企业采用人工智能的关键成功因素

核心观点与关键数据

• AI 转型挑战：企业 AI 采用面临诸多挑战，包括选择合适的用例、证明商业价值、优化有限 AI 资源、确保数据质量、理解自主 AI、通过安全评估、管理伦理与合规风险、扩展 AI 应用以及管理变革和推动用户采用。
• 关键成功因素：
  1. 优先选择合适的用例：解决实际业务问题，与战略目标对齐，具有明确的可衡量影响，可行性高，快速产生价值，简化变革管理。
  2. 确定商业价值以获得高管支持：利用真实客户价值指标，而非理论假设，展示清晰的 ROI 和时间线。
  3. 优化有限 AI 资源：依赖易评估、易配置的 AI 解决方案，提供透明的技术细节和文档。
  4. 高质量数据：数据需结构化、领域特定、组织相关且及时，并包含业务上下文。
  5. 理解自主 AI：区分不同复杂度的 AI 代理，关注 AI 基础设施和代理管理的安全性。
  6. 通过安全评估：根据用例敏感性采取不同的安全方法，如共享大型模型、公司特定模型或检索增强生成（RAG）。
  7. 理解和减轻伦理与合规风险：遵循原则、实践、人员和政策，建立负责任的 AI 框架。
  8. 扩展和定制 AI：利用开放和可扩展的开发平台及 AI API。
  9. 灵活、可扩展的架构：集中化 AI 基础设施，实现资源自动扩展和共享。
  10. 管理变革和推动用户采用：建立信任、展示价值、提供易用性。
• 关键数据：
  • 78% 的组织在使用 AI。
  • Workday AI 提升了 AP 处理效率 71%，节省了每 100,000 张发票 30,600 美元的成本。
  • Workday AI 减少了案件总量 29%，节省了每 20,000 个案件 256,000 美元的成本。
  • Workday AI 提高了人才保留率 39%，节省了每 100 名员工 3,000 美元的成本。
  • Workday 拥有 80 亿+ 年度交易数据和 7000 万+ 最终用户，数据模型统一。
  • Workday AI 基础设施提供测试、验证、自动扩展和工具共享功能。

研究结论

企业 AI 采用的成功取决于对关键因素的专注，包括选择合适的用例、证明商业价值、优化资源、确保数据质量、理解新兴技术、保障安全、管理伦理、扩展应用、构建灵活架构以及推动用户采用。通过关注这些因素，企业可以将 AI 的潜力转化为实际绩效，并以负责任的方式创新。