Artykuł przedstawia analityczne ujęcie roli sztucznej inteligencji w ewolucji przetwarzania danych. Pokazuje przejście od klasycznych hurtowni danych i jezior danych do architektury lakehouse, a także wzrost znaczenia podejść takich jak Data Mesh i Data Fabric. Omówiono, w jaki sposób sztuczna inteligencja przestaje być wyłącznie odbiorcą danych, a staje się elementem samej infrastruktury danych, wspierając optymalizację silników bazodanowych, estymację kardynalności, uczone modele kosztów, wyszukiwanie wektorowe, architektury RAG oraz interfejsy Text-to-SQL. Przeanalizowano również rozwój zapytań hybrydowych, relacyjnego osadzenia inferencji dużych modeli językowych oraz przesuwanie części obliczeń do środowisk ograniczonych, takich jak Edge AI, TinyML i systemy orbitalne. Artykuł uwzględnia ponadto aspekty prawne, etyczne i środowiskowe, w szczególności znaczenie AI Act, GDPR oraz ram zarządzania ryzykiem. Wnioskiem z analizy jest to, że rozwój architektur danych i sztucznej inteligencji zmierza jednocześnie ku większej autonomii, większej integracji i większej odpowiedzialności, a dojrzałość przyszłych systemów będzie zależała od połączenia efektywności technicznej z wymaganiami zgodności, bezpieczeństwa i zrównoważenia.Słowa kluczowe: sztuczna inteligencja, przetwarzanie danych, lakehouse, bazy wektorowe, RAG