在 AI 驱动的未来中找到自己的位置

核心观点与关键数据

对生成式AI的热情与不确定性并存
84%的受访者相信AI能提高效率，72%认为其能创造新商业机会，但77%认为AI存在许多未被发现的应用场景，68%担忧AI可能带来意外变化。73%受访者将快速信息汇总视为关键工作需求，其中97%认为生成式AI是最佳工具，但仅63%认为AI与其关键工作要求相关且知道供应商，46%已实施相关技术。

部署滞后源于信息空白
59%受访者所在行业缺乏生成式AI的通用定义，50%能识别提供新产品想法工具的供应商，但仅28%已实施。阻碍部署的首要因素是难以确定技术与其业务的相关性（47%）、缺乏领导层愿景（45%）及成本投资模糊性（43%），而非技术限制（如数据不足）。

信任专家与同行经验高于供应商
87%受访者首选行业专家获取信息，其次是已测试过技术的同行（85%）。52%依赖第三方商业解决方案，45%考虑合作开发或内部开发。企业最需要的是应用场景识别（42%）和成本风险预测（38%）的专业知识，而非基础技术能力（如数据质量）。

研究结论

生成式AI的采用受限于对成本、风险和适用场景的不确定性。企业更倾向于从实际案例和专家经验中学习，而非抽象概念。通过提供行业相关的成功案例、明确成本风险管理路径，以及建立专家网络支持，可加速企业部署生成式AI并降低失败风险。企业应优先寻求能提供战略规划和应用场景识别的专业指导，而非单纯的技术解决方案。