MIT: 5 xu hướng chính trong AI và khoa học dữ liệu cho năm 2025

- Các nhà lãnh đạo sẽ đối mặt với cả hứa hẹn và sự thổi phồng xung quanh AI tự động (agentic AI). AI tự động đang trở thành xu hướng nổi bật trong năm 2025, với 37% lãnh đạo công nghệ cho rằng họ đã có công cụ này và 68% sẵn sàng chi tiền cho nó trong vòng sáu tháng tới.

- Thời điểm đã đến để đo lường kết quả từ các thử nghiệm với AI tạo sinh (generative AI). 58% lãnh đạo cho biết tổ chức của họ đã đạt được sự gia tăng năng suất hoặc hiệu quả nhờ AI, nhưng rất ít công ty thực sự đo lường những cải tiến này một cách chính xác.

- Thực tế về văn hóa dựa trên dữ liệu đang dần rõ ràng hơn. Mặc dù có sự gia tăng trong việc tạo ra tổ chức và văn hóa dựa trên dữ liệu, nhưng 92% nhân viên cho rằng thách thức về văn hóa và quản lý thay đổi vẫn là rào cản chính.

- Dữ liệu không cấu trúc đang trở lại quan trọng. 94% lãnh đạo cho biết mối quan tâm về AI dẫn đến việc chú trọng nhiều hơn vào dữ liệu không cấu trúc, với nhiều công ty chưa chuẩn bị tốt cho việc quản lý loại dữ liệu này.

- Ai nên điều hành dữ liệu và AI? Mặc dù ngày càng có nhiều sự chú ý và đầu tư vào dữ liệu và AI trong tổ chức, nhưng vai trò lãnh đạo dữ liệu vẫn đang gặp khó khăn. 85% tổ chức đã bổ nhiệm giám đốc dữ liệu (CDO), nhưng chỉ một nửa số lãnh đạo cảm thấy vai trò của họ được hiểu rõ.

📌 Năm 2025 sẽ chứng kiến sự phát triển mạnh mẽ của AI tự động và nhu cầu đo lường giá trị từ AI tạo sinh. Văn hóa dựa trên dữ liệu vẫn gặp thách thức lớn, trong khi vai trò lãnh đạo dữ liệu cần được củng cố để đáp ứng nhu cầu ngày càng tăng.

https://sloanreview.mit.edu/article/five-trends-in-ai-and-data-science-for-2025/

#MIT

5 xu hướng AI và Khoa học dữ liệu năm 2025
Từ AI agentic đến dữ liệu phi cấu trúc, các xu hướng AI năm 2025 này xứng đáng được các nhà lãnh đạo chú ý. Dưới đây là dữ liệu và lời khuyên mới nhất từ hai chuyên gia.

Thomas H. Davenport và Randy Bean
Ngày 8 tháng 1 năm 2025
Thời gian đọc: 10 phút

Đây là thời điểm để dự đoán và phân tích xu hướng, và khi khoa học dữ liệu cùng trí tuệ nhân tạo ngày càng trở nên quan trọng đối với nền kinh tế toàn cầu, các nhà lãnh đạo cần theo dõi các xu hướng AI đang nổi lên.

Không ai dường như sử dụng AI để đưa ra các dự đoán này, và chúng tôi cũng sẽ không, khi chia sẻ danh sách các xu hướng AI sẽ quan trọng vào năm 2025. Tuy nhiên, chúng tôi sẽ kết hợp những nghiên cứu mới nhất khi có thể. Randy vừa hoàn thành khảo sát thường niên của mình với các giám đốc điều hành về dữ liệu, phân tích và AI, Khảo sát chuẩn mực lãnh đạo AI & Dữ liệu 2025, được thực hiện bởi tổ chức giáo dục của ông, Data & AI Leadership Exchange; còn Tom đã tham gia vào một số khảo sát về AI tạo sinh, dữ liệu, cấu trúc lãnh đạo công nghệ và gần đây nhất là AI agentic.

Dưới đây là các xu hướng AI năm 2025 mà chúng tôi nhận thấy các nhà lãnh đạo cần hiểu và theo dõi.

