数据驱动的创新回顾第9波

Wave 9 浏览这本杂志中那些静止的数据和AI领域的图像，我被提醒着看到一个微妙而平衡的未来。那种静止中存在着一种脆弱的美，但其下却蕴含着巨大的能量和潜力。这些图像深刻地反映了我们当前所处的状态——站在即将发生非凡变革的边缘，但需要谨慎思考和负责任地进行导航。 前言这一期的数据驱动创新审查探讨了生成式AI、数据平台及其他新兴技术的力量——这些技术有可能变革行业、优化流程并开辟新的增长途径。但我们同样面临一个深刻的挑战：我们如何利用这种力量而不使其超越使我们的创新成为可能的系统？尽管我们对AI能够做到的事情感到兴奋，但不应忽视其带来的财务和环境成本。 到了 2025 年 ， 在这些看似竞争的力量之间取得平衡比以往任何时候都更为重要。 读者将在本版中发现许多权衡之处。例如，将生成式AI的“直觉”与知识图谱的上下文“象征性”力量相结合，同时深入探讨数据和AI如何促进海洋的繁荣“蓝色经济”，同时保护和改善海洋生命。此外，生成式AI对生命科学的影响也不容忽视：它正在改变药物发现和临床试验，同时也促使我们考虑这种技术扩展时的环境和伦理影响。最后，数据专业人士面临着如何在整个解决方案生命周期中利用AI和自动化，同时重新发现人类专家在这个新定义循环中的角色这一挑战。 在探索未来的过程中，让我们继续传承平衡与关怀的精神，正如Frozen Spheres 在冬日景色中平静地 resting。祝新的一年充满深思熟虑的创新、道德的进步和可持续性。愿2025年为您带来成功、灵感以及在您所从事的一切工作中找到意义和目的。 Capgemini 洞察和数据首席执行官 它是我们这一版的核心内容之一，某种意义上，它就像一张宽幅全景照片，展示了当前我们在数据方面所处的位置以及当展望近未来时，哪些话题最受关注。显然，生成式AI依然保持着很大的热情——不仅在日益增长的日常使用者社区中，也在大多数企业的董事会会议室里。但正如我们在2024年年中已经看到的那样，企业规模的真实性和现实性已经到来，越来越多的力量平衡开始出现，如实际业务价值和收益、AI计算成本、可持续性影响、法律和监管问题、可管理性以及对AI整体的信心水平。这一版中将探讨许多这些权衡取舍的问题，当然还包括关于生成式AI之后的内容——显然，这看起来“自主”的趋势正在显现。这是否意味着当今的一切都围绕着生成式AI？当然不是。这一版还给予了大量关注数据平台及其架构。 罗恩 · 托利多Capgemini 洞察和数据首席技术官 当然，这显然是2025年还将有更多的发展迹象。届时，如往常一样，技术和可持续性仍然有一席之地，这体现在我们新推出的全球数据科学挑战赛——此次与UNESCO合作举办——以及与《开放组》的海蒂·卡尔松共同撰写的一篇关于数据和AI在蓝色经济中的作用的文章。 每期数据驱动创新评论都是对我们而言特别的存在。它总能激发我们发挥创新能力，探讨引人深思的数据和AI话题，联系公司内外的合适人选，并在此过程中引发一系列新颖前瞻的活动。 后者的话题也在我们新推出的一系列播客中有所覆盖，作为这份杂志的补充。数据驱动的创新 jams 以其独特的方式探讨数据、分析、AI 及其相关领域的全新启发性主题。与我的共同主持人 Robert Engels 一起，我拥有某种（尽管有些晦涩）音乐背景，并试图将摇滚、灵魂、流行和爵士元素融入与外部嘉宾的讨论之中。结合共同主持人 Feng Weiwei的特别 AI 神话破除能力，我们或许能为你带来一些有趣的内容。你可以尝试一下。https: / / 尽管如此 ， 这 9th在2025年即将开始之际发布的这一版，更加特殊。这是许多企业在回顾过去一年的同时，更是展望并制定新一年愿景、视角和计划的重要时刻。而今年，无疑将会是一个非凡的一年。无论我们称之为“摆动的钟摆”还是持续的微妙平衡（或者两者兼有），2025可能将成为一个不同且过渡性的一年——无论是从地缘政治、经济、文化、环境、技术，甚至是社会整体的角度来看。