2024年在AI竞赛中把控自身节奏

在AI竞赛中把控自身节奏：2024年IT Symposium/Xpo峰会主旨演讲洞察 2024年10月21日-ID G00822215-阅读全文约需27分钟作者：分析师Mary Mesaglio, Hung LeHong核心议题：CIO创新领导力 CIO们正引领企业投身一场AI竞赛，致力于在确保安全的前提下，更高效地部署AI技术。本报告基于2024年IT Symposium/Xpo峰会主旨演讲的关键洞察，帮助您在AI竞赛中为企业精准定位战略，以便您能够为组织实现理想的业务、技术和行为成果。 概述 主要结论 人工智能（AI）的不断发展和数据来源的持续增加，要求首席信息官（CIO）必须提供安全的AI成果。您需根据企业战略目标，在“稳健模式”或“加速模式”中选择适当路径，高效推进下列成果的实现： ■业务成果：利用AI提升员工生产力，优化业务流程，并以合理的成本实现对商业模式的颠覆性改进。 ■技术成果：确保企业数据安全和AI治理能力，同时保持足够的技术灵活性以抓住新机遇。■行为影响：在AI重塑员工任务、角色和生活的过程中，通过积极引导和精细管理，最大化AI对员工的正向影响。 建议 ■实现业务成果：通过找到企业的核心生产力领域，确保生成式AI（GenAI）在提升员工生产力方面发挥最大效益。更成熟的企业应将目标扩展到生产力之外，推动创收等更高层次的业务成果。 ■应对AI成本波动：深入了解AI部署成本。更成熟的企业应制定概念验证方案预测成本增长趋势，并实时监控AI成本动态。■实现技术成果：利用AI技术框架整合数据与AI资源，并融入信任、风险与安全管理（TRiSM）实践。更成熟的企业应通过TRiSM技术实现AI政策的机制化。■管理行为成果：通过明确责任分工，与员工共同设计适配AI部署的新角色。更成熟的企业应将行为学专家纳入团队，特别是在尝试代理型AI时。 战略规划假设 预计到2026年，超过80%的独立软件供应商将在企业应用中嵌入生成式AI功能，而2024年这一比例还不足5%。 介绍 AI领域的两场竞赛已然展开。 第一场竞赛中，科技供应商争相推出创新产品，市场充斥着被过度营销的嵌入式AI技术。平均每2.5天便有一个新的生成式AI前沿模型问世。1 作为CIO，您无需参与供应商间的技术竞赛，也无需追逐每项最新的AI技术以抢占先机。但您正身处另一场至关重要的竞赛：以安全为前提，实现规模化的AI成果交付。 这场AI转型竞赛至关重要，因为CEO们对AI的战略价值寄予厚望。根据Gartner于2024年中期发布的《CEO与高级业务主管调研》，74%的CEO认为AI是对其行业影响最大的技术。这一比例较2024年初的59%和2023年的21%有显著提升。2 而CEO们主要依赖CIO推动AI战略成果。Gartner2024年AI调研显示，57%的CIO被明确指定为企业AI战略的领导者。3 然而，CIO们也深刻体会到推进AI部署的挑战：47%的受访CIO表示，目前的AI投资未能实现预期回报。3尽管AI被寄予提升生产力和业务效益的厚望，但实际成果往往低于预期，甚至可能引发重大风险及不可预测的成本增长，以及造成员工行为变化，从而对企业产生负面影响。 根据Gartner新兴技术成熟度曲线，生成式AI正处于“期望膨胀期”，并将很快滑入“泡沫破裂低谷期”（详见《2024年新兴技术成熟度曲线》）。 作为CIO，您既要应对AI供应商的持续宣传，又需直面成果交付的艰难现实。这种双重压力可能让您游走于希望的“高峰”和考验的“低谷”之间。 无论您是否明确负责企业AI战略的实施，您都需要全力推动三类关键成果的实现： ■业务成果■技术成果■行为影响 幸运的是，您可以主导参与这场AI竞赛的节奏。本研究分析了CIO可以选择的两种推进策略： ■AI稳健模式。此模式适合目标相对保守且尚未受到AI颠覆性影响的企业。对于公共部门、受严格监管的行业，以及资源有限的中小型企业，这种注重风险规避、稳步推进的节奏尤为契合。 ■AI加速模式。此模式适用于拥有宏大AI战略或处于行业颠覆前沿的大型企业或创新型公司，特别是致力于通过AI获取竞争优势的机构，通常选择这种加速节奏以迅速抢占先机。 让我们探讨如何根据您的AI战略，助力企业实现理想的业务、技术与行为成果。 作为CIO，您正带领企业参与一场AI竞赛。无论选择何种部署模式，您都必须确保交付相应的业务、技术成果和行为影响，以推动企业未来发展。 分析 实现AI战略的业务成果 您可以根据企业的AI战略目标选择更为适合的部署模式： ■如果您的目标是利用GenAI提升员工个人生产力，可以选择AI稳健模式。■如果您的目标不止于提升个人生产力，而是优化整个企业的业务成果，则应选择AI加速模式。 利用GenAI，最大化提升员工生产力（AI稳健模式） 通过GenAI提高员工生产力并非易事。Gartner2024年《GenAI对数字工作场所的影响》调研结果显示，98%的技术领导者表示员工渴望尝试使用GenAI工具，但72%的员工发现难以将其融入日常工作。4 为智能化提升员工生产力，需鼓励员工持续采用GenAI工具。Gartner《2024年数字员工调研》结果显示，每周至少使用一次AI工具的员工平均每周可节省3.6小时的工作时间。5 并非所有员工都能均等地从GenAI工具中获益。AI对生产力的提升取决于职能的复杂性及员工的经验水平（详见《谁能从GenAI中获益最多？》）。 对于低复杂性角色，GenAI的价值在于帮助经验不足的员工提升生产力。例如，针对呼叫中心的客服岗位，经验较少的员工对常规任务的熟练度较低，可通过GenAI显著提升效率。相比之下，经验丰富的员工已掌握任务细节，因而受益有限。 对于高复杂性角色，GenAI的核心作用是为经验丰富的员工增强能力。如资深软件工程师和律师等职业，其清晰的专业判断力使他们能够高效评估和验证GenAI的输出，从而显著提升生产力。相比之下，经验较少的员工由于尚未建立成熟的判断标准，受益相对有限。 通过识别企业的核心生产力领域——即GenAI能带来最大收益的领域， 您可精准部署GenAI，最大化其业务影响（见图1）。 核心生产力矩阵 像管理投资组合一样管理GenAI的多重价值（AI加速模式） 如果采纳AI加速模式，CIO需要利用GenAI推动多重收益的实现，除生产力提升外，还包括新增收入、降低损失、优化客户体验以及增强业务可持续性。 Gartner 2024年AI技术调研显示，CIO们为企业制定的GenAI应用项目聚焦以下三类业务成果： 1.个人生产力提升（占比50%）：例如，通过GenAI生产力工具赋能员工，实现效率突破。2.运营与流程优化（占比30%）：例如，推进关键业务流程自动化，或重新设计岗位以支持人智协同。3.业务层面的变革性创新（占比20%）：例如，开拓全新收入来源，或重新定义企业的核心价值主张。3 为实现上述目标，您需要像管理投资组合一样管理GenAI应用项目。让部分项目专注于提升员工能力，部分用于提高传统投资回报率，例如围绕GenAI重新设计业务流程。剩余项目则应以GenAI为核心，推动业务模式创新。 在此过程中，您应合理分配各类目标的投资比例，并平衡整个投资组合的风险与回报。 应对AI成本波动 由于GenAI部署成本波动性较大，非常容易失控。Gartner预计，如果未能准确评估GenAI部署成本，您的预算可能会出现高达5倍到10倍的误差（详见Gartner工具包：《AI与GenAI成本计算器》）。 Gartner专家认为，短期内AI成本可能造成与AI幻觉或安全漏洞同样显著的风险。 CIO们已经在AI领域投入大量资金。据Gartner2023年企业AI趋势调研，该财年，已部署GenAI的企业仅在概念验证阶段的平均支出就高达230万美元；其中，小型企业平均支出为30万美元，而大型跨国企业则为290万美元。6 而部署成本还将持续上升。