1. Các nhà lãnh đạo sẽ đối mặt với cả tiềm năng và sự cường điệu xung quanh AI agentic
Hãy đề cập đến AI agentic — loại AI có thể thực hiện các nhiệm vụ một cách độc lập — trước: Đây chắc chắn sẽ là “xu hướng AI thịnh hành nhất năm 2025.” AI agentic dường như đang trên đà phát triển không thể tránh khỏi: Tất cả mọi người trong thế giới nhà cung cấp công nghệ và phân tích đều hào hứng với viễn cảnh các chương trình AI hợp tác để thực hiện công việc thực tế thay vì chỉ tạo nội dung, dù chưa ai hoàn toàn chắc chắn cách nó sẽ hoạt động.

Một số lãnh đạo CNTT nghĩ rằng họ đã có công nghệ này (37%, theo một khảo sát sắp tới được tài trợ bởi UiPath với 252 lãnh đạo CNTT tại Mỹ); hầu hết mong đợi nó sớm xuất hiện và sẵn sàng chi tiền cho nó (68% trong vòng sáu tháng hoặc ít hơn); và một số ít người hoài nghi (chủ yếu được chúng tôi gặp trong các cuộc phỏng vấn) cho rằng đó chủ yếu là cường điệu từ nhà cung cấp.

Hầu hết các giám đốc công nghệ tin rằng các chương trình AI tự động và hợp tác này sẽ chủ yếu dựa vào các bot AI tạo sinh tập trung, thực hiện các nhiệm vụ cụ thể. Nhiều người tin rằng sẽ có một mạng lưới các agent này, và không ít người hy vọng rằng các hệ sinh thái agent này sẽ cần ít sự can thiệp của con người hơn so với trước đây. Một số tin rằng công nghệ này sẽ được điều phối bởi các công cụ tự động hóa quy trình robot; một số khác đề xuất rằng các agent sẽ được các hệ thống giao dịch doanh nghiệp triển khai; và một số dự đoán về sự xuất hiện của một "agent siêu cấp" điều khiển mọi thứ.

Các công cụ AI agentic đầu tiên sẽ là những công cụ dành cho các nhiệm vụ nội bộ nhỏ, có cấu trúc và ít liên quan đến tiền bạc.

Dưới đây là quan điểm của chúng tôi: Sẽ có (và trong một số trường hợp, đã có) các bot AI tạo sinh thực hiện các nhiệm vụ tạo nội dung cụ thể theo yêu cầu của con người. Để thực hiện điều gì đó quan trọng hơn, như đặt chỗ du lịch hay thực hiện giao dịch ngân hàng, sẽ cần nhiều hơn một công cụ AI agentic như vậy. Tuy nhiên, các hệ thống này vẫn hoạt động bằng cách dự đoán từ tiếp theo, và đôi khi điều này sẽ dẫn đến lỗi hoặc không chính xác. Vì vậy, vẫn cần có con người kiểm tra chúng định kỳ.

Các agent đầu tiên sẽ là những công cụ dành cho các nhiệm vụ nội bộ nhỏ, có cấu trúc và ít liên quan đến tiền bạc — ví dụ, giúp đổi mật khẩu trong hệ thống CNTT, hoặc đặt ngày nghỉ trong các hệ thống nhân sự. Chúng tôi không thấy khả năng cao các công ty sẽ để các agent này làm việc trực tiếp với khách hàng thật, người tiêu dùng thật với số tiền thực tế trong thời gian sắp tới, trừ khi có sự can thiệp của con người hoặc khả năng đảo ngược giao dịch. Do đó, chúng tôi không dự đoán tác động lớn đến lực lượng lao động từ công nghệ này trong năm 2025, ngoại trừ việc tạo ra các công việc mới để viết bài blog về AI agentic. (Chờ đã, các agent có thể làm điều đó không nhỉ?)

2. Đã đến lúc đo lường kết quả từ các thử nghiệm AI tạo sinh
Một trong những lý do khiến mọi người hào hứng với AI agentic là đến năm 2024, vẫn rất khó chứng minh giá trị kinh tế từ AI tạo sinh. Trong bài viết xu hướng AI năm ngoái, chúng tôi đã cho rằng giá trị của AI tạo sinh vẫn cần được chứng minh. Các nhà lãnh đạo dữ liệu và AI trong Khảo sát chuẩn mực lãnh đạo AI & Dữ liệu 2025 của Randy cho biết họ tin rằng giá trị từ AI tạo sinh đang được tạo ra: 58% nói rằng tổ chức của họ đã đạt được sự gia tăng năng suất hoặc hiệu quả vượt bậc nhờ AI, chủ yếu là từ AI tạo sinh. Thêm 16% cho rằng họ đã “giải phóng nhân viên tri thức khỏi các công việc nhàm chán” thông qua việc sử dụng các công cụ AI tạo sinh. Hãy hy vọng rằng những niềm tin tích cực này là chính xác.