简单地说，“不可预测”似乎不足以描述即将到来的动荡与变化的复杂性。 在您首选的播客频道上 ：www. capgemini. com / insights / research - l ibrary / data - powered - innovation - jam - podcast /. 非常感谢这个版本的所有贡献者 ， 特别提到我们的外部贡献者开放小组,AWSandUNESCO. 它可能只是锤子和钉子的问题，但我们确信，在任何情境下，数据、分析和人工智能都将是关键因素。即使预测的准确性似乎比以往任何时候都低，这也未能阻止七位数据驱动创新领域的领先者在2025年发布他们的预测。 享受这一第9版——不仅是对今天的快照，而超过了一瞥未来，也希望它能为你自己的下一个重大想法在2025年提供一定的启示。 06AI 的绿色平衡法案导航创新和环境影响Capgemini 的 Christopher Scheefer 10创建相关数据对话框语义互操作的艺术蒂姆 · 安斯坦 ， 凯捷 14数据结构解锁所有数据的超级大国凯捷尼 Sjoukje Zaal 18DataGPT利用 Gen AI 的力量改变整个数据生命周期Sudarshan Sahu, Capgemini 22Grade - AI 生成用生成 AI 革新教育Daniel K ü hlwein 博士 ， Capgemini Mike Miller ， AWS Gwang - Chol Chang ， 联合国教科文组织 26Gen AI 可提高架构效率增强架构生命周期Bala Natarajan, Capgemini Bikash Dash, Capgemini 生命科学中的 Gen AI30现实世界的应用推动了生命科学整个价值链的转型Capgemini Parvin Moyassari Mulder 和 Scully 用于预防欺诈34整合 AI 能力Joakim Nilsson, Capgemini Johan M ü llern -Aspegren, Capgemini 包容性电流38 用 AI 引领蓝色经济Heidi Karlsson, The Open Group Arne Rossmann, Capgemini 提高对 AI 的信心42 信任和验证框架的重要性Juhi Bharadwaj, Capgemini Munmun Dwibedi, Capgemini 组合数据网格和生成 AI46 利用强大的数据掌握组合Pankaja VL, Capgemini Jyoti Bharambe, Capgemini autogen 框架50 个使用生成的多代理 AI 增强呼叫中心Pranav Kumar, Capgemini Shubham Pandey, Capgemini 通过平台解锁创新54工程通往数据网格和 AI 卓越的黄金之路Arne Rossmann, Capgemini 释放神经符号 AI 的魔力58 神经网络和符号推理结合在一起Yashowardhan Sowale, Capgemini Nidhi Agrawal, Capgemini 2025 年的七项预测62 数据、分析和人工智能领域的热点七位领先的创新推动者和振动台 ， 凯捷 Christopher Scheefer 面向数据和 AI 、洞察和数据的集团可持续发展加速器负责人 ， 凯捷 AI 的绿色平衡法案导航创新和环境影响 生成式AI有潜力转变各行各业并推动增长，但这一创新伴随着环境成本。企业必须采取一种兼顾负责任和可持续性的方法。“可持续的设计 ” 利用人工智能生成技术的强大潜力同时不牺牲地球，通过平衡生成式AI的巨大潜力与环境影响，组织可以塑造一个目标导向、可持续的未来。 Capgemini 的举措：Capgemini 的“可持续设计”框架是组织如何平衡通用人工智能经济利益与环境成本之间关系的一个典型案例。