目前，技术供应商的产品定价已最高上涨30%。7Gartner预计，到2027年，由于GenAI产品定价和打包方式的变化，大多数企业应用的成本将至少增加40%。 无论您选择何种AI部署节奏，必须全面了解AI部署成本及其构成，主动寻求成本优化策略，并通过与供应商的谈判有效控制支出（参见《通过价格谈判避免AI与GenAI成本飙升》）。 如果您选择AI加速模式，需持续监控成本，并深入了解不同的定价模型。例如，使用API结合自有Web前端，可能比购买打包的GenAI产品更具有成本效益。 为充分挖掘潜在收益并有效管理成本，应通过概念验证评估成本增加的风险。仅证明技术可行且员工接受度高尚不足够，您还需通过概念验证评估AI工具的实际价值，权衡收益与成本增长之间的平衡。 实现AI战略技术成果 作为CIO，您需构建支持AI部署的技术基础设施，以有效控制成本并推动业务价值的实现。然而，由于AI和数据在企业中的广泛应用，它们不再仅仅是IT部门集中管理的资产，这使得实现技术成果的复杂性显著增加。 AI和数据现已深度渗透到企业的各个层面，因而您需要转变管理思路以有效管理这些资产。 充分挖掘多元化数据资源 GenAI能够从各类结构化和非结构化数据中提取价值。 对于拥有数据湖和集中式结构化数据的企业，GenAI可以直接从这些数据源中挖掘深刻洞察。然而，非结构化数据（如电子邮件、录音、演示文稿等）同样能通过GenAI释放新价值，而这类数据占企业整体数据的70%-90%，因而蕴藏着巨大的机遇。8 尽管潜力巨大，GenAI也带来了新的挑战。特别是GenAI模型可访问各类数据，包括敏感信息和个人可识别信息。无论选择何种AI部署模式，安全高效地管理非结构化数据的访问权限，始终是核心任务之一。 尽管GenAI有望减少传统的数据移动、转换和结构化需求，CIO仍需确保高效整合结构化与非结构化数据，构建统一的数据管道和编排流程（参见《指南：通过数据AI就绪实现AI战略目标》）。 Allstate好事达保险：利用无处不在的数据驱动创新解决方案 当车祸发生时，您会立即联系保险公司，通过电话或应用程序描述事故，提供照片、视频及警方报告等信息。 过去，Allstate技术解决方案将这些数据迁移、清理、标注并结构化，为机器学习模型提供数据基础，从而确保事故准确分类，迅速处理理赔。 Allstate如今采取了截然不同的方法。Allstate执行副总裁兼CIO Zulfi Jeevanjee表示，他们选择将数据保留在源头——即原始数据所在的位置。公司利用GenAI直接对通话记录、照片等非结构化数据进行解析，并将其与结构化的保单数据结合，完成事故的自动分类。 为提高准确性，员工也积极参与其中，通过向GenAI提问，深入挖掘数据中的关键信息，类似于向客户询问事故细节。 通过这种方式，Allstate不仅实现了原地管理非结构化数据的能力，还将GenAI解析的数据与结构化数据相结合，获得深入洞察与精准分析。 利用无处不在的智能 我们已从AI稀缺的时代迅速转向AI过剩的时代，AI模型和应用已广泛渗透各行各业。 根据Gartner2024年AI趋势调研，CIO们表示他们部署的AI能力主要分布于以下三大类：9 ■嵌入式AI（43%）：由软件供应商为企业应用程序集成的AI功能。嵌入式AI是AI功能中规模最大、增长最快的类型。Gartner预测到2026年，超过80%的独立软件供应商将在其企业应用中嵌入GenAI功能，而2024年这一比例尚不足5%。 ■企业自建AI（35%）：企业内部软件工程和数据与分析（D&A）团队构建的集中式AI功能。■部门自备AI（BYOAI，22%）：企业各部门采购并部署的AI软件与功能。 作为CIO，您需要采纳多层次的技术架构，以有效支持集中式和分散式的AI管理。 您仍需依赖IT及数据与分析团队提供的集中式数据和AI基础设施，即经典的“自下而上”技术栈。然而，随着需求变化，您还需构建一个顶层