Команды, работающие с данными, переживают период значительных изменений и трансформации, двигаясь к новому витку развития, который определяет наступающая эра искусственного интеллекта. 2025 год станет годом, когда команды смогут не просто собирать и обрабатывать данные, а действительно влиять на стратегические решения компаний, при этом многое из механики их работы будет автоматически упрощаться и ускоряться за счет внедрения AI-технологий. Исследование, проведенное среди более чем 2000 лидеров в сфере данных из разных компаний — от стартапов до глобальных корпораций, показывает, что несмотря на растущий интерес к искусственному интеллекту, большинство команд пока не видят ощутимых изменений в своих рабочих процессах, а основные проблемы остаются актуальными и требуют внимания. На протяжении последних двух десятилетий наблюдался прогресс от элементарных форм отчетности, когда аналитика сводилась к отправке электронных таблиц по почте, до современных решений на базе облачных сервисов, продвинутой BI-аналитики и машинного обучения. Сегодня в работу аналитиков вплотную входит генеративный искусственный интеллект, который обещает кардинально изменить подход к обработке и интерпретации данных.
Однако, несмотря на всеобщее ожидание революции, реальное внедрение AI по-прежнему задерживается, а лидеры рынка данных с осторожностью оценивают текущие инструменты и ищут решения, которые помогут избежать чрезмерной фрагментации систем и усложнения процессов. Одной из основных проблем, с которой сталкиваются команды, является самообслуживание бизнес-пользователей — возможность самостоятельного доступа к аналитике без постоянного вовлечения специалистов по данным. Хотя большинство участников опроса признают важность и перспективность модели self-service, её реализация вызывает множество трудностей. Текущие инструменты часто оказываются недостаточно удобными или гибкими, а разрозненность используемых решений порождает дополнительные сложности с управлением и обеспечением качества данных. Более половины пользователей не удовлетворены своими BI-продуктами, и немалая часть уже рассматривает переход на другие платформы.
Качество и надежность данных остаются ключевыми сферами концентрации усилий. Большинство профессионалов отмечают, что им приходится тратить основное время на обеспечение доверия к данным и их согласованность. Вопросы управления метриками, типовыми показателями, соблюдения стандартов и нормирования данных постоянно требуют внимания. Этот аспект напрямую влияет на успешность внедрения AI, ведь без достоверной базы модели искусственного интеллекта и машинного обучения не смогут давать корректные и полезные рекомендации. Некоторые организации уже инвестируют в создание единых слоев семантики для повышения единства и понятности информации, однако появление нескольких параллельных систем зачастую приносит больше неудобств, чем пользы.
Рост команд по работе с данными продолжается, и большинство организаций либо расширяют свои штаты, либо сохраняют текущий масштаб. Таким образом, опасения относительно замещения рабочих мест AI пока не оправдываются. Напротив, специалисты с глубокими знаниями и навыками в области аналитики и инженерии данных становятся более востребованными и часто выступают в качестве стратегических советников руководству, помогая выстраивать процессы, ориентированные на достижение конкретных бизнес-целей. Интеграция данных в бизнес-процессы становится всё более глубокой. Команды часто подчиняются не просто департаментам аналитики, а напрямую взаимодействуют с C-уровнем — генеральными директорами, CFO, операционными директорами и другими ключевыми фигурами.
Такой сдвиг способствует более тесному выравниванию целей анализа и показателей эффективности компании в целом. В этом контексте AI воспринимается как инструмент, способный значительно повысить скорость и качество принятия решений за счет автоматизации рутинных задач, освобождая экспертов для более сложного и творческого анализа. Тем не менее, лидеры в области данных отмечают, что искусственный интеллект должен рассматриваться прежде всего как ускоритель процессов, а не как отдельная новая функция или замена существующих ролей. Для успешного внедрения AI необходима не только технологическая инфраструктура, но и наличие специализированных знаний, подходящая организационная структура, а также решение древних проблем с наследием технологий и качеством данных. Только при соблюдении этих условий команда сможет применять ИИ для реального роста эффективности и влияния.
В перспективе применение AI поможет нивелировать многие ограничения текущих систем самообслуживания. С помощью искусственного интеллекта пользователи смогут быстрее получать ответы на стандартные запросы, в то время как аналитики смогут сосредоточиться на разработке уникальных стратегий и анализе сложных задач. Автоматизация процессов документирования моделей данных, верификация и первоначальная проверка результатов с помощью языковых моделей уже практикуется в некоторых компаниях, что дает надежные предпосылки для расширения подобных практик. Будущее команд по работе с данными в 2025 году представляется как сочетание роста профессионализма, расширения зон ответственности и усиления ролей в бизнесе. Люди и технологии образуют симбиоз, где AI выступает мощным помощником, способным поднимать качество аналитики и снизить нагрузку на специалистов.
Вместе с тем, успех будет зависеть от умения адаптироваться, подстраиваться под новые реалии, а также от стремления к построению культуры доверия и прозрачности данных внутри организаций. Таким образом, переход к эффективному использованию искусственного интеллекта, борьба с проблемами качества данных и переосмысление подходов к самообслуживанию — важные темы на повестке дня для каждого лидера в области данных. Компании, которые смогут трансформировать свои команды и бизнес-процессы в соответствии с новыми требованиями рынка и технологий, окажутся на ведущих позициях, задавая тон развитию индустрии аналитики и принятия решений на основе данных в ближайшие годы.
![Causation as Folk Science (2003) [pdf]](/images/F562B69C-E14A-4C92-8801-38E3F0EDBBFE)
