Gartner Hype Cycle 2025: AI-agenter og AI-klar datadrevet innovasjon

AI-agenter og AI-klare data er de to raskest voksende teknologiene på Gartners 2025-hypesyklus for kunstig intelligens, ifølge Gartner, Inc., et firma som fokuserer på forretnings- og teknologiinnsikt. Disse teknologiene opplever en kraftig økning i interesse i år, sammen med ambisiøse prognoser og spekulative løfter, noe som plasserer dem øverst på de oppblåste forventningene. .

Gartners hypesykluser gir en grafisk fremstilling av modenheten og adopsjonen av teknologier og applikasjoner, og hvordan de potensielt er relevante for å løse reelle forretningsproblemer og utnytte nye muligheter. Gartners Hype Cycle-metodikk gir et bilde av hvordan en teknologi eller applikasjon vil utvikle seg over tid, og gir en god kilde til innsikt for å håndtere implementeringen innenfor rammen av spesifikke forretningsmål.

”Ettersom investeringene i AI fortsetter å være sterke i år, er det et større fokus på å bruke AI for operasjonell skalerbarhet og innsikt i sanntid”, sa Haritha Khandabattu, senioranalytiker hos Gartner. ”Dette har ført til et gradvis skifte bort fra generativ AI (GenAI) som et sentralt fokus, mot de grunnleggende muliggjørerne som støtter bærekraftig AI-levering, som for eksempel AI-klar data- og AI-agenter.”

Blant AI-innovasjonene som Gartner forventer vil bli bredt utbredt innen de neste fem årene, har multimodal AI og AI-tillits-, risiko- og sikkerhetsstyring (TRiSM) blitt identifisert som dominerende områder med høye forventninger (se figur 1). Sammen vil disse utviklingene muliggjøre mer robuste, innovative og ansvarlige AI-applikasjoner, og transformere måten bedrifter og organisasjoner opererer på.

Figur 1: Hypesyklusen for kunstig intelligens 2025

Kilde: Gartner (august 2025)

”Til tross for den enorme potensielle forretningsverdien til AI, vil den ikke materialisere seg spontant”, sa Khandabattu. ”Suksess vil avhenge av tett forretningstilpassede pilotprosjekter, proaktiv infrastrukturbenchmarking og koordinering mellom AI og forretningsteam for å skape konkret forretningsverdi.”

AI-agenter
AI-agenter er autonome eller semi-autonome programvareenheter som bruker AI-teknikker til å oppfatte, ta beslutninger, iverksette tiltak og oppnå mål i sine digitalt eller fysisk miljøer. Ved hjelp av AI-metoder og -teknikker som Master of Laws (LLM)-programmer, oppretter og distribuerer organisasjoner AI-agenter å utføre komplekse oppgaver.

”For å dra nytte av AI-agenter må organisasjoner bestemme de mest relevante forretningskontekstene og brukstilfellene, noe som er utfordrende fordi ingen AI-agent ”Ingen er like, og hver situasjon er unik”, sa Khandabattu. ”Selv om AI-agenter vil fortsette å bli kraftigere, kan de ikke brukes i alle tilfeller, så bruken av dem vil i stor grad avhenge av kravene i den nåværende situasjonen.»

AI-klare data
AI-klare data sikrer at datasettene er optimalisert for AI-applikasjoner, noe som forbedrer nøyaktighet og effektivitet. Modenhet bestemmes av dataenes evne til å demonstrere at de er egnet for bruk i spesifikke AI-brukstilfeller. Den kan bare bestemmes kontekstuelt i forhold til Brukstilfellet for AI og AI-teknologien som brukes, noe som tvinger frem nye metoder for datahåndtering.

Ifølge Gartner må organisasjoner som investerer i stor skala i AI utvikle sine datahåndteringspraksiser og -funksjoner for å utvide dem til AI. Dette vil imøtekomme eksisterende og nye forretningskrav, sikre tillit, unngå risiko- og samsvarsproblemer, bevare immaterielle rettigheter og redusere skjevheter og hallusinasjoner.

Multimodal AI
Multimodale AI-modeller trenes på flere typer data samtidig, for eksempel bilder, video, lyd og tekst. Ved å integrere og analysere ulike datakilder kan de bedre forstå komplekse situasjoner enn modeller som bare bruker én type data. Dette hjelper brukerne med å forstå verden og åpner for nye muligheter for AI-applikasjoner.

Multimodal AI vil bli stadig mer integrert i ferdighetsutvikling på tvers av alle applikasjoner og programvareprodukter på tvers av alle bransjer de neste fem årene, ifølge Gartner-forskning.

DU ER SINT
AI TRiSM spiller en avgjørende rolle i å sikre etisk og trygg AI-implementering. Den består av fire lag med tekniske funksjoner som støtter bedriftspolicyer for alle brukstilfeller av AI og bidrar til å sikre AI-styring, pålitelighet, rettferdighet, sikkerhet, personvern og databeskyttelse.

”KI bringer nye utfordringer til tillits-, risiko- og sikkerhetsstyring som konvensjonelle kontroller ikke adresserer”, sa Khandabattu. ”Organisasjoner må evaluere og implementere KI TRiSM-teknologi på tvers av flere lag for kontinuerlig å støtte og håndheve retningslinjer på tvers av alle KI-enheter som er i bruk.”

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

Lær hvordan du bygger handlingsrettede strategier for å samkjøre driften din, styrke teamene dine og øke inntektene i den agentiske AI-æraen i denne gratis Gartner-innsikten.” 5 trinn for å gripe muligheten med agentisk AI” .