在 AI 驱动的未来占据一席之地

在AI驱动的未来占据一席之地 发掘AI在企业中的潜能 GLG格理集团专家团成员 目录 摘要. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1研究简介. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2研究洞见. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4结论. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 摘要 近年来，市场对生成式AI技术的关注度不断提高，这也给业务和IT负责人带来了压力，如何评估这一变革性的技术是否有助于提高企业的效率和生产力，成为迫在眉睫的挑战。然而，由于缺乏必要的关键信息，这些负责人无法决定以何种方式和程度采用生成式AI和其他AI技术。本项调研对象为在AI方面具有决策权和影响力的商业领袖。结果显示，企业在踏上采用生成式AI的路途中，依旧存在诸多阻碍，例如：无法确定投入成本与预期产出，或所需技能；在不同的行业环境中，AI到底能发挥什么作用，应该发挥什么作用。这些根本性的困惑亟待解答。“ 商业领袖想要了解如何确保与同行和供应商围绕生成式AI同频交流，如何确定最相关的应用案例，以及如何确保技术的成功部署并减少相关风险。” 调研结果表明，商业领袖们迫切希望向行业专家和同行学习部署生成式AI技术的实操经验，并借鉴与实际需求高度相关的参考案例。通过学习该领域早期实践者的经验，商业领袖们能够形成清晰的认知，自信地在企业内部和面向外部用户的应用中部署该项技术。 研究简介 GLG格理集团致力于打造全球专业知识共享平台。凭借由超过100万名专家组成的全球专家网络及每天数千名的新入驻专家，GLG汇聚全球各细分领域的一手专业洞见，助力卓越决策。2024年下半年，GLG面向美国和加拿大的201名高管开展了一项线上调研，这些商业领袖在其企业中对AI投资具有决策权和很大的影响力。 研究结果显示，大多数受访者： •对生成式AI充满热情，并希望发掘该技术的更多全新应用场景案例•认为其行业在生成式AI的定义、用途和价值主张方面缺乏共识•不确定从何处获得有关部署生成式AI的关键建议（例如：所需的成本和投资），这使得他们对采用这项技术心存疑虑，举步踌躇•在进行投资规划时，最倾向于相信具有实际经验的行业专家和同行的建议，而不是供应商的建议 以下数据显示了受访者的资历级别、职位及其所在公司的年收入和所属行业。 研究洞见 对AI技术十分青睐 尽管调研发现，很多有关AI技术的问题尚无明确的答案，但受访者一致乐观地认为AI技术可以应对关键业务需求，有84%的受访者表示他们相信AI有助于提高效率，72%的受访者认为AI会创造新的商机。这表明，如果填补了关键信息缺口，AI技术的采用率可能会更高。 对AI的观点 占受访者总数的百分比 73%的受访者认为，快速归纳信息是其工作职能的关键需求之一 AI可能有助于应对关键工作需求 业务和IT负责人青睐AI技术的原因之一，可能是他们认为AI技术是应对一些关键工作需求的最佳解决方案。在调研中，我们要求受访者列出常见业务活动，并确定这些活动是否代表了其工作的关键部分。某些任务被受访者普遍 认为是其关键工作所需的组成部分，例如：快速归纳信息(73%)、贡献创意(65%）、预测结果(63%)、工具使用的便捷化(59%)以及决策自动化(58%）。 受访者被要求回答：AI是否被认为是合适的工具，用于完成工作中的重要任务？是否是最佳选择？受访者反馈结果显示，受访者强烈认同生成式AI提供快速归纳信息的解决方案。