2024年生成式人工智能市场现状

生成式人工智能市场现状 3 引言 17 企业采购 17 购买人工智能实施服务 19 购买人工智能工具或平台时的关键考虑因素 4 市场现状 21 数据很重要21 个支持生成式 AI 的数据平台 23 数据治理与数据工程 5市场份额数据 6主要应用场景：现在与未来8下一步是什么 910从试点到量产的困境转型软件开发 25 企业生成式AI的风险 26 AI合规：全球视角 27 AI治理的新前沿 29 生成式AI的伦理方法 11GenAI实施路线图 12 对业务和 IT 的影响 在生成式人工智能时代实现差异化。 13 商业领域的生成式人工智能 14 IT领域的生成式人工智能——AI落地区16 IT领域的生成式人工智能——AIOps 32关键贡献者 引言 自生成式人工智能（GenAI）强势崛起并改变技术格局已近两年，目前已有两件事变得清晰。首先，GenAI将显著影响并转型每一个行业——这只是一个时间问题。其次，我们仍处于采纳的早期阶段，在此次转型过程中驾驭GenAI的力量仍面临重大挑战。尽管明显存在大量炒作，但同时也显而易见，这将真正驱动剧变，为每一家企业带来机遇与风险。在很多方面，这类似于20世纪90年代末互联网尚处萌芽阶段，需要大量淘洗与成长。这份2024年GenAI市场状况报告将引导您和您的企业了解塑造格局的关键主题与发展趋势，突出在成功驾驭这项关键新技术过程中所取得的成就与面临的障碍。 从自然语言处理和图像合成到自动代码生成，企业在将GenAI解决方案集成到其现有工作流程、确保数据质量以及管理这些技术相关成本方面面临挑战。 企业必须对 GenAI 项目抱有对潜在风险的现实认识，投资必要的专业知识和基础设施，以负责任地实现其益处。 为帮助解决成本问题，在我们《生成式人工智能买家指南》中评估的大多数软件供应商已实施某种形式成本控制，并且多数已告知我们该领域的进一步计划。 将你的问题摆在桌面上，当你坐下来阅读这份报告时。在GenAI领域，实际正在发生什么——除了炒作之外？哪些类型的应用场景正在产生影响？我们应该自建还是购买？哪个关键风险存在于我们的盲区中？并且如果每个人都能保持与采用的步伐一致，那么实现差异化是否甚至可能？ GenAI的快速普及也使其他新的挑战凸显出来。企业在团队内部招聘或培养所需的AI技能方面正面临极大困难。数据隐私、算法公平性以及潜在滥用等担忧日益突出，催生了对健全治理框架和明确道德准则的需求。许多企业发现自己缺乏应对这些复杂性的能力，从而面临未预期的后果和负面影响。通过承认并应对这些挑战，企业可以在不断变化的环境中做出更明智的决策，推动有意义的进步。 本报告旨在成为您在未来六个月进行人工智能规划与评估过程中的关键资源。您可以通篇阅读，或直接跳至最关心的部分。如有未解答的问题？希望验证您的下一步计划？ GenAI市场最显著的趋势之一是GenAI模型的日益复杂化和易用性。虽然深度学习算法和计算资源的进步使这些模型能够更好地理解和生成跨多个领域的复杂内容，但现实情况是，有效利用这些能力远非易事。 市场现状 市场份额数据 对生成式人工智能计划的支出将增加50%与2024年相比，在2025年。 企业预计将在2025年从其当前的生成式人工智能倡议中捕获到可观的预期投资回报份额。您是如何比较的？ 4.3%：2024年IT支出将集中在生成式人工智能上，而企业预计其将会增长到 6.5%到2025年底。 主要应用场景：现在与未来 我们的ISG GenAI用例研究于2024年8月开展，重点关注全球2000强公司迄今为止已投资哪些用例，以及哪些用例获得了最多资金支持。尽管GenAI用例涵盖广泛的业务领域，但前五个获得最多资金支持领域中，有三个专注于客户服务中心、效率提升和内容生成。 当前获得最多资金的应用场景旨在提高效率和盈利能力，而非收入。并且，人工智能工具持续主要部署在需要“人在回路中”（HITL）来中间处理和验证输出结果，然后再交付给客户的过程中。 