具有竞争力的产品战略的生成 AI

GENERATIVE AI有竞争力的产品战略为战略、治理和 AI 投资提供信息的执行结果 E X E C U T I V E S U M M A R Y本电子书研究了 Geerative AI 如何转移首席数据官 （ CDO ） 和首席数据分析官 （ CDAOS ） 等业务主管的关注点，平衡了建立 AI 推动的竞争优势的机会用例与负责任地运营和扩展 AI 所面临的挑战。它将凯捷研究所的研究结果与最近的独立 Domio Data Lab 报告相结合，以评估生成式 AI 如何重新关注大规模构建和运营 AI 。虽然期望很高 （ 特别是来自生成 AI ） ， 特别是对于产品和服务开发 ， 但对治理 ， 安全性和负责任的 AI 的关注使大多数组织对开源 / 商业的生成 AI 模型进行了微调 ， 而战略则着眼于完全内部大型语言模型 (LLM) 。在内部 ， 生成式 AI 在产品设计和客户体验方面有很有前途的应用AI 开发带来了巨大的挑战。投资承诺不足 - 特别是在资源方面 ， 企业分析领导者需要兑现微调或内部开发的生成 AI 模型的承诺。对人员、流程和技术的投资不足非常普遍。因此 ， 数据科学家缺乏完成工作所需的数据、工具集和基础设施。这导致了人才留住和招聘方面的重大挑战。更重要的是 ， 缺乏适当工具集增加了治理和负责任的人工智能问题的风险和暴露。总之 ， 我们认为 ， 缺乏对有效人员、流程和支持工具 （ 如 AI CoE 和支持混合和多云基础设施的 AI 平台 ） 的紧迫性和承诺的组织可能会落后于市场领导者。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 Capgemini 。保留所有权利。5 个关键发现01020304生成式 AI 加速了 CDO / CDAOs 将重心转向业务价值创造的趋势 ，刺激新的投资水平。治理 ， 负责任的 AI 和安全问题使行业领导者为内部 LLM 微调和开发制定战略。虽然生成型人工智能为产品设计和客户体验带来了巨大的竞争优势 ， 但运营化是困难的 ， 而且管理不善的模型会带来巨大的风险。协作和共享最佳实践的集中式流程的严重短缺 ， 缺乏统一的 AI 平台 （ 支持 AI 基础设施 ， 数据和工具 ） 以及人才瓶颈限制了生成 AI 的转型潜力。05无法构建和运营自己的 AI 模型的公司迅速面临着已经将这些技术集成到产品和服务产品。2 优先考虑使用 AI / ML 推动新业务成果首要任务Top 3新兴不重要8%16%46%30%将生成 AI 集成到未来产品 / 服务开发计划中的当前水平 ²8%3%40%我们已经建立了一个专门的团队和预算来实施我们正在考虑为今年的实施建立一个专门的团队和预算49%我们尚未制定具体的一体化计划我们目前不确定是否或如何将生成 AI 集成到我们的产品 / 服务开发计划中C D O S / C D A O S T U R N T O VA L U E C R E AT I O N GE N E R AT I V E A I I S T H E P AT H76% 的数据科学高管 （ DSE ） “进攻 ” = AI / ML超过 3 / 4 (76%) 的数据科学高管 (DSE) 认为 ， 利用 AI / ML 推动新的业务成果至少是 2023 年的前三名。对于近三分之一 (30%) 的 CDO 和 CDAO 来说 ， 这是他们今年优先考虑的第一。98%40%一些组织表示 ， 生成式人工智能是他们董事会讨论的一个话题。许多组织已经建立了生成人工智能的团队和预算。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 凯捷。所有权利reserved.3 G O V E R N A N CE ， R E S P O N S IBL E A I ， & S E C U R I T Y A R E T O P C O N C E R N S尽管人工智能大肆宣传 ， 但治理仍面临重大挑战58 ％ 的受访者 （ 和 76 ％ 的 C 级 / VP 数据科学高管 ） 将治理视为他们最重要的障碍之一。信任和责任必须建立在 AI 系统中知识产权、偏见、无法解释结果以及从基础数据中继承的风险仍然是人们最关心的问题。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 凯捷。所有权利reserved.4使用 Generative AI 驱动影响的最大挑战是什么 ？Governance负责任的 AIControl技能CostDataOperationalization41%44%48%49%49%51%58%表示以下是实施生成性 AI 的挑战的组织的百分比。用于训练生成性 AI 程序的基础数据缺乏清晰度对生成式 AI 程序是公平的缺乏信心(包括所有人口群体)无法解释生成 AI 算法的结果生成 AI 模型中的偏差会导致令人尴尬的结果客户 / 客户使用36%37%45%51% BR IN G IN G L M MF INE - T UNIN G A NDD E V EL O P M EN T I N - H OU S EAI 监管即将到来 ， 数据监管就在这里2023 年 6 月由欧洲议会批准的《 E. U. AI 法案》将要求生成 AI 工具开发人员提交其系统以供审查 ， 并在商业发布之前发布用于模型训练的受版权保护的数据。,⁶数据隐私法规也重新关注数据驻留 （ 数据在哪里 ？ ） 和数据主权 （ 数据受收集和处理数据的国家的法律监管 ） 。到 2026 年 ， 几乎所有跨国组织都将投资于本地数据处理基础设施和服务 ， 以减轻与数据传输相关的风险。随着组织投资于控制数据 ， 他们还必须专注于控制人工智能 — — 通过开发或微调开源或商业 LLM 本身。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 Capgemini 。保留所有权利。