2026年，企业AI圈的一场旧争论彻底盖棺：预测模型能不能比传统统计预测更准？这个吵了好几年的问题，已经没多少人再掰扯了。现在所有人盯着的，是另一个更扎手的问题：怎么让预测系统能自己拍板，还不跑偏业务的核心目标？
旧问题死了，新问题才刚冒尖
Everest Group合伙人Vishal Gupta最近的发言戳破了这个现状——企业早就不想盯着过去的数据做“事后复盘”了，他们要的是往前“撞”机会。这也意味着，AI的前沿阵地已经从“会不会做预测”，跳到了“敢不敢让AI自主决策”。现在的行业格局是，跑得快的玩家和跟不上的，差距正在越拉越大。
两个变化，让AI从“被动算”到“主动动”
支撑这个转变的，是智能分析的两个关键调整。第一个是训练模式：以前的预测AI得等企业季度更新数据才跟着刷新，相当于按固定周期“补课”；现在能实时学习，不用等，能跟上业务的动态变化。第二个是数据源的扩容：之前预测引擎只认规整的数字记录，比如营收、用户数这种硬指标；现在能抓那些“乱糟糟”的非结构化内容，比如员工和客户的对话、场景里的隐性互动信息——这些之前被忽略的“软信息”，现在成了AI做判断的关键。
“分析”变“AI”，是系统的全面升级
Gupta还提了个有意思的观察：很多时候，“analytics”（分析）这个词正在被“AI”替代。现在的AI已经把预测分析这门宽领域的学问——包括预测建模、数据整理、结果解读、决策落地——抬到了新高度。不是说分析不重要了，而是AI已经渗透到了所有环节，让整个系统从“帮人分析”变成了“自己拿主意”。
这份内容来自MIT Technology Review的Insights团队，不是其 editorial 部门的评论内容，由人类主导研究撰写，AI仅用于辅助生产流程。
站在2026年这个节点，挺有意思的——企业敢把核心决策权交给AI的那一步，到底是效率的爆发，还是埋了看不见的风险？毕竟，AI的“自主”，永远要先过“不偏离业务意图”这道关。你觉得下一个敢把核心决策全交给AI的行业，会是哪个？
素材来源：MIT Tech Review AI · AI情报、AI智能体
查看报道原文
发表第一条评论吧