通过与超大规模企业、客户和学术机构的合作，Capgemini 共同创造解决方案，以最小化人工智能的碳足迹、减少能源消耗，并解锁如循环经济产品设计和资源效率等新的可持续性创新。 生成式人工智能（Gen AI）已成为一种革命性的力量，能够重塑行业、创造新的收入流并优化流程。据capgemini研究机构报告，利用的价值 ， 全球 80% 的组织 Gen AI 增加了2024年对通用人工智能（Gen AI）的投 资，相比前一年有所增加，其中80%的企业增加了投资，而剩余的20%企业维持了原有投资水平。虽然通用人工智能（Gen AI）前景广阔，over 全球 GDP 增长 7 万亿美元在下一个十年中，这一创新背后存在一个阴暗面 可持续 Gen AI 的最佳实践 ：其使用过程中的显著能源消耗和环境成本。随着通用人工智能（Gen AI）的发展势头增强，理解其巨大的潜在价值与其环境足迹之间的平衡变得至关重要。 考虑可持续性的架构师：为了减轻生成式AI对环境的影响，公司应在一开始就优先考虑能效设计。通过专注于模型效率并最小化计算浪费，他们可以减少训练和推理所需的能量。 生成式人工智能对企业的影响是不可争议的。根据一项研究，已经利用它的组织平均实现了15.8%的收入增长。， 使其成为至关重要的2023 年 Gartner 调查 利用AI推动可持续发展努力：通用人工智能也可以加速各行业的可持续倡议。它帮助公司跟踪ESG指标、优化供应链并减少资源消耗。例如，AI可以助力循环经济设计，减少浪费并最小化制造过程对环境的影响。 工具以促进未来增长。然而，环境影响正变得日 益紧迫。像GPT-4o这样的通用人工智能模型需要大量的能源进行训练、定制和运行，导致碳排放量增加。例如，单次查询ChatGPT所需的电力是传统Google搜索的六到十倍。这种规模的消耗迫切需要可持续的解决方案。 拥抱道德且负责任的人工智能：组织必须确保通用人工智能（Gen AI）的使用是道德的。这包括解决人工智能模型中的偏见、保证决策过程的透明度以及维持公平性。负责任的人工智能设计将在使通用人工智能与社会目标一致方面发挥关键作用，包括减少不平等和增强劳动力多样性。 要利用生成式AI的变革力量并应对这些挑战，公司必须采用“设计即可持续”的方法，强调能源效率、资源优化和AI技术的道德使用。 科技公司采取行动 通过采用负责任的设计可持续框架，组织可以在人工智能的巨大经济潜力与其对地球的影响之间找到平衡。 碳管理在科技巨头中的应用：像微软和谷歌这样的主要科技公司一直在通用人工智能（Gen AI）创新前沿。然而，它们也面临着碳排放的挑战。微软致力于减少其碳足迹是一个组织如何负责任地处理AI的例子。微软总裁布拉德·史密斯表示，他公司的目标是中和另一方面,对环境的影响谷歌的温室气体排放增加 48从 2019 年到 2023 年 ， 强调需要百分比平衡创新。 随着企业越来越多地采用通用人工智能（Gen AI），可持续实践的重要性变得愈发关键。到2027年，人工智能预计耗电量将显著增加，届时AI的能耗预计将达 ，是当前的四倍。4.2 至 66 亿立方米的水 到丹麦全年用水量的六倍。预计数据中心的电力 消耗也将大幅增加，全球增量排放的社会成本也随之上升。 预计将达到 125 美元by 2030.10 亿至 1400 亿美元 市场竞争格局正在演变，公司们寻求可持续解决方案以平衡不断增长的AI服务需求与自身环境影响之间的关系。空间内的领导者，如凯捷（Capgemini），正与超大规模云提供商和AI领导者合作，采用可再生能源、优化AI模型以提高能效，并建立防护措施以最大限度地减少环境和伦理风险。 生成AI的迅速扩张既带来了机遇也带来了挑战。尽管技术提供了前所未有的潜力来推动创新和收入增长，其环境成本也不能忽视。企业必须采取全面的方法，将可持续性融入AI模型的设计和运营中。通过采用负责任且设计即可持续的框架，组织可