Tuy nhiên, các công ty không nên chỉ dựa vào niềm tin này. Rất ít công ty thực sự đo lường cẩn thận sự gia tăng năng suất hoặc tìm hiểu xem các nhân viên tri thức được “giải phóng” đang làm gì với thời gian được giải phóng. Chỉ một vài nghiên cứu học thuật đã đo lường sự gia tăng năng suất từ AI tạo sinh, và khi có, chúng thường phát hiện một số cải thiện, nhưng không phải là cải thiện vượt bậc. Goldman Sachs là một trong số ít công ty đã đo lường sự gia tăng năng suất trong lĩnh vực lập trình. Các nhà phát triển tại đây cho biết năng suất của họ tăng khoảng 20%. Hầu hết các nghiên cứu tương tự cho thấy năng suất phụ thuộc vào các yếu tố điều kiện, nơi các nhân viên thiếu kinh nghiệm cải thiện nhiều hơn (như trong dịch vụ khách hàng và tư vấn), hoặc nhân viên có kinh nghiệm làm tốt hơn (như trong tạo mã).

Trong nhiều trường hợp, cách tốt nhất để đo lường sự gia tăng năng suất là thiết lập các thử nghiệm kiểm soát. Ví dụ, một công ty có thể có một nhóm nhà tiếp thị sử dụng AI tạo sinh để tạo nội dung mà không cần kiểm duyệt của con người, một nhóm sử dụng AI tạo sinh với kiểm duyệt của con người, và một nhóm đối chứng không sử dụng công nghệ này. Lại một lần nữa, rất ít công ty đang thực hiện điều này, và điều này cần thay đổi. Vì AI tạo sinh hiện chủ yếu tập trung vào việc tạo nội dung cho nhiều công ty, nếu chúng ta muốn thực sự hiểu lợi ích, chúng ta cũng phải bắt đầu đo lường chất lượng nội dung. Điều này vốn nổi tiếng là khó khăn khi đánh giá đầu ra của công việc tri thức. Tuy nhiên, nếu AI tạo sinh giúp viết bài blog nhanh hơn nhiều nhưng các bài viết lại nhàm chán và không chính xác, điều đó rất quan trọng để đo lường: Sẽ có rất ít lợi ích trong trường hợp sử dụng này.

Một thực tế đáng buồn là nếu nhiều tổ chức thực sự đạt được sự gia tăng năng suất vượt bậc, những cải thiện này có thể được đo lường bằng các đợt sa thải quy mô lớn. Nhưng không có dấu hiệu nào về các đợt sa thải hàng loạt trong các thống kê về việc làm. Ngoài ra, một người đoạt giải Nobel Kinh tế năm nay, Daron Acemoglu của MIT, đã nhận xét rằng chúng ta chưa thấy sự gia tăng năng suất thực sự từ AI cho đến nay, và ông không kỳ vọng sẽ thấy điều gì ấn tượng trong vài năm tới — có lẽ chỉ tăng 0,5% trong thập kỷ tới. Trong mọi trường hợp, nếu các công ty thực sự muốn thấy và hưởng lợi từ AI tạo sinh, họ sẽ cần đo lường và thử nghiệm để nhận ra lợi ích.

