IT时报记者 郝俊慧
“AI Agent通用能力会提高，但短期内我们不认为会有一个通用AI Agent存在。”近日，Gartner研究副总裁孙鑫在接受包括《IT时报》记者在内的媒体采访时表示，目前市场上存在“Agent Washing”（智能体浪费）现象，大量公司将AI助手、聊天机器人、RPA（机器人流动自动化）工具包装成Agent，实则名不副实。他认为，短期内，垂直领域专用Agent更具实用性，而通用Agent能力的提升需依赖更强的推理模型，目前像Manus这样的“通用Agent”“完成大于完美”。
当日，Gartner发布2025年数据和分析（D&A）的九大趋势，覆盖数据供给、治理和需求三个维度，这些趋势正在催生包括企业和人员管理等方面的一系列挑战，而企业需要学会如何在AI驱动的未来释放数据规模化价值。
数据与业务供需失衡
数据种类的多样性（Variety）已成为2025年的最大变量。
十几年前，当Gartner提出“大数据”概念时，提出三V原则——Volume（量）、Velocity（速度）、Variety（种类）如今全面显现，大量企业过去没发现的“Dark Data（暗数据）”、硬件侧IoT设备收集的数据以及各种文本数据、企业知识库数据等非结构化数据激增，让企业的数据管理从单一的“量”转向了复杂的“质”。
与此同时，业务需求的升级也在推动体验的革新。从用户界面（UI）到开发体验，再到如今的“类代理式体验”（Agentic Experience），企业正迈向一个自然语言驱动、类代理式交互的时代。
然而，大量的企业仍然处于数据供需失衡中，业务部门期待更实时、更直观的洞察，不再满足于传统的报表和仪表盘。“我们还在用旧的方式解决新问题，”孙鑫直言，“比如给业务一个报表，这在AI时代远远不够，更多时候，用户需要的是搜索引擎式的自问自答，将数据封装为合规的‘即用型洞察’”。
比如，“一个全家超市店长希望知道下周该进什么货，”孙鑫举例说，过去这是不可能的，但现在通过简单提问便可以获得答案。
数据治理：能刹车才敢踩油门
企业越来越依赖AI驱动的决策，但AI的透明度和公平性成为首要挑战。
“治理不是AI的刹车片，而是让企业敢踩油门的信心来源。”孙鑫强调，面对AI的高速迭代，传统治理模式已难以满足需求，企业需要在合理范畴内，让用户清晰知晓数据的使用边界，避免AI发展失控，“每次靠跨部门会议来沟通治理已不现实，治理模式要成为一种规则，直接嵌入数据产品中”。
Gartner去年发布了《数据和分析治理平台报告》，其中主要内容是如果站在厂商角度，采用数字化手段，将治理条约写入数据产品，使之成为“即插即用”的契约，也就是说，企业在推出新数据产品时，用户必须签署并遵守嵌入式治理条款，确保数据合规使用。
未来，AI治理将越来越依赖平台能力。“如何在元数据平台中直接实现风险管理和AI控制能力？这正是企业迈向AI愿景的关键。” 孙鑫表示。
此外，Gartner认为，企业要关注合成数据，“合成数据是高监管行业弥补数据不足的必然选择。”
在金融、法务、医疗等高监管行业中，中国的《中华人民共和国个人信息保护法》或欧盟的GDPR严格限制了真实数据的获取与使用。例如，医疗机构可能因合规要求无法共享患者数据，导致AI模型训练受阻。合成数据则能填补这一空白，通过生成符合业务场景的虚拟数据集，既保护隐私，又支持算法优化。
但孙鑫同时提醒，企业需平衡技术投入与风险管理，确保合成数据不仅“可用”，更“可信”。首先要建立严格的质量保证协议，其次要在早期让利益相关者可以参与到合成数据可信标准的制定当中，建立明确的使用标准。
中国的机遇与挑战
在此前的几次人类社会大跃迁中，从没有一次“技术革命”来得如此迅猛而充满未知感，在冰山之下，总有惊喜在发生。
2025年初，中国企业在生成式AI应用上的进展让孙鑫感到十分兴奋。“2024年，中国在生产环境当中去变现AI能力是比较弱的。”根据Gartner 2024年的问卷数据，中国企业在生产环境中应用生成式AI的比例仅为8%，远低于全球的23%。
孙鑫分析，尽管中国经历了“百模大战”，但实际落地能力不足。然而，2025年3月的最新问卷显示，这一比例已显著提升至22%～23%，接近全球水平。他将这一变化归因于DeepSeek等开源模型的普及，“在DeepSeek出现以后，中国企业其实已经迎头赶上，让非常多的企业看到了构建自己企业Agent的能力。”他进一步指出，开源形式让企业能够更便捷地微调和部署模型，例如以一体机的方式在企业内部使用R1，推动了生产环境的AI应用。
然而，挑战依然存在，“现在有非常多的Agent——其实我称之为‘假Agent’，它不能够很好地感知到企业内外部环境。”孙鑫表示。
Gartner对AI Agent定义是自主或半自主的软件实体，使用AI技术在其数字或物理环境中去做出感知，并且做出决策、采取行动以实现一些业务目标。真正的Agent须具备自主性、感知能力和决策能力，而不仅仅是一个AI助手。企业若想拥有一个真正专属的Agent，不仅需依赖元数据管理和数据编织提升其能力，而且要在通用与专用Agent间找到平衡。
“AI Agent交互不一定需要人工进行干预，它的自主性是与现在市面上的一些普遍的AI助手最重要的一个差别。”孙鑫认为，未来不是用户找数据，而是数据找到人，提示你该问什么，最终由Agent给你答案。
