事實上，最近復興的AI很大程度上是大數據的產物。深度學習(最近備受關註的AI領域)背後的算法基本上誕生於幾十年前，但直到它可以廉價快速地應用於大規模數據時，才顯示出巨大的潛力。AI與大數據的關系如此密切，以至於現在業內專家都認為AI已經“厭煩地愛上了大數據”。
但反過來，人工智能現在正在幫助大數據實現後者的承諾。分析對AI/機器學習越來越多的關註，也符合大數據下壹步的進化趨勢:現在我擁有了所有的數據，但我能從中獲得哪些洞察？當然，這個事情可以由數據科學家來解決。從壹開始，他們的作用就是實現機器學習，否則就得拿出模型來發現數據的意義。然而，機器智能正逐漸扮演數據科學家的輔助角色——只有通過轉儲數據，新興產品才能提取數學公式(如ContextRelevant)或自動建立和推薦可能返回良好結果的數據科學模型(如DataRobot)。壹批新的AI公司提供的產品可以自動識別像圖像這樣的復雜實體(如Clarifai和Dextro)，或者提供強大的預測分析(如HyperScience)。
同時，隨著基於無監督學習的產品的傳播和完善，看看他們和數據科學家之間的關系如何演變將會非常有趣——他們未來是敵人還是朋友？當然，AI不會很快取代數據科學家的職位，但有望看到數據科學家通常執行的更簡單的任務越來越自動化，這可以大大提高生產力。
但無論如何，AI/機器學習絕不是大數據分析中值得關註的趨勢。大數據BI平臺的普遍成熟及其日益增強的實時能力也是壹個令人振奮的趨勢(如SiSense、ArcadiaData等。).