当前投资的实践成果是提升了质量（例如，对客户咨询的更好回应、更优化的流程管理），并在一定程度上提高了效率（缩短响应时间、加快解决方案）。但只要用例旨在增强人类能力，人类操作流程的能力最终将成为限制人工智能工具和流程规模化程度的因素。 随着通用人工智能（GenAI）能力和应用场景的发展，企业和其通用人工智能计划面临两大需求： 1. 能够在不受HITL流程约束的情况下运行GenAI，使企业可以开始实现非线性的可扩展回报。 对质量改进和HITL流程的关注表明，企业目前正以一种相当稳妥、限制责任的方式来应对生成式人工智能。在这些使用案例中，AI结果会在被信任之前进行审查，目的是随着时间的推移提高输出的质量。鉴于对AI幻觉以及许多大型AI训练集相关的模糊知识产权限制的担忧，这种保守的方法对于短期使用案例来说是合理的。 2. 从侧重于质量和效率提升的投资转向侧重于增长和新产品的投资。 此时，我们预计企业将继续在HITL用例中多样化GenAI的使用，并拥抱包含效率提升的AI驱动服务。 在长期来看，企业需要持续关注技术进步，并在开始尝试更大规模和投资回报率的应用案例之前，为自己获得对相关风险更好的理解。 接下来是什么？ 鉴于以往研究已强调收入增长作为企业采用AI的首要目标的重要性，未来的高价值应用场景将不包括HITL（Human-in-the-Loop，人工参与流程）过程，以便企业能够实现更具戏剧性的规模化。我们预测AI的采用将经历两波浪潮： 1Wave1:2024年的主要用例仍将在2025年驱动显著价值。这些是与客户中心和客户体验相关的HTIL流程，其中通用人工智能（GenAI）提供实时输入以推动更快的解决方案和更准确的方案。通用人工智能仍受限于客户中心的容量或客户服务代理的能力。 2Wave2:2025年新兴的应用案例将主要集中于增强专业知识。支持合规、预测、市场研究、供应链规划和软件开发等领域都是其中人类专业知识——而非人类时间——可能成为限制因素的范围。 从试点到量产的困境 将通用人工智能（GenAI）从试点项目扩展到全面的生产部署对企业而言仍充满挑战。目前，无论是企业还是软件或服务提供商，都未能建立起从初始试点用例到大规模、生产就绪型工作负载的可重复、可靠的路径。由此产生的市场缺乏成功案例的证据，导致企业仍犹豫不决，不愿投入可能需要在最初阶段产生这些成果的水平。因此，我们目前仍未看到足以驱动市场连锁反应的价值创造规模。 明确定义业务目标。合作可以减少在不受欢迎的项目上浪费内部力量的风险，提供获取专业知识的机会以提高获得积极成果的可能性，并允许企业利用其内部可能不具备的前沿工具、框架和技术。 其能力大致与整个市场同步。这描述了您的企业运营方式吗？ 这表明，在等待并观察戏剧性成果的证据时，企业将受益于战略性地与能够针对特定、明确的挑战展示可靠成果的软件和服务提供商建立合作关系。 企业表达了强烈使用并从AI中获益的愿望，但他们希望获得显著的、大规模的胜利，而不是众多微小的胜利。尽管试点项目取得了 promising results（有前景的结果），但这些努力的大小通常相对于企业目标仍然边缘化。企业更愿意识别一条清晰的路径，该路径能够带来实质性的物质收益，而不是成功的创新项目。 现实是，传统的IT组织并不总是与AI能够呈现的下一代机遇保持一致。平均而言，IT组织倾向于成为“技术快速跟随者”，并且通常在新的 转型软件开发 在客户服务领域之外增长最快的用例很可能就是企业一直在寻找的杀手级应用：人工智能在软件开发中的应用。 总体而言，通用人工智能通过自动化预测洞察、促进稳健且抗误差的编码实践、以及提升软件质量和安全性，实现了高达30–42%的显著生产力提升。 IT部门正开始利用生成式人工智能（GenAI）的力量来简化运营、增强创新并优化IT基础设施中的工作流程。