Under 2020-talets första år har data varit något av en strategisk råvara för företag. Under de kommande tre åren kan det istället att bli något helt annat: en resurs som i allt högre grad hanteras, tolkas och styrs av AI-agenter.
Mellan 2026 och 2028 kommer AI inte bara att effektivisera analysarbetet. AI kommer att bryta isär dataekosystem, utmana etablerade aktörer som Databricks, Snowflake och dbt Labs, och samtidigt tvinga fram en omdefiniering av roller som t.ex. analytics engineer, BI-analytiker och data engineer.
En strukturell förändring.
Från dataverktyg till AI-styrda system
Den moderna datastacken as we know it – lager, pipelines, transformationslager, BI och governance – har under 2010-talet vuxit till ett komplext ekosystem av specialiserade verktyg. Men just denna fragmentering är också en av dess största svagheter.
AI-bolag som Anthropic, OpenAI och Google bygger inte nästa dbt eller nästa Snowflake. De bygger system som kan göra stora delar av dessa verktyg överflödiga, genom att flytta arbetet från kod och konfiguration till intention, policy och naturligt språk.
Utvecklingen skulle kunna se ut så här de kommande tre åren:
2026: AI börjar blir gränssnittet till data
År 2026 blir agentisk AI – autonoma system som kan planera, utföra och korrigera komplexa uppgifter – vardag i större organisationer.
Dataplattformar som Snowflake och Databricks integrerar AI så djupt att användare allt oftare pratar med sitt data istället för att skriva SQL. Transformationer, backfills och enklare modeller genereras automatiskt. Kanske upp till hälften av det traditionella dbt-arbetet försvinner som manuellt hantverk.
Analytics engineers är fortfarande centrala, men rollen börjar förskjutas från producent till granskare. Frågan blir inte längre hur något byggs, utan om det är korrekt.
Samtidigt inleds en betydande konsolidering. Företag vill inte längre underhålla 10–15 dataverktyg. Plattformar som inte kan bära AI, governance och analys i ett sammanhang börjar tappa relevans.
2027: När AI ersätter delar av datastacken
År 2027 når utvecklingen en ny potentiellt kritisk punkt. Många agentiska AI-projekt misslyckas. Kostnader, styrning och otydligt värdeskapande leder till att kanske hälften läggs ner. Men de som överlever gör avgörande saker helt rätt.
De ersätter hela kategorier av dataverktyg.
Ingestion, transformation och orkestrering hanteras i allt högre grad av AI-agenter som tolkar affärsintentioner i naturligt språk. Skillnaden mellan ETL, semantiskt lager och BI suddas ut. För slutanvändaren finns bara en fråga: Vad vill jag veta, eller göra?
Här börjar pressen kännas på allvar:
- BI-verktyg tappar sin roll när insikter genereras automatiskt.
- Verktyg som dbt fokuserar snarare på att bli semantisk standard eller blir reducerade till ett arv från SQL-eran.
- Warehouset blir motor för agentiska flöden
- Governance-verktyg ersätts gradvis av AI-inbyggda policies, käll- och åtkomstkontroll.
Dataplattformar växer inte längre genom fler funktioner – utan riskerar istället att ersättas av AI som löser problemen mer flexibelt.
2028: Autonoma dataflöden och ett nytt maktcentrum
År 2028 har AI blivit den primära operatören av data i många organisationer. Upp till en tredjedel av all företagsmjukvara innehåller agentisk AI, och runt 15 procent av vardagliga affärsbeslut fattas helt autonomt.
Dashboards är undantag, inte norm. Orkestreringsverktyg ersätts av självstyrande arbetsflöden. Datahantering handlar mindre om teknik – och mer om förtroende, policy och ansvar.
Det är också här makten förskjuts.
AI-bolag som Anthropic och OpenAI kontrollerar inte nödvändigtvis all data. Men de kontrollerar hur data förstås, används och omsätts i handling. I praktiken kan de stå för 20–30 procent av företagskritiska arbetsflöden, utan att äga ett enda datalager.
Vinnare, förlorare – och de som måste förändras:
Vinnare:
- AI-bolag med starka agentplattformar och governance-fokus
- Dataplattformar som accepterar att bli AI-värdar snarare än centrum
- Produktchefer som kan definiera vad AI får – och inte får – besluta
- Data-savy personer som förstår domän, affär och vilket värde de agentiska systemen kan skapa
Förlorare:
- BI-verktyg byggda för dashboards
- Smala ETL- och orkestreringsverktyg
- Roller som reduceras till ”SQL-produktion”
- Data- och BI-analytiker som främst bygger dashboards
De som står inför ett vägval:
- Analytics engineers
- Data engineers
- Data scientists
Deras framtid avgörs inte av hur bra de kodar, utan av hur väl de kan lära AI vad som är rätt, rimligt och affärskritiskt.
Beslut är numera flaskhalsen, inte datat i sig
Spaningen 2026–2028 pekar mot en tydlig slutsats: data som teknikproblem håller på att försvinna. Kvar finns istället ett ledarskapsproblem.
Organisationer som vinner är inte de med flest dashboards eller mest avancerade pipelines, utan de som vågar låta AI ta över det operativa, samtidigt som människor behåller ansvaret för mål, värderingar och konsekvenser.
Datastacken dör inte. Men den slutar vara mänsklig.