BPI网络报告：通往通用人工智能竞争优势 - 您的数据是否准备好解锁通用人工智能的商业价值?

您的数据是否已准备好释放生成式AI的商业价值？ BPI网络报告 前言 生成式人工智能的快速发展正在重塑行业，不仅承诺增量效率提升，更预示着竞争优势的显著转变。然而，释放生成式人工智能的全部潜力并非理所当然——这需要以充分准备的高质量数据为基础。缺乏这些数据，即便是最复杂的AI模型也将受挫，产生不可靠的洞察，引入合规风险，并最终使雄心勃勃的倡议偏离轨道。 研究结果令人瞩目：尽管79%的企业领导者认为生成式人工智能将在未来18个月内带来竞争优势，但60%的人承认他们对组织的数据人工智能准备状态缺乏信心。这个雄心与执行之间的差距正是真正的竞争优势所在。 在EncompaaS，我们真正热衷于利用数据准备工作来推进人工智能计划。自生成式人工智能（GenAI）诞生以来，我们一直专业地准备非结构化数据，以合规地加速生成式人工智能的成功。 严峻的现实：许多生成式人工智能项目正在失败。为什么？根据高德纳（Gartner）的数据，未能通过人工智能就绪的数据实践来赋能和支持其人工智能用例的组织，其人工智能项目失败率超过60%。这一挑战是可预防的，但前提是组织必须对其数据采取主动、战略性的方法。发现、分类、丰富和保障数据不仅仅是IT部门的职责——这是一项商业的强制性要求。没有人工智能就绪的数据，即使是最有前景的生成式人工智能用例也难以实现价值。 我邀请您探索这份报告，获取宝贵见解，并确定您的组织是否正走在GenAI 领导力之路——或者面临落后的风险。 敬上 我们最新研究，由商业绩效创新（BPI）网络和增长官委员会共同开展，探讨了组织的数据是否真正准备好释放生成式AI的下一代商业价值。它重点关注四大关键支柱：数据质量、准确性及可靠性、安全与隐私，以及成本与投资回报率。 Jesse Todd首席执行官 EncompaaS 目录 专家见解 GenAI Readiness 4引言6执行摘要9里程碑式的业务价值飞跃11解锁生成式AI的挑战13实现人工智能就绪的数据质量15答案是否准确且可靠？17日益增长的安防与隐私威胁19成本与投资回报：一个不断变化的目标21突破点：地区，B2B-B2C/混合，规模27前景如何？29结论 30EncompaaS: David Gould33StarCIO: Isaac Sacolick35AVOA：Tim Crawford37Pegasystems: Don Schuerman39NSW Department of Planning, Industry and Environment: Peter Bowen (formerly) 引言 在平等、复杂性和不可预测性世界中，商业领袖和董事会不断寻求竞争优势和增长，这仍然是他们的主要议程。 在贸易逆风、地缘政治分歧、监管限制、成本上升、数字颠覆、网络威胁和互联客户赋权的世界中，通用人工智能（GenAI）既承诺救赎也承诺持续创新。 本研究聚焦于如何通过恰当的准备、激活、编程和处理，使生成式人工智能（GenAI）塑造、影响并影响数据用于竞争优势的方式。我们对170多名企业决策者的调查深入探讨了商业模式差异和区域地理差异。 最值得注意的是，BPI网络和增长官委员会与EncompaaS合作，旨在帮助公司： •在新兴量子计算时代，保障和保护品牌、知识产权和数据资产。 •精简繁琐流程，以提高运营效率和敏捷性。 •缓解风险、威胁和责任，同时确保更高的合规性和问责制。 •识别新的客户细分和收入及利润机会。 •在运营价值链上变得更加熟练、响应迅速和具有预测能力。 •现代化IT基础设施，并解决遗留系统的局限性和差距。 •更有效地成功将更好的产品推向市场。 •建立有意义、持久且有利可图的客户关系。 •为竞争优势做出更明智、更知情且可执行的决定。 GenAI的兴起有潜力使竞争环境公平化，并提升企业每个职能部门和流程的表现。