人工智能随着DeepSeek等模型的出现，成本似乎将下降，用例实现商业可行性，并在2025年左右导致企业中人工智能代理的大量扩张。调查发现约20%的AI用例正在实现所有商业目标，超过30%的用例正处于实现这些目标的边缘。受访者来自美国、欧洲、澳大利亚和新西兰的3,798位高级管理人员，其公司年收入均超过10亿美元。
AI用例部署阶段和可行性
- 19%的人工智能项目实现了大部分或所有目标，32%的项目部分成功，表明约50%的项目产生积极影响。
- IT相关用例（运营、网络安全、软件开发）更有可能产生积极成果，而以人为焦点的用例（市场营销、客户服务、销售、劳动力）不太可能成功，但随着投资增加，成功率会提高。
- 成功的AI用例通常需要更多投资，并要求在组织的运作模式和数据架构上进行更多转型，但许多基于机会的用例随着AI成本降低将出现更多。
AI用例可行性分析
- IT应用场景主导，选择率和可行性均很高，其中网络安全（弹性监控）可行性最高（1.30）。
- 白领行业和高度技术化产业（如专业服务和生命科学）的可行性得分高于其他行业。
- 成功的AI用例通常需要更多转型，且这些用例往往是其业务的核心部分，如保险索赔处理、能源交易、消费品新产品上市执行、汽车导航系统和车队管理等。
- 成本较低的成熟功能用例（如IT运维、软件开发、聊天机器人等）也具有较高可行性。
代理型人工智能和劳动力准备情况
- 代理型人工智能（多个小型AI代理协同工作）是最常见的AI应用场景，可行性评分高达1.16。
- 劳动力准备度对AI成功至关重要，分为观察者、探险者和开拓者三类：
- 观察者对员工AI参与度最低，AI成功率和接受度评分最低。
- 探险者已采取初步措施支持员工，但仍需完成AI人力资源准备。
- 开拓者提供强力培训，建立反馈循环，员工积极参与AI应用，AI成功率和接受度评分最高。
- 探险者和探路者在AI成果方面表现优于观察者，表明开始但未完成AI人力资源准备的公司可能会阻碍AI成果。
AI转型和五步建议
- AI转型需要转变运营模式、数据架构，并吸引员工参与。
- 五步建议：
- 探索代理人工智能以促进企业转型。
- 通过使用人工智能铸造厂和人工智能工厂进行创新。
- 为人工智能的最好结果做好准备，培训您的员工。
- 以产品为中心，追求速度、敏捷性和自主性。
- 建立一个集中式人工智能特别任务小组。
以产品为中心的运营模式
- 产品为中心的模型使AI开发民主化并实现模块化，员工负责自己的成功，并快速且负责任地行动。
- 产品负责人领导的产品和平台团队采用敏捷方法进行工作，确保员工了解如何获取并试验AI。
负责任的人工智能治理
- 负责任的AI原则包括监管合规性、可解释性、可靠性、公平、安全、隐私安全、可持续性等。
- 建立集中式负责任AI任务小组，以确保伦理不被商业需求所掩盖，并降低AI带来的风险。
