已进入生产成熟期的技术，其实际效益已得到证明和认可。随着越来越多的企业机构认为风险已下降至可接受程度，AI技术的采用开始进入快速增长阶段（见图一）。
AI一直是企业、政府和社会讨论的热门话题，企业机构很难分辨哪些AI技术具有真正的业务价值。数据和分析（D&A）领导者需制定具有前瞻性的AI战略，并充分利用当前可产生重大影响的技术。
图一、2022年人工智能技术成熟度曲线
合成数据
当今AI发展所面临的主要问题之一是，为有效训练AI模型而获取真实数据并进行标记，会给企业机构带来沉重的负担。此举不但耗时，而且费用高昂，但这一问题可通过合成数据来弥补。另外，合成数据在去除个人身份信息（PII）方面也有至关重要的作用。
因果人工智能
人工智能的最终价值在于提高人类的行动水平。机器学习（ML）方法根据统计关系（相关性）进行预测，无论这些关系是否构成因果关系。当需要更规范地确定哪些最佳行动可促成特定结果时，因果人工智能可发挥至关重要的作用。该方法能够提高人工智能技术的自主性、可解释性、稳健性和效率。
决策智能
决策智能是一种实用的技术，旨在准确理解决策流程以及如何根据反馈来评估、管理和改进结果，从而提高决策水平。当前，随着人工智能技术在决策中的应用日益广泛，自动决策和增强智能受到热议，这一趋势正在将决策智能推向期望膨胀期。近期的危机揭示了业务流程的脆弱性，而在企业机构重构业务流程并增强韧性、适应性和灵活性的过程中，决策智能方法和技术将发挥重要作用。依托多种软件技术的决策智能市场正快速兴起，已开始为决策者提供解决方案。
复合型人工智能
复合型人工智能产生的前提在于，任何一种人工智能方法都不能解决所有问题。目前，复合型人工智能将“连接主义”派别的方法（如机器学习）与“符号主义”等派别的方法（如基于规则的推理、图分析、基于主体的建模和优化技术等）相结合，旨在减少人工智能解决方案学习时所需的数据和能量，使抽象化机制发挥更大作用。复合型人工智能是推动决策智能市场兴起的核心因素。
生成式人工智能
目前对生成式人工智能方法的探索正在升温，并且开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天、国防以及能源行业证明自身的价值。生成式人工智能已催生了营销、设计、建筑和内容领域的创造性工作。技术生成的合成数据可以提高人工智能交付的准确性和速度。生成式人工智能的使用日益普遍，已上市的产品种类越来越丰富，此技术最近被积极应用于元宇宙领域。
基础模型
基础模型附带大量预训练数据集并可适用于广泛的用例，是人工智能领域发展过程中的重大进步。与以前的模型相比，基础模型能更高效地提供更先进的自然语言处理能力。基础模型已成为自然语言处理领域的首选架构，此架构还可支持计算机视觉、音频处理、软件工程、生物化学、金融和法律用例。
