根據Gartner《2022年人工智能技術成熟度曲線》報告，盡早采用復合型人工智能（AI）、決策智能等AI技術將給企業機構帶來明顯的競爭優勢，緩解AI模型脆弱性引發的問題，有助于捕捉業務背景信息，推動價值實現。
已進入生產成熟期的技術，其實際效益已得到證明和認可。隨著越來越多的企業機構認為風險已下降至可接受程度，AI技術的采用開始進入快速增長階段（見圖一）。
AI一直是企業、政府和社會討論的熱門話題，企業機構很難分辨哪些AI技術具有真正的業務價值。數據和分析（D&A）領導者需制定具有前瞻性的AI戰略，并充分利用當前可產生重大影響的技術。
合成數據
當今AI發展所面臨的主要問題之一是，為有效訓練AI模型而獲取真實數據并進行標記，會給企業機構帶來沉重的負擔。此舉不但耗時，而且費用高昂，但這一問題可通過合成數據來彌補。另外，合成數據在去除個人身份信息（PII）方面也有至關重要的作用。
因果人工智能
人工智能的最終價值在于提高人類的行動水平。機器學習（ML）方法根據統計關系（相關性）進行預測，無論這些關系是否構成因果關系。當需要更規范地確定哪些最佳行動可促成特定結果時，因果人工智能可發揮至關重要的作用。該方法能夠提高人工智能技術的自主性、可解釋性、穩健性和效率。
決策智能
決策智能是一種實用的技術，旨在準確理解決策流程以及如何根據反饋來評估、管理和改進結果，從而提高決策水平。當前，隨著人工智能技術在決策中的應用日益廣泛，自動決策和增強智能受到熱議，這一趨勢正在將決策智能推向期望膨脹期。近期的危機揭示了業務流程的脆弱性，而在企業機構重構業務流程并增強韌性、適應性和靈活性的過程中，決策智能方法和技術將發揮重要作用。依托多種軟件技術的決策智能市場正快速興起，已開始為決策者提供解決方案。
復合型人工智能
復合型人工智能產生的前提在于，任何一種人工智能方法都不能解決所有問題。目前，復合型人工智能將“連接主義”派別的方法（如機器學習）與“符號主義”等派別的方法（如基于規則的推理、圖分析、基于主體的建模和優化技術等）相結合，旨在減少人工智能解決方案學習時所需的數據和能量，使抽象化機制發揮更大作用。復合型人工智能是推動決策智能市場興起的核心因素。
生成式人工智能
目前對生成式人工智能方法的探索正在升溫，并且開始在生命科學、醫療、制造、材料科學、媒體、娛樂、汽車、航空航天、國防以及能源行業證明自身的價值。生成式人工智能已催生了營銷、設計、建筑和內容領域的創造性工作。技術生成的合成數據可以提高人工智能交付的準確性和速度。生成式人工智能的使用日益普遍，已上市的產品種類越來越豐富，此技術最近被積極應用于元宇宙領域。
基礎模型
基礎模型附帶大量預訓練數據集并可適用于廣泛的用例，是人工智能領域發展過程中的重大進步。與以前的模型相比，基礎模型能更高效地提供更先進的自然語言處理能力。基礎模型已成為自然語言處理領域的首選架構，此架構還可支持計算機視覺、音頻處理、軟件工程、生物化學、金融和法律用例。