3. Thực tế về văn hóa dựa trên dữ liệu dần trở nên rõ ràng
Có vẻ như chúng ta đang nhận ra rằng AI tạo sinh rất thú vị nhưng không thay đổi mọi thứ, đặc biệt là các đặc điểm văn hóa dài hạn. Trong bài viết xu hướng năm ngoái, chúng tôi đã lưu ý rằng khảo sát của Randy cho thấy tỷ lệ phản hồi từ các công ty cho rằng tổ chức của họ đã “tạo dựng được một tổ chức dựa trên dữ liệu và AI” và “thiết lập văn hóa tổ chức dựa trên dữ liệu và AI” đều tăng gấp đôi so với năm trước (từ 24% lên 48% đối với việc tạo dựng tổ chức, và từ 21% lên 43% đối với việc thiết lập văn hóa dựa trên dữ liệu). Chúng tôi đều ngạc nhiên trước sự cải thiện đáng kể được báo cáo này và cho rằng các thay đổi này nhờ vào AI tạo sinh, vì công nghệ này được công bố rộng rãi và được tổ chức áp dụng nhanh chóng.

Dự đoán dài hạn của chúng tôi là AI tạo sinh không đủ để biến các tổ chức và văn hóa thành dựa trên dữ liệu.

Năm nay, các con số đã trở lại mức thực tế hơn. 37% số người được khảo sát cho biết họ làm việc trong một tổ chức dựa trên dữ liệu và AI, và 33% nói rằng họ có văn hóa dựa trên dữ liệu và AI. Đây vẫn là một điều tốt rằng các nhà lãnh đạo dữ liệu và AI cảm thấy tổ chức của họ đã cải thiện so với quá khứ xa xưa, nhưng dự đoán dài hạn của chúng tôi là AI tạo sinh không đủ để biến các tổ chức và văn hóa thành dựa trên dữ liệu.

Trong cùng khảo sát, 92% số người được hỏi cho rằng thách thức lớn nhất để trở thành tổ chức dựa trên dữ liệu và AI là văn hóa và quản lý thay đổi. Điều này cho thấy rằng bất kỳ công nghệ nào đơn lẻ cũng là không đủ. Đáng chú ý, hầu hết các nhân viên được khảo sát đến từ các tổ chức lâu đời, được thành lập cách đây hơn một thế hệ và có lịch sử chuyển đổi một cách từ từ. Nhiều công ty trong số này đã làm nhiều hơn để thực hiện các chiến lược số của họ trong thời kỳ đại dịch so với hai thập kỷ trước đó.

4. Dữ liệu phi cấu trúc trở lại quan trọng
AI tạo sinh đã mang lại một tác động khác cho các tổ chức: Nó đang khiến dữ liệu phi cấu trúc trở lại quan trọng. Trong Khảo sát chuẩn mực lãnh đạo AI & Dữ liệu 2025, 94% các nhà lãnh đạo dữ liệu và AI cho rằng sự quan tâm đến AI đang dẫn đến việc chú trọng hơn vào dữ liệu. Vì AI phân tích truyền thống đã tồn tại trong nhiều thập kỷ, chúng tôi cho rằng họ đang đề cập đến tác động của AI tạo sinh. Trong một khảo sát khác được đề cập trong bài viết xu hướng AI năm ngoái, có bằng chứng đáng kể rằng hầu hết các công ty vẫn chưa thực sự quản lý dữ liệu để sẵn sàng cho AI tạo sinh.

Phần lớn dữ liệu mà AI tạo sinh sử dụng là tương đối phi cấu trúc, dưới các hình thức như văn bản, hình ảnh, video, và các loại tương tự. Một lãnh đạo tại một tổ chức bảo hiểm lớn gần đây đã chia sẻ với Randy rằng 97% dữ liệu của công ty này là dữ liệu phi cấu trúc. Nhiều công ty đang quan tâm đến việc sử dụng AI tạo sinh để giúp quản lý và cung cấp quyền truy cập vào dữ liệu và tài liệu của họ, thường sử dụng phương pháp được gọi là retrieval-augmented generation (RAG). Tuy nhiên, một số công ty chưa làm nhiều với dữ liệu phi cấu trúc của họ kể từ thời kỳ quản lý tri thức cách đây 20 năm hoặc hơn. Họ đã tập trung vào dữ liệu có cấu trúc — thường là các hàng và cột số liệu từ các hệ thống giao dịch.

