Välkommen till IT-Branschen – Kanalen för IT-nyheter, Cybersäkerhet och Digitala Trender

För Företag, Leverantörer och Beslutsfattare i IT-Branschen

Digital strategi och insikter för beslutsfattare inom IT-branschen

Prenumerera

Håll dig uppdaterad med de viktigaste nyheterna

Genom att trycka på knappen Prenumerera bekräftar du att du har läst och godkänner vår integritetspolicy och användarvillkor
Kontakta oss

Gartner Hype Cycle 2025: AI-agenter och AI-klar datadriven innovation

Gartner Gartner

AI-agenter och AI-klar data är de två snabbast framväxande teknologierna på Gartners hypecykel för artificiell intelligens 2025 , enligt Gartner, Inc., ett företag som fokuserar på affärs- och teknikinsikter. Dessa teknologier upplever ett ökat intresse i år, tillsammans med ambitiösa prognoser och spekulativa löften, vilket placerar dem på toppen av uppblåsta förväntningar .

Gartners Hype Cycles ger en grafisk representation av mognaden och implementeringen av teknologier och applikationer, och hur de potentiellt är relevanta för att lösa verkliga affärsproblem och utnyttja nya möjligheter. Gartners Hype Cycle-metodik ger en bild av hur en teknologi eller applikation kommer att utvecklas över tid, vilket ger en sund insiktskälla för att hantera dess implementering inom ramen för specifika affärsmål.

”Med tanke på att AI-investeringarna fortsätter att vara starka i år läggs ett större fokus på att använda AI för operativ skalbarhet och realtidsinformation”, säger Haritha Khandabattu , Senior Director Analyst på Gartner. ”Detta har lett till en gradvis övergång från generativ AI (GenAI) som ett centralt fokus, mot de grundläggande möjliggörarna som stöder hållbar AI-leverans, såsom AI-klar data och AI-agenter .”

Annons

Bland de AI-innovationer som Gartner förväntar sig kommer att nå allmän användning inom de närmaste fem åren har multimodal AI och AI-förtroende-, risk- och säkerhetshantering (TRiSM) identifierats som dominerande områden med höga förväntningar (se figur 1). Tillsammans kommer dessa utvecklingar att möjliggöra mer robusta, innovativa och ansvarsfulla AI-applikationer, vilket förändrar hur företag och organisationer verkar.

Figur 1: Hypecykeln för artificiell intelligens 2025
[Alt-text för bild för SEO]

Källa: Gartner (augusti 2025)

”Trots det enorma potentiella affärsvärdet med AI kommer det inte att materialiseras spontant”, sa Khandabattu. ”Framgången kommer att bero på tätt affärsanpassade pilotprojekt, proaktiv infrastrukturbenchmarking och samordning mellan AI och affärsteam för att skapa konkret affärsvärde.”

AI-agenter
AI-agenter är autonoma eller semiautonoma programvaruenheter som använder AI-tekniker för att uppfatta, fatta beslut, vidta åtgärder och uppnå mål i sina digitala eller fysiska miljöer. Med hjälp av AI-metoder och tekniker som exempelvis juridiska masterprogram (LLM) skapar och distribuerar organisationer AI-agenter för att utföra komplexa uppgifter.

”För att dra nytta av AI-agenter måste organisationer fastställa de mest relevanta affärssammanhangen och användningsfallen, vilket är utmanande eftersom ingen AI-agent är den andra lik och varje situation är unik”, sa Khandabattu. ”Även om AI-agenter kommer att fortsätta att bli kraftfullare kan de inte användas i alla fall, så användningen kommer till stor del att bero på kraven i den aktuella situationen.”

AI-klara data
AI-klar data säkerställer att datamängder är optimerade för AI-applikationer, vilket förbättrar noggrannhet och effektivitet. Mognaden avgörs genom datans förmåga att bevisa sin lämplighet för användning i specifika AI-användningsfall. Den kan endast avgöras kontextuellt i förhållande till AI-användningsfallet och den AI-teknik som används, vilket tvingar fram nya metoder för datahantering.

Enligt Gartner behöver organisationer som investerar i AI i stor skala utveckla sina datahanteringsmetoder och -funktioner för att utöka dem till AI. Detta kommer att tillgodose befintliga och kommande affärskrav, säkerställa förtroende, undvika risker och efterlevnadsproblem, bevara immateriella rättigheter och minska partiskhet och hallucinationer.

Multimodal AI
Multimodala AI-modeller tränas med flera typer av data samtidigt, såsom bilder, video, ljud och text. Genom att integrera och analysera olika datakällor kan de bättre förstå komplexa situationer än modeller som bara använder en typ av data. Detta hjälper användare att förstå världen och öppnar upp nya möjligheter för AI-tillämpningar.

Multimodal AI kommer att bli alltmer integrerad i kompetensutvecklingen i alla applikationer och mjukvaruprodukter inom alla branscher under de kommande fem åren, enligt Gartners forskning.

DU ÄR TRISMA
AI TRiSM spelar en avgörande roll för att säkerställa etisk och säker AI-implementering. Det består av fyra lager av tekniska funktioner som stöder företagspolicyer för alla AI-användningsfall och hjälper till att säkerställa AI-styrning, tillförlitlighet, rättvisa, säkerhet, tillförlitlighet, integritet och dataskydd.

”AI medför nya utmaningar inom förtroende-, risk- och säkerhetshantering som konventionella kontroller inte åtgärdar”, sa Khandabattu. ”Organisationer måste utvärdera och implementera AI TRiSM-teknik i flera lager för att kontinuerligt stödja och upprätthålla policyer för alla AI-enheter som används.”

Gartners kunder kan läsa mer i rapporten Hype Cycle for Artificial Intelligence, 2025 .

Lär dig hur du bygger handlingsbara strategier för att samordna din verksamhet, stärka dina team och öka intäkterna i agentisk AI-eran i den kostnadsfria Gartner-insikten ” 5 steg för att gripa Agentisk AI-möjlighet” .

Håll dig uppdaterad med de viktigaste nyheterna

Genom att trycka på knappen Prenumerera bekräftar du att du har läst och godkänner vår integritetspolicy och användarvillkor
Annons