Gartner发布了2027年战略技术趋势预测。其核心可以用一句话概括：企业正从与AI聊天转向能够自行执行任务的自主智能体。但如果没有管控、高质量数据和正常的安全体系，这类智能体很快就会从助手变成风险来源。
这份预测中并没有某一项“神奇”技术。Gartner指出了三个相互关联的方向：AI走出文本范畴，企业学会管理自主系统，而技术环境变得更加灵活、对个别供应商的依赖更少。
AI正在学习处理数字、语音和现实世界
普通语言模型擅长写文本，但在精确计算和建模方面表现较弱。因此Gartner把希望寄托在 大型定量模型（LQM）上。它们专为数值数据、复杂方程、预测和运营场景而打造。
据预测，到2030年，LQM将在四分之一战略预测和运营建模任务中取代语言模型。简而言之，这类系统不仅能解释销售额为何下滑，还能用具体数字推演多种行动方案。
与此同时， 语音推理模型也在发展。它们不应只是识别语音，而要开展有意义的对话、澄清细节并解决问题。Gartner预计，到2030年，超过70%的企业语音交互将实现自主处理。
第三项技术是 世界模型。这是一种对物理环境及行动后果进行建模的AI：例如机器人在生产中如何移动零件，或供应商发生故障后供应链将如何变化。这类系统可能成为机器人技术、物流和复杂运营规划的基础。
主要风险——没有权限和上下文的智能体
自主AI智能体可以自行查找数据、下单、编写代码或与企业系统交互。而主要问题恰恰出在这里：如果智能体权限过宽，它就会成为一处脆弱点。
Gartner预测，到2028年，25%的企业安全违规将与AI智能体被滥用有关。原因在于不受控的机器权限和过时的访问管理方式。
对此的应对之道是 AI智能体身份识别。智能体需要拥有与具体任务和期限绑定的、自身的受限权限。而企业必须清楚是谁、为何允许智能体执行某项操作。简而言之，AI智能体不应拿着“万能钥匙”在企业系统中四处通行。
第二个要素—— AI上下文平台。它们让智能体能够访问结构化的企业数据、规则和内部知识。据Gartner评估，这种方法可以将智能体AI的准确率提升至80%，并将成本降低至60%。
这还包括 自主漏洞修复。这类系统会自行发现安全问题、划分优先级、测试修复方案并进行部署。其理念在于缩短从发现威胁到消除威胁之间的时间。
企业希望减少对供应商的依赖
第三个板块—— 韧性灵活架构。地缘政治、制裁风险以及对单一云服务或AI供应商的依赖，正迫使企业寻找备用方案。
SovereignTech ——这是让企业对硬件、软件、数据和AI模型拥有更多控制权的技术。其意义不在于一切都自建，而在于始终有一条清晰的退出供应商的路径。Gartner预计，到2030年，美国以外超过75%的组织将实施数字主权战略。
另外两个趋势听起来不寻常，但合乎逻辑。 一次性应用 ——这是指易于创建、使用，并在过时后易于替换的软件。而 Wetware as a Service ——这是一个实验性方向，其中计算可以借助活体或合成生物系统来完成。Gartner将其视为经典芯片的潜在高能效替代方案。
真正的亮点在哪里
这份预测的核心并不在于“AI会变得更聪明”。Gartner实际上是在说：下一个阶段是 会行动的AI，而不仅仅是回应请求。
胜出的不会是那些最先部署智能体的人，而是那些先建立起治理机制的人：清晰的访问权限、可验证的身份识别、高质量的数据，以及能够快速停用或替换系统的能力。没有这些，自主性带来的将不是效率，而是新的安全事件和控制权的丧失。
与此同时，重要的是不要把愿望当作现实。LQM、世界模型和生物计算目前仍属于发展中方向，而非成熟的规模化产品。最接近实际应用的是上下文平台、智能体身份管理和漏洞修复自动化。