Để xử lý dữ liệu phi cấu trúc, các tổ chức cần chọn các ví dụ tốt nhất của từng loại tài liệu, gắn thẻ hoặc lập biểu đồ nội dung, và đưa chúng vào hệ thống. (Chào mừng đến với thế giới bí ẩn của nhúng dữ liệu, cơ sở dữ liệu vector, và các thuật toán tìm kiếm tương đồng.) Các phương pháp này mang lại những lợi ích đáng kể trong việc truy cập tri thức cho nhân viên, đó là lý do tại sao nhiều tổ chức đang theo đuổi chúng. Tuy nhiên, công việc này vẫn phụ thuộc nhiều vào con người. Có thể đến một lúc nào đó, chúng ta chỉ cần tải một lượng lớn tài liệu nội bộ vào cửa sổ lệnh của AI tạo sinh, nhưng điều đó khó xảy ra vào năm 2025. Ngay cả khi điều đó khả thi, vẫn sẽ cần sự chọn lọc đáng kể từ con người — vì ChatGPT không thể biết đâu là tài liệu bán hàng tốt nhất trong 20 tài liệu khác nhau.

5. Ai nên dẫn dắt dữ liệu và AI? Tiếp tục cuộc tranh cãi
Không có gì ngạc nhiên khi dữ liệu và các nỗ lực khai thác nó bằng AI đang nhận được ngày càng nhiều sự chú ý và đầu tư trong tổ chức, nhưng vai trò lãnh đạo dữ liệu vẫn đang gặp khó khăn. Vai trò này vẫn còn khá mới mẻ — chỉ 12% tổ chức trong khảo sát đầu tiên của Randy vào năm 2012 đã bổ nhiệm giám đốc dữ liệu. Tiến triển đã đạt được: 85% tổ chức trong khảo sát mới nhất của Randy đã bổ nhiệm giám đốc dữ liệu, và tỷ lệ ngày càng cao của các lãnh đạo dữ liệu tập trung vào tăng trưởng, đổi mới và chuyển đổi (thay vì tránh rủi ro hoặc các vấn đề pháp lý). Nhiều tổ chức cũng đã bổ nhiệm giám đốc AI — một con số đáng ngạc nhiên, 33%.

Mặc dù các vai trò này tiếp tục phát triển, các tổ chức vẫn đang vật lộn với nhiệm vụ, trách nhiệm và cấu trúc báo cáo của chúng. Ít hơn một nửa số lãnh đạo dữ liệu (chủ yếu là giám đốc dữ liệu) trả lời khảo sát AI & Dữ liệu cho biết chức năng của họ rất thành công và được thiết lập tốt, và chỉ 51% nói rằng họ cảm thấy vai trò của mình được hiểu rõ trong tổ chức. Chúng tôi vẫn chưa chắc chắn rằng trách nhiệm của giám đốc AI và giám đốc dữ liệu (và phân tích/AI) đòi hỏi các vai trò riêng biệt, mặc dù một số tổ chức, bao gồm Capital One và Cleveland Clinic, đã thiết lập vai trò giám đốc AI ngang hàng với giám đốc dữ liệu.

Điều mà chúng tôi có thể khẳng định với sự tự tin là nhu cầu lãnh đạo dữ liệu và AI sẽ chỉ tăng lên, bất kể hình thức, cấu trúc hay mô hình nào được áp dụng.

Chúng tôi có hai quan điểm về tương lai rộng lớn của giám đốc dữ liệu và AI. Randy kiên quyết tin rằng vai trò của CDAO nên là một vai trò kinh doanh báo cáo trực tiếp với lãnh đạo doanh nghiệp. Ông lưu ý rằng 36% lãnh đạo dữ liệu và AI trong khảo sát năm nay báo cáo với CEO, chủ tịch, hoặc COO. Randy tin tưởng mạnh mẽ rằng các lãnh đạo dữ liệu và AI cần mang lại giá trị kinh doanh có thể đo lường được, cũng như hiểu và nói ngôn ngữ của doanh nghiệp.

Tom đồng ý rằng các lãnh đạo công nghệ cần tập trung hơn vào giá trị kinh doanh. Nhưng như chúng tôi đã tranh luận trong báo cáo xu hướng năm ngoái, ông cảm thấy rằng có quá nhiều “giám đốc công nghệ” trong hầu hết các tổ chức. Nhiều CDAO cho rằng khách hàng nội bộ của họ bị nhầm lẫn bởi số lượng lớn các giám đốc cấp C và sự phổ biến của các vai trò này khiến việc hợp tác trở nên khó khăn và ít khả năng họ báo cáo với CEO. Tom muốn thấy các “siêu lãnh đạo công nghệ,” với tất cả các vai trò công nghệ báo cáo cho họ, như trường hợp ở một số công ty đang ngày càng thúc đẩy các CIO định hướng chuyển đổi đảm nhận vai trò này. Dù câu trả lời đúng là gì, rõ ràng các tổ chức phải có những can thiệp để đảm bảo rằng những người dẫn dắt dữ liệu được tôn trọng như chính dữ liệu đó.