AI 团队需要对负责任的 AI 进行控制平衡采用速度和负责任的 AI 义务突出了定制和控制的重要性在 AI 操作中。在短期内 ， 42% 的受访者计划微调商业和开源的生成 AI 模型。从长远来看 ， 随着他们建立内部战略并获得专业知识 ， 许多人计划从头开始全面开发生成 AI 模型。94%AI 团队认为他们需要增强现成的为他们的用例提供的 Generative AI 产品39%超过三分之一的人说他们计划充分引导他们的努力面向内部开发生成人工智能。5 GE N E R AT I V E A I B E N E F I T S P R O D U C T E S I GN & C U S T O M E R E X P E R I E N C E 。。生成的 AI 收益大于风险74% 的高管认为 ， 生成人工智能带来的好处超过了相关的风险。生成式 AI 的预期优势扩展到产品设计和客户体验。快速移动者已经在获取价值¹⁰甚至在最近的创成式 AI 炒作之前 ， 凯捷研究所就分析了组织在智能产品和服务方面定义明确的愿景和战略所获得的好处 — — 数据驱动、智能、连接产品 (创成式 AI 驱动产品的前身) 。83%83%79%快速移动者看到了一个降低服务成本由于智能产品和服务。快速移动者已经看到改善客户体验。的快速移动者有加速研发改进现有产品和服务。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 凯捷。所有权利reserved.6优先考虑使用 AI / ML 推动新的业务成果生成式 AI 将使设计过程更高效 ，流线型生成型 AI 可以使我们能够创建更易于访问和更具包容性的产品和服务 ， 为更广泛的具有不同需求和偏好的客户生成型 AI 可以使我们创造更多的互动和参与为我们的客户体验生成 AI 可用于通过提供自动化和个性化支持生成 AI 可以改善内部运营并增强设施维护65%67%71%76%78% ... E V E N T H O U GH I N -H O U S E A I D E V E L O P M E N T BR 在 G S CH A L L E N G E S技术不足以及数据和 AI 模型管理不善会带来风险 ， 阻碍产品和服务创新。巨大的损失等待着治理不善的模型¹¹CDO 和 CDAO 关注许多风险 ， 但模型治理 （ 即推动产品创新的模型 ） 是一个重大的金钱问题。当今庞大且快速发展的监管格局 ， 加上许多企业数据科学计划的高风险 ， 意味着缺乏值得信赖的 AI 可能会使公司损失数千万。44%87%CDO 和 CDAO 认为 ， 如果不能正确管理他们的 AI / ML 应用程序 ， 将给他们的公司带来 5000 万美元或更多的损失。预计他们的公司至少亏损 1000 万美元 ， 没有人预测亏损低于 100 万美元。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 Capgemini 。保留所有权利。计划卡在飞行员或 PoC 阶段¹²协作、技能、数据和与技术相关的挑战阻碍了智能产品和服务的进步。7%13%31%48%确定某些应用领域 / 用例为至少一个产品 / 业务线实施已识别用例的概念试点 / 证明为至少一个产品 / 服务 / 业务线部分扩展已识别的用例为至少一个产品 / 服务 / 业务线完全扩展已识别的用例7 % 受访者表示以下是挑战不同的组织职能 （ 包括研发 ， 生产 ， 销售等 ） 在筒仓中工作不存在负责为整个组织规划智能产品和服务的单一部门 / 单位生产和设计团队中缺乏敏捷文化16%46%30%... A N D C R I T I C A L S H O R TA GE S P L A G U E A I I N NO VAT I I ON缺乏集中化合作、技能、数据和与技术相关的挑战阻碍了进展。缺乏过程CDAO 寻找统一的 MLOps 平台流程以提供自动化治理功能 ， 以及提高 AI 生产力的工具。人才瓶颈团队需要使用最好的工具来完成工作 ， 而不是他们必须得到的工具 ： 99% 的数据高管也同意 ， 不向人才提供他们首选的工具会对雇佣、留住和 / 或提高数据科学人才的能力产生负面影响。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 凯捷。所有权利reserved.8法规遵从性、安全性和生产力也是流程需求的主导更大的法规遵从性改善数据隐私和 / 或安全性更高水平的数据科学人才保留提高数据科学生产力更多和 / 或更快的创新来自数据科学支持的更直接的业务影响8%8%8%16%46%30%数据科学家的聘用和保留受工具选择的影响1% 有点不同意45 ％ 强烈同意54 ％ 有点同意 L O O K I N G A H E A D ： K E E P I N G U P W I T H C O M P E TI T O R 'S D E LI V E R Y无法利用 AI / ML 或数据科学模型交付产品的公司迅速面临存在的竞争威胁生成 AI 的承诺让高管进入冲刺阶段 ， 在他们自己的数据上使用新的高级算法。98 ％ 的 CDO 和 CDAO 认为 ， 将 AI 和 ML 解决方案最快推向市场的公司将在即将到来的经济不确定性中生存和发展。具有竞争力的产品战略的 GENERATIVE AI I 版权所有 © 2023 凯捷。所有权利reserved.9领导者将有关产品 ， 使用和客户行为的数据整合到持续的产品改进中。71%领导者使用现场数据进行软件更新和未来的产品迭代68%领导者利用产品使用和性能数据来提高产品质量59%领导者使用产品使用和性能数据来创建新产品 / 服务 A D D ITI O N A LI ON 时 I N F 或 M引文1.Domino 数据实验室和 Wakefield Research ， 打造成功的 AI 进攻 - ML 推动收入引擎的 C 级战略 ， 2023 年 5 月2.凯捷研究所 ， 组织中的生成 AI 报告 ， 2023 年 4