致力于推動技術進步、造福人類的全球最大專業技術組織IEEE，今日發布《2026年及未來技術影響：IEEE全球研究》（The Impact of Technology in 2026 and Beyond: an IEEE Global Study）的調查結果。這項調查覆蓋了來自中國、巴西、印度、日本、英國和美國的全球技術領導者，內容包括2026年將受到AI影響最大的技術領域，對AI市場增長、益處、使用和技能的預期，以及未來科技發展趨勢。

欲了解關于此研究和2026年及未來技術影響的更多信息，請訪問：https://transmitter.ieee.org/iot-2026。

代理式AI的使用率不斷增長，將推動對更多數據分析師的需求

代理式AI（Agentic AI）就像一個智能助手，在接到任務后可獨立工作，但其工作成果仍需人工復核。這種技術的采用率正在上升，且全球絕大多數技術專家（96%）認為，代理式AI的創新、探索和應用將在2026年以閃電般的速度繼續推進，因為無論是成熟企業還是初創公司都在加大對該技術的投資和投入。

然而，代理式AI的崛起不會局限于商業領域。受訪者預測，該技術將于2026年在消費者中因以下用途實現普及或接近普及的采用率：

• 個人助理/日程安排/家庭日歷管理：52%
• 數據隱私管理：45%
• 健康監測：41%
• 瑣事和家務自動化（如日常采購）：41%
• 新聞與信息策展/聚合（news and information curator）：36%

此外，91%的受訪者認為，2026年，代理式AI在分析大規模數據方面的使用將進一步增加，這將帶來一輪數據分析師人才的招聘熱潮，以滿足對結果準確性、透明度和漏洞方面的分析需求。調查顯示，對于2026年計劃招聘的AI相關職位，技術專家們最希望候選人具備的技能包括：

• AI倫理實踐技能：44%（較上一年增長9%）
• 數據分析技能：38%（較上一年增長4%）
• 機器學習技能：34%（較上一年增長6%）
• 數據建模技能（包括數據處理）：32%（與上一年持平）
• 軟件開發技能：32%（較上一年下降8%）

與人形機器人共事；以及AI對其他技術領域的影響

大多數技術專家（77%）認為，人形機器人（Humanoid robots）帶來的新奇感可以為工作場所帶來樂趣，但隨著時間推移，它們將成為相對日常的存在，只不過是有電路的普通同事。

超過半數（52%）的技術專家認為，機器人技術也是2026年將受AI影響最大的領域。同時，2026年將受AI影響的其他領域包括：擴展現實（XR，含AR/VR/MR，即增強現實、虛擬現實和混合現實，36%），以及自動駕駛技術（35%）。另外，預計明年將因為AI而經歷最大變革的前幾個行業依次是：軟件（52%）、銀行與金融服務（42%）、醫療保健（37%），以及汽車和交通運輸（32%）。

政策與治理將由“誰開發了AI”所決定

AI應如何使用、何時使用，其相關政策與治理取決于AI的開發方式。當被問及哪一項表述最能描述其組織對于AI產品——公司自主研發或由第三方開發——的使用立場時，大多數技術領導者選擇了以下選項：

• 全速前進：AI將在整個組織內得到整合，我們的使用政策將與政府法規（已經存在或將出臺）保持一致。（公司自研AI時，選擇此項的受訪者占比49%；第三方開發AI時，則為40%）
• 人人遵守規則：我們將發布明確政策，并說明如何使用、何時使用AI。（公司自研AI時為26%；第三方開發AI時為33%）

受訪的技術專家認為，到2026年，其所在組織在生成式AI采用方面的進展將顯著提升：

• 定期使用，但有選擇性：生成式AI將繼續在特定領域成為我們日常工作的一部分，并帶來價值（39%的受訪者，較上一年增長20%）
• 快速整合，期望獲得業績成果：AI將繼續整合到我們的所有業務運營中。我們已經看到了可衡量的業績成果，預計將繼續增長（35%）

受訪的技術領導者預計2026年，排名靠前的AI應用領域包括：

• 實時網絡安全漏洞識別和攻擊防御：47%（較上一年下降1%）
• 輔助和/或加速軟件開發：39%（較上一年增長4%）
• 提高供應鏈和倉儲自動化效率：35%（較上一年增長2%）
• 客戶服務自動化：32%（較上一年增長4%）
• 為教育活動提供支持，例如定制化學習、智能輔導系統、大學聊天機器人：29%（較上一年下降10%）
• 加速疾病溯源和藥物研發：23%（較上一年下降3%）
• 公用事業電源自動化和/或穩定化：22%（較上一年下降3%）

超過半數的受訪者（51%）預測，到2026年，全球經濟中將有26%至50%的工作崗位通過AI軟件得到增強。另外，不到三分之一（30%）表示該比例將達到51%至75%，而16%的受訪者預計這一比例將為1%至25%，僅有4%的受訪者預計此比例將為76%至100%。近一半的技術專家（49%）認為，需要5到7年才能建成能夠滿足不斷增長的AI開發和市場需求所需的全球數據中心基礎設施。三分之一的受訪者認為這一進展會更快，將在3到4年內實現，而10%的人則認為至少需要8到10年或更長時間。