Về tác giả
Thomas H. Davenport (@tdav) là Giáo sư Xuất sắc của Tổng thống về Công nghệ Thông tin và Quản lý tại Trường Babson College, Giáo sư Analytics tại Trường Kinh doanh Darden thuộc Đại học Virginia, một thành viên của Sáng kiến Kinh tế Kỹ thuật số tại MIT, và là cố vấn cấp cao cho Chương trình Giám đốc Dữ liệu và Phân tích của Deloitte. Cuốn sách mới nhất của ông là All Hands on Tech: The AI-Powered Citizen Revolution (Wiley, 2024).

Randy Bean (@RandyBeanNVP) là cố vấn cho các tổ chức trong danh sách Fortune 1000 về lãnh đạo dữ liệu và AI. Ông là tác giả của cuốn sách Fail Fast, Learn Faster: Lessons in Data-Driven Leadership in an Age of Disruption, Big Data, and AI (Wiley, 2021).

Five Trends in AI and Data Science for 2025
From agentic AI to unstructured data, these 2025 AI trends deserve close attention from leaders. Get fresh data and advice from two experts.
 
Thomas H. Davenport and Randy Bean January 08, 2025
Reading Time: 10 min 
This is the time of year for predictions and trend analyses, and as data science and artificial intelligence become increasingly important to the global economy, it’s vital that leaders watch emerging AI trends.

Nobody seems to use AI to make these predictions, and we won’t either, as we share our list of AI trends that will matter in 2025. But we will incorporate the latest research whenever possible. Randy has just completed his annual survey of data, analytics, and AI executives, the 2025 AI & Data Leadership Executive Benchmark Survey, conducted by his educational firm, Data & AI Leadership Exchange; and Tom has worked on several surveys on generative AI and data, technology leadership structures, and, most recently, agentic AI.

Here are the 2025 AI trends on our radar screens that leaders should understand and monitor.

1. Leaders will grapple with both the promise and hype around agentic AI.
Let’s get agentic AI — the kind of AI that does tasks independently — out of the way first: It’s a sure bet for 2025’s “most trending AI trend.” Agentic AI seems to be on an inevitable rise: Everybody in the tech vendor and analyst worlds is excited about the prospect of having AI programs collaborate to do real work instead of just generating content, even though nobody is entirely sure how it will all work. Some IT leaders think they already have it (37%, in a forthcoming UiPath-sponsored survey of 252 U.S. IT leaders); most expect it soon and are ready to spend money on it (68% within six months or less); and a few skeptics (primarily encountered by us in interviews) think it’s mostly vendor hype.

Most technology executives believe that these autonomous and collaborative AI programs will be primarily based on focused generative AI bots that will perform specific tasks. Most people believe that there will be a network of these agents, and many are hoping that the agent ecosystems will need less human intervention than AI has required in the past. Some believe that the technology will all be orchestrated by robotic process automation tools; some propose that agents will be fetched by enterprise transaction systems; and some posit the emergence of an “uber agent” that will control everything.

The earliest agentic AI tools will be those for small, structured internal tasks with little money involved.

Here’s what we think: There will be (and in some cases, already are) generative AI bots that will do people’s bidding on specific content creation tasks. It will require more than one of these agentic AI tools to do something significant, such as make a travel reservation or conduct a banking transaction. But these systems still work by predicting the next word, and sometimes that will lead to errors or inaccuracies. So there will still be a need for humans to check in on them every now and then.

The earliest agents will be those for small, structured internal tasks with little money involved — for instance, helping change your password on the IT side, or reserving time off for vacations in HR systems. We don’t see much likelihood of companies turning these agents loose on real customers spending real money anytime soon, unless there’s the opportunity for human review or the reversal of a transaction. As a result, we don’t foresee a major impact on the human workforce from this technology in 2025, except for new jobs writing blog posts about agentic AI. (Wait, can agents do that?)

