2026年1月6日，美国麻省理工学院《斯隆管理评论》发表《2026年AI与数据科学的五大趋势》，在行业层面梳理出AI与数据科学发展的五大关键趋势，旨在为相关决策者提供战略参考。

（1）AI投资泡沫将逐渐收缩，经济可能受到影响

报告认为，目前AI泡沫与当年的互联网泡沫有相似之处，例如初创企业估值虚高、媒体炒作密集、基础设施投资高昂等。AI泡沫收缩不可避免，诱发因素可能包括头部厂商业绩不佳、出现更具成本效益的技术（如2025年初DeepSeek模型带来的冲击）等。从长期看，AI仍是经济增长的重要引擎，但目前确实存在短期过热问题。

（2）全面投入AI的企业将致力于构建“AI工厂”及标准化基础设施

为将AI转化为持续竞争优势，领先企业正系统化建设内部AI平台，即“AI工厂”。该模式通过整合技术平台、数据资产、方法论及可复用算法，大幅提升AI模型及应用场景的开发效率。相反，缺乏统一基础设施的企业则迫使数据科学家与业务人员重复进行工具选型、数据准备及算法开发等基础工作，导致AI应用规模化部署的成本高、周期长。

（3）生成式AI将逐步从个人生产力工具转向企业级战略资源

2025年，许多公司发现生成式AI的实际业务价值难以衡量，因为员工大多用它来完成写邮件、做PPT等个人生产力任务，带来的效益有限。2026年，企业将更侧重把生成式AI用于供应链管理、研发和销售支持等战略性场景。尽管此类项目构建难度较大，但成功落地后可创造显著效益。

（4）AI智能体短期内仍被高估，但五年内可望显现价值

AI智能体是继生成式AI后的新热点，但目前技术尚不成熟，存在错误率高、面临网络安全风险以及与人类价值观对齐等问题，还难以承担关键业务。报告预测，2026年AI智能体可能也会进入“幻灭期”。不过，大多数技术问题有望在未来五年内逐步解决。企业现在应开始探索智能体如何改变工作方式，试点开发一些可复用的可信智能体，并培养相关技术能力。

（5）企业内AI管理职责归属仍存争议

调查显示，大企业对数据和AI的投入与重视度达到新高，首席数据官角色的认可度也大幅提升。但对AI（尤其是生成式AI）的管理职责归属仍缺乏共识，目前企业内由技术负责人、业务负责人或首席数据官负责的情况均有。报告认为，权责不清是导致AI难实现预期价值的重要原因之一。

信息来源：

https://sloanreview.mit.edu/article/five-trends-in-ai-and-data-science-for-2026/