因此，软件开发正成为生成式人工智能的一个主要应用领域，推动了显著效益并革新了IT部门的工作方式。70%的受访者报告称使用ChatGPT进行软件开发活动，其中33%使用GitHub CoPilot。 在与GenAI的软件开发过程中，您应该正在实现的重大益处 将生成式人工智能集成到软件开发过程中，可以显著提升生产力、效率和品质。人工智能驱动的分析简化了利益相关者访谈和需求收集，而自动化工具改进了系统架构和用户界面的设计。人工智能助手支持代码生成和错误修复，减少了人工工作并提高了整体代码质量。人工智能可以生成和执行软件测试用例，并改进回归测试。此外，人工智能工具优化了部署流程，并主动管理系统维护，减少错误和停机时间。 持续改进 全面测试 2 AI 工具执行编码标准和最佳实践，确保一致性并减少错误的可能性。 AI系统从历史数据中学习并持续优化流程，从而在质量和效率方面实现持续改进。 AI驱动的代码审查和测试在开发生命周期早期识别潜在问题，防止缺陷进展到后期阶段。 自动化和人工智能驱动的测试涵盖了更广泛场景和用例，确保在部署前对软件进行更彻底的验证。 GenAI实施路线图 对业务和IT的双重影响 GenAI资金是如何被使用的？ GenAI正在哪些领域产生影响？ 25%Personnel(incl. contractors and staff augmentation) 36%应用/软件(incl. software as a service) 18%外包(管理服务) 21%基础设施：(e.g., storage and compute) GenAI for the Business 各行业的企业软件供应商正在通过整合生成式人工智能（GenAI）功能迅速增强其核心功能。虽然某些功能已经可用，但产品路线图表明，在接下来18个月内，生成式人工智能的整合将显著加速。某些生成式人工智能功能将免费提供，但其他功能则需要额外投资，使产品供应商能够将人工智能赋能的应用程序作为客户的可消耗选项进行创建和维护。 挑战，例如缺乏人工智能专业知识，以及需要制定一个具有凝聚力的、全公司范围内的人工智能实施愿景。 平均而言，企业已实施 人工智能的优势可以针对特定领域需求进行调整。例如，在客户体验（CX）方面，人工智能大规模提升客户洞察力，将自助式聊天机器人进行转型，并增强代理人实时服务客户的能力。在金融和会计领域，人工智能改进流程，如基于预测分析的预测、错误检测以及至关重要的月末结账周期。同时，人力资本管理（HCM）通过提升员工自助服务、入职培训和能力评估受益于人工智能。在收入管理方面，人工智能提升预测、实时监控、规划和优化。 151基于生成式人工智能的应用。而且，他们估计它将增长到 我们衡量到，企业愿意在广泛的业务应用中，人均支出增加6%–9%用于AI功能。 356 截至2025年底的生成式人工智能应用。 在GenAI投资规划过程中，企业不得忽视其第三方供应商的发展路线图。忽视这些供应商的计划可能导致重复投资和资源配置效率低下。在考虑供应商计划后，企业可以制定自身的动态AI策略，明确界定内部开发区域与使用第三方应用程序或服务提供商的区域。 这些进步解决了企业在制定其人工智能战略方面面临的紧迫问题。通过利用人工智能（AI）和生成式人工智能（GenAI），软件开发者旨在帮助用户更快速、更智能、更经济、更安全地工作。人工智能赋能的应用程序特别针对企业 GenAI for IT – AI Landing Zones 公共云服务提供商已投入数十亿美元进行资本投资，以应对大规模人工智能的采用，并且由于易用性，在公共云中部署人工智能基础设施已成为概念验证（POCs）的首选方案。最近，私有云提供商和专业的AI云提供商正进入市场，为企业提供更多关于额外安全性或性能的选择。 许多企业在寻求大规模应用人工智能时，难以理解为其自身AI用例提供动力的基础设施需求，而这些用例将驱动AI价值的绝大部分。当前全球计算资源的供应正试