2. The time has come to measure results from generative AI experiments.
One of the reasons why everybody is excited about agents is that as of 2024, it has still proved difficult to demonstrate economic value from generative AI. We argued in last year’s AI trends article that the value of GenAI still needed to be demonstrated. Data and AI leaders in Randy’s 2025 AI & Data Leadership Executive Benchmark Survey said they are confident that GenAI value is being generated: Fifty-eight percent said that their organization has achieved exponential productivity or efficiency gains from AI, presumably mostly from generative AI. Another 16% said that they have “liberated knowledge workers from mundane tasks” through the use of GenAI tools. Let’s hope that these highly positive beliefs are correct.

But companies shouldn’t take such confidence on faith. Very few companies are actually measuring productivity gains carefully or figuring out what the liberated knowledge workers are doing with their freed-up time. Only a few academic studies have measured GenAI productivity gains, and when they have, they’ve generally found some improvements, but not exponential ones. Goldman Sachs is one of the rare companies that has measured productivity gains in the area of programming. Developers there reported that their productivity increased by about 20%. Most similar studies have found contingent factors in productivity, where either inexperienced workers gain more (as in customer service and consulting) or experienced workers do better (as in code generation).

In many cases, the best way to measure productivity gains will be to establish controlled experiments. For example, a company could have one group of marketers use generative AI to create content without human review, one use it with human review, and a control group not use it at all. Again, few companies are doing this, and this will need to change. Given that GenAI is primarily about content generation for many companies right now, if we want to really understand the benefits, we’ll also have to start measuring content quality. That’s notoriously difficult to do with knowledge work output. However, if GenAI helps write blog posts much faster but the posts are boring and inaccurate, that’s important to measure: There will be little benefit in that particular use case.

The sad fact is that if many organizations are actually to achieve exponential productivity gains, those improvements may be measured in large-scale layoffs. But there is no sign of mass layoffs in the employment statistics. Additionally, a Nobel Prize winner in economics this year, MIT’s Daron Acemoglu, has commented that we haven’t seen real productivity gains from AI thus far, and he doesn’t expect to see anything dramatic over the next several years — perhaps a 0.5% increase over the next decade. In any case, if companies are really going to see and profit from GenAI, they’re going to need to measure and experiment to see the benefits.

3. Reality about data-driven culture sets in.
We seem to be realizing that generative AI is very cool but doesn’t change everything, specifically long-term cultural attributes. In our trend article last year, we noted that Randy’s survey found that the percentage of company respondents who said that their organization had “created a data and AI-driven organization” and “established a data and AI-driven organizational culture” both doubled over the prior year (from 24% to 48% for creating data- and AI-driven organizations, and from 21% to 43% for establishing data-driven cultures). We were both somewhat astonished at this dramatic reported improvement, and we attributed the changes to generative AI, since it was very widely publicized and adopted rapidly by organizations.

Our long-term prediction is that generative AI alone is not enough to make organizations and cultures data-driven.

This year, the numbers have settled back to Earth a bit. Thirty-seven percent of those surveyed said they work in a data- and AI-driven organization, and 33% said they have a data- and AI-driven culture. It’s still a good thing that data and AI leaders feel that their organizations have improved in this regard over the distant past, but our long-term prediction is that generative AI alone is not enough to make organizations and cultures data-driven.

In the same survey, 92% of the respondents said they feel that cultural and change management challenges are the primary barrier to becoming data- and AI-driven. This suggests that any technology alone is insufficient. It’s worth noting that most of the surveyed employees were from legacy organizations that were founded over a generation ago and have a history of transforming gradually. Many of these companies did more to execute on their digital strategies during the pandemic than they had in the previous two decades.

4. Unstructured data is important again.
Generative AI has had another impact on organizations: It’s making unstructured data important again. In the 2025 AI & Data Leadership Executive Benchmark Survey, 94% of data and AI leaders said that interest in AI is leading to a greater focus on data. Since traditional analytical AI has been around for several decades, we think they were referring to GenAI’s impact. In another survey that we mentioned in last year’s AI trends article, there was substantial evidence that most companies hadn’t yet started to really manage data to get ready for generative AI.