我们在这个报告中探讨的主题是：数据如何整合、统一、清洗和应用以获得竞争优势。 执行摘要 在经历了一年后主要实现边际效率增长之后，通用人工智能（GenAI）正濒临加速功能性效能和竞争力差异化的边缘。事实上，我们的研究发现，79%的企业领导者认为，在接下来的18个月内，通用人工智能将通过人工智能代理（agentic AI）改善客户体验等方式，提供竞争优势。 但并非所有人都能够分享这些好处。根据Gartner的数据，到2026年，30%的生成式AI项目在概念验证后将因数据质量差、风险控制不足、成本上升或商业价值不明确而被放弃。 在我们由商业表现创新网络（BPI）网络、增长官委员会以及智能信息管理领导者EncompaaS进行的研究中，我们发现，利用生成式人工智能（GenAI）提升商业价值的潜力将挑战即便是经验最丰富的商业领袖。 五分之四的企业领导者预计通用人工智能将带来竞争优势 未能充分准备以处理生成式人工智能（GenAI）的数据会指数级增加项目失败的可能性。此外，我们的研究表明，60%的企业领导者对其数据人工智能（data-AI）准备情况缺乏信心，以实现生成式人工智能（GenAI）的商业价值。 仅有13%的人对其数据-人工智能准备状态“极度”自信——但他们能帮助我们理解自信的来源。通常而言，自信的企业领导者来自那些已进行数据转型并支持生成式人工智能的公司。 我们专注于四个关键的数据——人工智能准备领域： 60%的企业领导者缺乏对数据-人工智能准备情况的信心。 数据质量 Gartner表示：“数据管理技能和流程，以及底层技术和架构，都必须经历一场进化性变革，以正确地支持人工智能计划。” 精确性与可靠性 克服障碍 为了利用生成式人工智能（GenAI）的力量，组织首先需要发现、分类、管理和保护数据，以便生成式人工智能能够进行查询。在面临前所未有的数据洪流以及日益增长的Security and privacy concerns的背景下，许多组织需要加强其数据环境。Gartner表示，对于组织而言，“确保数据满足特定要求，包括代表性、响应性和适当的数据治理原则，至关重要。” 成本与投资回报率 我们的研究考察了数据-AI准备情况，并分析了企业如何为业务价值的下一阶段发展做准备。 你会学到什么 调查受访者按公司规模分类： 随着组织规划通往生成式AI竞争优势的路径，它们需要对其数据-人工智能准备情况进行坦诚评估，并了解自身在同行中的位置。在本报告中，您将学习哪些举措和投资最为合理、哪些挑战存在以及根据您在数据-人工智能准备成熟曲线上的位置能够实现哪些成果。这项研究将帮助您在为生成式AI的下一代业务价值做准备时建立信心。 13%4%31% with $1 billion to $5 billion29% with annual revenue greater than $5 billion22% with $751 million to $1 billionwith $500 million to $750 million少于5亿美元 调查受访者按行业分类： 我们的方法论 17%11%8%5%15%在金融服务领域11%在高科技领域在健康、制药、生命科学领域在环境、公用事业、石油/天然气领域在建筑中在教育领域 我们的研究基于对171位跨行业和地域的业务及职能领导者的全球调查。此外，我们与StarCIO、AVOA、Pegasystems以及新南威尔士州规划、工业与环境部的高管进行了深入访谈。超过80%的受访者担任EVP/SVP/VP/GM/CIO/CTO/CISO/CLO职位。在所有受访者中，53%来自B2B行业，47%来自B2C/混合行业。 里程碑式的业务价值飞跃 我们知道通用人工智能（GenAI）将驱动竞争优势，但这具体将是什么样子呢？我们的调查受访者提到了他们在未来几个月中期望看到通用人工智能（GenAI）的影响和价值的一些领域。以下是前三个： 您在接下来的18个月中如何看待生成式人工智能（GenAI）的影响与价值？ •简化业务流程与重复性任务的自动化 • 文档生成与个性化 • 数据分析与分析 有效性，一种竞争优势 GenAI的“低垂果实”在于简化业务流程和自动化重复性任务。这将继续产生影响和价值，特别是在数据-AI成熟度较低的公司中。更先进的公司将寻求改造这些业务流程以实现更强大的成果。 在对其数据-人工智能准备充满信心的商业领袖中，81%预计将看到人工智能代理改善客户体验，而对此不太自信的领袖中只有21%持此预期。 考虑一家大型B2B公司正在处理复杂的客户返利问题，并查询系统以确定正确的返利百分比，这可能需要长达两周的时间。优化的业务流程可以在几分钟内向GenAI提示提供正确的返利数据。 麦肯锡最近的一份报告总结了这一点：“大多数公司都在利用生成式人工智能追求效率提升，但领导者认为该技术的真正价值将源于那些能够转变业务职能效率的应用。” 此外，转型后的业务流程使人类能够更有效地发挥作用。高德纳预测，到2026年，80%的创意人才将每日使用生成式人工智能，从而能够进行更具战略性的工作，并导致对创意的投入增加。 谁能抓住代理型AI的权杖？ 近半数（45%）的受访调查对象认为AI代理将改善客户体验。这将是一项强大的竞争优势。对于代理式AI来说，目前尚处早期阶段，因此我们预计随着用例的出现，将有更多商业领袖加入其中。 但谁将成为自主AI的早期赢家？ 在对其数据-AI准备情况有信心的商业领导者中，81%预计将看到AI代理改善客户体验——这是关于GenAI在未来18个月的影响和价值方面的调查问题中第二高的回答。而在缺乏信心的受访者中，只有21%表示同样的看法，突显了在数据供应链方面加强了保障的领导者与未能加强保障的领导者之间价值实现的差异。 解锁生成式人工智能的挑战 当一家公司在当前的数据-AI成熟度曲线阶段对其实施数据-AI项目所获得的价值感到满意时，你就知道该公司的数据-AI准备程度已经进一步发展了。我们的调查表明，在受访者中对当前价值感到满意与不满意的比例几乎为五五开。 当前世代的AI项目是否正在创造价值？ 解锁通用人工智能（GenAI）的最大挑战在于数据准确性和可靠性。通用人工智能需要稳健的数据管理实践——包括合适的技术、资源、方法、工具等。从数据质量、准确性和可靠性到数据安全、隐私和治理，所有方面都需要根据通用人工智能的需求进行调整。 三分之二的组织缺乏人工智能数据管理实践。 但根据Gartner的调查，近三分之二的机构要么缺乏支持AI的合适数据管理实践，要么心存疑虑。Gartner发现，近40%的机构将“缺乏数据”列为支持并在其业务中实施AI所面临的最重大挑战之一。 此外，Gartner表示，企业中70%或更多的数据是非结构化的，这只会加剧问题。将非结构化数据变为AI可用，需要比结构化数据付出多得多的努力和资源，这些努力和资源以专业知识和工具的形式存在。 GenAI Integration: 冰山一角 另一个问题：太多企业领导者专注于生成式人工智能的集成和界面层。他们被生成式人工智能提示的简单性以及回答的速度所吸引。但这只是冰山一角。 数据来源必须完整，以确保生成式人工智能（GenAI）的准确性和可靠性。例如，在人力资源部门的独立记录管理系统中的关键数据可能无法被GenAI查询，也无法为答案做出贡献，从而导致其准确性不足。 若想获得精准可靠的结果，更不用说降低风险，你需要超越前端进行思考，更多地关注你正输入到平台中的内容。全貌数据视图是GenAI成功的基础。 有些人将AI视为一种神奇的工具，将解决他们所有的问题，但随后他们他们意识到自己没有信息或结构以便能够利用它。” — 彼得·鲍温，首席数据官（前），新南威尔士州规划、工业与环境部 实现人工智能兼容的数据质量 由于生成式人工智能需要审问所有相关数据，现有的数据管理实践以确保数据安全、可靠和有序——我们称之为“数据质量”——将受到前所未有的关注。好消息是，我们调查中有一半