数据科学领域正经历深刻变革，一方面，生成式AI和大型语言模型（LLM）开始渗透到核心工作流中，从假设生成到分析自动化；另一方面，工具链的整合与角色定位的变化引发行业反思。
- 近期主要进展包括：
- LLM辅助研究假设生成：一项新研究提出DN-Hypo-Pipeline，利用LLM和科学解释自动生成可验证的研究假设，展示了AI在数据科学早期探索阶段的潜力（DN-Hypo-Pipeline：用LLM和科学解释自动生成研究假设）。
- 开发工具整合：JetBrains宣布弃用独立的数据科学IDE DataSpell，将其功能合并至PyCharm Pro，反映出数据科学工具向统一平台的趋势（JetBrains 弃用独立版 DataSpell，九月迁移至 PyCharm Pro）。
- 云环境管理简化：Gemini API推出Managed Agents，允许一键调用沙盒Linux环境，降低了数据科学实验的运维门槛（Gemini API 推出 Managed Agents：一键调用沙盒 Linux 环境）。
当前焦点集中在AI对数据科学家角色的冲击：一篇评论指出，大约50%的AI分析存在错误，数据科学家需要更谨慎地验证AI输出，同时学会将重复性工作交给机器，专注于更高层次的业务理解与模型解释（AI 正在改变数据科学家的角色：50% 的 AI 分析是错的）。未来值得观察：LLM驱动的自动化能否显著提升研究效率，以及工具整合是否会重塑数据科学家的日常技能要求。