在将快速概括信息视为核心业务需求的受访者中，有97%的受访者认为生成式AI是合适的工具，87%的受访者表示它是理想工具。大多数受访者列出了关键工作需求，这意味着，AI可以作为加速器，对企业的一些高频基础任务发挥重要作用。 与此同时，受访者认为，针对一些特定的需求，生成式AI在合适工具还是理想工具之间，存在较大差距。例如，针对贡献创意这一关键业务需求，有83%的受访者认为生成式AI是适合的工具，但仅有36%的受访者认为它是理想之选。类似的差距也存在于以下这类应用场景中：便捷化要求专业技能的工具或软件的使用，以及在工作流程中实现自动化的决策。这些差距可能反映了以下情况：要实现上述目的，市场上已有的成熟技术具备更大的吸引力；或者说，目前还没有优化的模型或应用可用来展示生成式AI有能力应对这些需求。IT决策者通常会借鉴同行经验和行业成功案例，以评估新兴技术是否适合某一特定应用场景。企业可能需要更多的证据来确信生成式AI可以应对这类需求。 关键工作职能需求 占受访者总数的百分比（总人数=201） 针对不同的工作职能需求，对AI相关陈述的认同度 在认为该需求属于工作职能关键需求的受访者中所占百分比 针对不同的工作职能需求，对以下AI相关陈述的认同度 在认为该需求属于工作职能关键需求的受访者中所占百分比 关于AI，潜力未知，风险亦然 调研发现，受访者普遍看好生成式AI的前景，并且认为AI将带来更多未知的益处。77%的受访者认为AI还有许多应用场景尚待发掘，这意味着，许多企业不确定生成式AI可以多大程度或规模化地在企业中有效部署。受访者还指出，他们不确定采用生成型AI会带来何种风险：68%的受访者认为AI会带来意想不到的变化，57%的受访者担心AI伴随难以预料的新风险。即使企业愿意积极探索AI的可能性，巨大的不确定性可能导致企业难以获得所需预算、无法提供足够资源，甚至可能导致进行中的项目受阻。在这些领域寻求专家指导或借鉴同行的成功经验，可以增加明确性，从而减少阻碍，加快企业采用AI技术的步伐。 对AI的看法 占受访者总数的百分比 机会了然，部署落后 大量研究结果表明：对如何有效部署生成式AI或预测成本和风险的不确定性，大大延缓了企业采用生成式AI的进程。如上所述，许多受访者认为，AI是应对多种关键工作需求的理想工具；但当被问及他们在多大程度上应用了该技术，以及是否清楚哪些供应商能够帮助他们进行相应部署时，回答显著减少。在认为AI有助于完成其工作的关键需求的受访者中，只有63%的受访者知道可能帮助部署该技术的供应商有哪些，而只有46%的受访者已经部署了相应的解决方案。据观察，这种差距的大小随应用场景的变化而变化：例如，针对通过自然语言界面访问知识库这种需求，84%的受访者表示，他们能够找到部署相应生成式AI工具的供应商，67%的受访者表示他们已经进行了部署；而针对贡献新产品创意的这种需求，只有50%的受访者表示他们能找到相应供应商，只有28%的受访者进行了部署。这些差异表明，关于生成式AI的公开讨论仅限于少数常见应用场景，这使得那些希望将该技术应用于应对更专业的任务或细分行业特定需求的商业领袖，对该技术的前景以及可能面对的阻碍缺乏清晰的认识。 针对不同的工作职能需求，对以下AI相关陈述的认同度 在认为该需求属于工作职能关键需求的受访者中所占百分比 针对不同的工作职能需求，对以下AI相关陈述的认同度 在认为该需求属于工作职能关键需求的受访者中所占百分比 风险未知，阻碍部署 87%的受访者认为生成式AI是快速归纳信息的最佳工具 部署任何新兴技术都会引发一系列的疑问：如何降低潜在风险、预测成本和资源需求？如何应对新的安全考虑因素？