The great majority of the data that GenAI works with is relatively unstructured, in forms such as text, images, video, and the like. A leader at one large insurance organization recently shared with Randy that 97% of the company’s data was unstructured. Many companies are interested in using GenAI to help manage and provide access to their own data and documents, typically using an approach called retrieval-augmented generation, or RAG. But some companies haven’t worked on their unstructured data much since the days of knowledge management 20 or more years ago. They’ve been focused on structured data — typically rows and columns of numbers from transactional systems.

To get unstructured data into shape, organizations need to pick the best examples of each document type, tag or graph the content, and get it loaded into the system. (Welcome to the arcane world of embeddings, vector databases, and similarity search algorithms.) These approaches do provide considerable knowledge-access benefits for employees, which is why many organizations are pursuing them. But this work is still human-intensive. At some point, perhaps, we’ll be able to just load tons of our internal documents into a GenAI prompt window, but 2025 is unlikely to be that time. Even when that’s possible, there will still be a need for considerable human curation of the data — because ChatGPT can’t tell which is the best of 20 different sales proposals.

Related Articles
Five Hybrid Work Trends to Watch in 2025 | Brian Elliott
How Scotiabank Built an Ethical, Engaged AI Culture | Thomas H. Davenport and Randy Bean
Five Tune-Ups Your Company Needs in 2025
How GenAI Helps USAA Innovate | Thomas H. Davenport and Randy Bean
5. Who should run data and AI? Expect continued struggle.
It should perhaps come as no surprise that while data and attempts to exploit it with AI are receiving increasing amounts of organizational attention and investment, the data leadership function itself is continuing to struggle. The role is still relatively nascent — just 12% of organizations in Randy’s first annual executive survey back in 2012 had appointed a chief data officer. Progress is being made: Eighty-five percent of organizations in Randy’s newest survey have named a chief data officer, and increasing percentages of those data leaders are primarily focused on growth, innovation, and transformation (as opposed to avoiding risk or regulatory problems). More organizations have also named chief AI officers — a surprising 33%.

While these roles continue to evolve, organizations continue to wrestle with their mandates, responsibilities, and reporting structures. Fewer than half of data leaders (mostly chief data officers) who responded to Randy’s AI & Data Leadership Executive Benchmark Survey said their function is very successful and well established, and only 51% said they feel that the job is well understood within their organizations. We are still not sure that the responsibilities of a chief AI officer and a chief data (and analytics/AI) officer demand separate roles, though some organizations, including Capital One and Cleveland Clinic, have established the chief AI officer role as a peer to the chief data officer.

The one thing that we can say with confidence is that the demand for data and AI leadership will only grow, under whatever shape, form, and structure this demand entails.

We’re of two minds about the broader future of the chief data and AI officer. Randy firmly believes that the role of CDAO should be a business role reporting into business leadership. He notes that 36% of data and AI leaders in his survey this year reported to either the CEO, president, or COO. Randy strongly believes that data and AI leaders need to deliver measurable business value, and to understand and speak the language of the business.

Tom agrees that tech leaders need to be more focused on business value. But as we argued in last year’s trend report, he feels that there are too many “tech chiefs,” including CDAOs, in most organizations. Many of those CDAOs themselves feel that their internal customers are confused by all of the C-level tech executives and that the proliferation of such roles makes it both difficult to collaborate and unlikely that they will report to the CEO. Tom would prefer to see “supertech leaders,” with all of the tech roles reporting to them, as is the case in a growing number of companies that have promoted transformation-minded CIOs to fill the role. Whatever the right answer is, it’s clear that organizations must make some interventions and make those who lead data as respected as the data itself.

About the Authors
Thomas H. Davenport (@tdav) is the President’s Distinguished Professor of Information Technology and Management at Babson College, the Bodily Bicentennial Professor of Analytics at the University of Virginia Darden School of Business, a fellow of the MIT Initiative on the Digital Economy, and senior adviser to the Deloitte Chief Data and Analytics Officer Program. His latest book is All Hands on Tech: The AI-Powered Citizen Revolution (Wiley, 2024). Randy Bean (@RandyBeanNVP) is an adviser to Fortune 1000 organizations on data and AI leadership. He is the author of Fail Fast, Learn Faster: Lessons in Data-Driven Leadership in an Age of Disruption, Big Data, and AI (Wiley, 2021).