้อนด้วย GraphRAG
แอปพลิเคชัน AI ขององค์กรจำนวนมากต้องการความแม่นยำและความน่าเชื่อถือสูง แต่แนวทางการสืบค้นข้อมูลเพื่อเสริมการสร้างคำตอบ หรือ RAG (Retrieval-Augmented Generation) แบบดั้งเดิม ไม่สามารถรองรับการสอบถามที่มีความซับซ้อนและมีบริบทชัดเจนได้ เทคนิค GraphRAG จึงเข้ามาแก้ปัญหานี้โดยการรวม กราฟความรู้ (Knowledge Graphs) เข้ากับโมเดลภาษาขนาดใหญ่ (LLMs) เพื่อปรับปรุงวิธีที่ระบบ AI ใช้ในการสืบค้นและเชื่อมโยงข้อมูล ช่วยตีความหมายตามบริบท และมอบผลลัพธ์ที่แม่นยำยิ่งขึ้นในยูสเคสที่มีความซับซ้อน
การ์ทเนอร์คาดการณ์ว่า ภายในปี พ.ศ. 2572 องค์กรธุรกิจราว 40% จะนำเทคนิค GraphRAG มาใช้เพื่อปรับปรุงความถูกต้องของข้อมูลในการตอบคำถาม และเพิ่มขีดความสามารถด้านการคิดหาเหตุผล ของ LLMs