当被问及是否能够获取所需的资讯以应对与AI相关的风险时，大多数受访者表示，他们在安全性、部 署成本、输出可靠性，以及减少与模型和训练数据相关的偏差方面缺乏足够的洞见。如果这些问题得不到解答，那么业务和IT负责人在为业务应用场景争取批准，或在获取内部支持以推进试点或部署方面，将面临重重困难。 虽然关于生成式AI的讨论常常聚焦于技术障碍（例如，训练数据的可用性和质量，或特定模型的性能等），调研结果表明，关键业务因素的不确定性是采用生成式AI的更大障碍。当被问及哪些因素对企业部署生成式AI技术的意愿影响重大，受访者指出，与缺乏数据等技术因素相比，难以确定哪些技术与其特定业务需求相关、领导层缺乏愿景、以及不清楚所需的成本和投资，这些因素的影响更为显著。当我们要求受访者具体说明这些造成阻碍的影响因素，他们指出以下问题：无法预测或量化潜在的负面影响，以及不确定如何获取解决这些问题的专业知识和所需资源。 阻碍投资的因素 占受访者总数的百分比 部署面临挑战，亟需相关支持 52%的受访者使用第三方供应商提供的生成式AI商业技术解决方案 在被问及关于具体的生成型AI投资计划时，受访者表示，他们高度依赖第三方供应商提供的生成式AI技术，52%的受访者依赖商业解决方案，45%的受访者考虑与合作伙伴共同开发解决方案或进行内部开发。出现如此反馈的部分原因，可能是训练全新生成式AI模 型的成本高昂，结合其他调研的结果，这也表明，企业通过与供应商合作，来减少不确定性，并简化采用该技术的路径。对于生成式AI的不确定性，其中最明显的信号之一是，59%的受访者表示其行业内不存在通用的生成式AI定义，这意味着，在该领域尚未建立一致的应用场景和最佳实践。 生成式AI的业界通用定义 占受访者总数的百分比（总人数=201） 未来三年的预期投资 占受访者总数的百分比（总人数=201） 成功部署AI的关键因素日渐明朗 尽管就最佳实践尚未达成明确共识，有些开始部署AI解决方案的企业发现，特定类型的资源对于成果落实部署至关重要。最常见的需求之一，就是明确技术应用的专业知识，这包括：识别可通过生成式AI有效解决问题的专业知识(47%)和识别生成式AI应用场景的专业知识(42%)，对于这些问题和应用场景识别的专业知识要求，远远超过用于训练模型所需的高质量的数据等基本技术层面的需求。“ 与特定的技术能力相比，企业更看重分配资源和规划部署方面的战略洞见。” 企业寻求行业专家和案例研究 为了填补知识空白，企业最有可能通过案例研究(78%)或由拥有完整项目经验的专业人士主导的讲座或论坛(78%)来获得帮助，这表明，企业渴望从实际经验中借鉴实操，而非充实概念或假设性的知识内容。 当被问及最信任的相关信息来源，受访者对行业专家的评分最高(87%)，其次是已经尝试过该技术的同行(85%)。 关于生成式AI的信息渠道 占受访者总数的百分比（总人数=201） 成功部署生成式AI需要具备的基本特征 占受访者总数的百分比 结论 这项针对企业AI技术相关决策拥有影响力的负责人与领袖的GLG调研揭示了理想和现实之间的沟壑：尽管企业对新兴的生成式AI技术充满热情，但缺乏以供汲取经验的实践案例，因而无法确定如何实现该技术的价值。有意愿在生成式AI技术方面投资的企业，可能会因缺乏与其行业和应用场景相关的实际案例而踌躇不前，也可能会在缺乏明确价值路径的情况下贸然前行。更清楚地了解如何管理与生成式AI相关的成本和风险，将有助于提高企业采纳该技术的速度，降低部署失败或成本超支的风险，并提升企业开发全新应用场景的信心。借鉴生成式AI技术领域的专家或同行的成功经验，可为企业在预算、团队及客户方面做出最佳决策保驾护航。 感兴趣获取完整版调研报告？联系GLG格理集团更多丰富内容，关注GLG格理集团官方微信