生成型人工智能的转型价值隐藏在哪里？

生成式人工智能的变革价值藏在哪里？关于福瑞斯特咨询公司目录项目团队：贡献研究：3执行摘要4主要发现5在通用人工智能的预期潜力与其目前提供的价值之间存在一个显著差距7大多数通用人工智能策略依然建立在脆弱的基础之上13组织需要使用合作伙伴来填补其 GenAI 技术能力和知识的空白15那些在组织中成功解锁价值的人所提供的经验教训26关键建议28附录© Forrester Research, Inc. 所有权利 reserved。未经许可的复制严格禁止。信息基于最佳可用资源。观点反映当时判断，并可能发生变化。Forrester®、Technographics®、Forrester Wave 和 Total Economic Impact 是 Forrester Research, Inc. 的商标。所有其他商标均为其各自公司的财产。[E-59761]福瑞斯特提供独立和客观基于研究的咨询为了帮助领导者达成关键成果。由我们提供动力客户至上的研究，福雷斯特经验丰富的顾问与领导者合作，通过独特的合作模式执行其特定优先事项，确保持久影响力。欲了解更多信息，请访问forrester.com/consulting.本·安德森需求生成顾问Forrester 的技术架构与交付研究组 生成式人工智能的变革价值藏在哪里？执行摘要2024年初，全球IT咨询和数字服务提供商SoftServe委托Forrester Consulting评估当前生成式人工智能采用策略的有效性。为探讨这一主题，Forrester进行了一项针对750多名参与生成式人工智能并有权为其组织技术采购策略的决策者的全球在线调查。商业世界正达到其生成式人工智能（genAI）转型中“水到渠成”的阶段。尽管genAI决策者一直在努力实施和执行其组织的采用策略，但对于genAI应用将带来多大变革的期望却持续飙升。在制定这些采用策略方面，时间正日益紧迫，而相关的人员、技术和基础设施投资的有效性正根据整个组织实现的战略效益——或未实现——而被评判。我们发现 genAI 没有像许多领导者所期望的那样在各个组织中提供价值。虽然大多数已经具备一定的技术和基础设施基础，但很少有组织拥有足够的数据准备、治理和技术技能来帮助在这些基础上构建用例。许多人意识到他们需要找到更复杂的合作伙伴来帮助弥补这些执行差距。那些正在企业中解锁 genAI 价值的人通过发展他们的知识和能力，并得到在技术和行业专业知识方面有深厚背景的合作伙伴的帮助，成功地弥补了这些差距。他们看到，能够比竞争对手更快地实现战略业务利益是他们竞争优势所在。 主要发现生成式人工智能的变革价值藏在哪里？大多数受访者已经部署了genAI技术和基础设施，但在数据、治理和技能发展方面存在挑战。仅仅42%的人表示他们可以训练生成式AI模型，而89%的人难以准备商业数据。只有24%的人已经推行了治理政策，而且75%或更多的人在生成式AI的理解、软技能和倾向、硬技能和培训以及伦理、风险和隐私意识方面面临挑战。在全业务范围内释放生成式AI的价值是一种竞争优势。受访者看到了在创新、运营效率、研发、客户参与和软件开发方面更快的效益。他们通过发展自己的基因人工智能知识和能力，并得到了在技术和行业专业知识方面更强的合作伙伴的帮助，从而缩小了执行差距。合作伙伴可以帮助填补 genAI 知识和能力差距。根据88%的受访者，更深层次的技术专长对于数据集成、模型优化、用例开发以及进一步的应用开发来说越来越重要。绝大多数人还希望合作伙伴拥有更强的技术能力以及更深入的行业特定用例理解。在生成式AI的预期潜力和它当前提供的价值之间存在着显著差距。超过一半的受访者将生成式人工智能视为一种战略业务资产，用于转型运营模式；超过80%的人预计其在未来12个月的重要性会增加。然而，只有22%的人表示他们目前正在其组织中释放生成式人工智能的价值。 4 生成式人工智能的变革价值藏在哪里？在通用人工智能的预期潜力与其目前提供的价值之间存在一个显著差距• 领导们纠正局势的时间和耐心正在用尽。41%的受访者表示，他们的组织预计在未来两年内从其当前的genAI计划中获得最大价值；36%的人认为他们的组织目前正在经历最大价值；20%的人说他们已经经历了最大价值；而仅仅有2%的人认为他们的组织将在两年后才能获得最大价值。毫无疑问，生成式AI将从根本上改变当今的企业。然而，成功执行一项从实施到创造转型价值的采用策略，说起来容易做起来难。在对750多名决策者进行调查时，我们发现：• 业务目标越来越多地包括生成式人工智能，以战略性地转型运营模式。超过半数的受访者表示，他们的公司已经为使用生成式人工智能（genAI）改善研发（R&D）、软件开发、客户参与、运营效率以及其整体商业战略制定了业务目标。超过十分之八的受访者表示，在未来12到18个月里，依赖生成式人工智能（genAI）来实现这些目标是将变得更加重要。• 目前，不到四分之一的受访者正在整个企业中解锁 genAI 的价值。虽然目前信息技术/软件开发、研发和运营领域看到了最具价值的方面，但只有22%的受访者表示他们的组织目前在整个业务功能中实现了显著甚至适度的生成式人工智能业务价值。 仅22% 有受访者的组织正在解锁企业级genAI 价值。 1223图1按实施阶段划分的 GenAI 应用案例数量生成式人工智能的变革价值藏在哪里？生成式人工智能实施阶段平均数每个阶段的用例计划试点：计划使用在未来 12 到 18 个月内领航：当前正在试点扩展：目前使用中该区域计划扩建未来12至18个月内使用完整实现：当前在此区域使用，无计划在未来12个月内扩大使用至 18 个月基准：777位参与 GenAI 技术采购决策的全球受访者来源：SoftServe 委托 Forrester Consulting 于 2024 年 2 月进行的一项研究• 尽管努力挖掘价值，组织仍在不断添加用例。尽管许多受访者仍对添加新的生成式人工智能用例持乐观态度，但他们仍然难以确定哪些用例能在整个组织中提供最直接、最有影响力的价值。平均而言，受访者已经全面实施三种用例；他们正在努力扩大另外两种用例的使用；他们表示计划在短期内试点另外一种用例（见图1）。最常见的当前用例包括智能员工支持、增强客户互动、协助开发者支持、自动化洞察能力发现以及智能企业搜索。 95%30%22%21%88%41%25%22%目前用于托管/训练生成式AI模型的设施大多数通用人工智能策略依然建立在脆弱的基础之上当前使用的生成式AI语言模型生成式人工智能的变革价值藏在哪里？图2商业基础模型开源模型训练自有基础模型领域特定模型基准：777位参与genAI的全球技术采购决策者 备注：接受多个回复 来源：由SoftServe委托Forrester Consulting于2024年2月进行的一项研究随着组织努力快速缩小其生成式人工智能计划预期价值与实际价值之间的差距，他们必须依靠坚实的技术和基础设施基础，通过弥补数据专业知识、生成式人工智能知识和能力以及治理方面的差距来构建。我们发现：• 几乎所有受访者都建立了类似的生成式人工智能技术和基础设施基础。一些95%的受访者表示他们的组织正在使用商业基础模型为其genAI用例。在谈到他们用来托管和训练genAI模型的设施时，88%的人表示他们的组织正在使用云供应商（见图2）。 管理系统提供商本地/私有云精品云服务提供商 •不到一半的受访者可以在上训练他们的 genAI 模型当今企业数据如何在GenAI模型中使用生成式人工智能的变革价值藏在哪里？图3企业数据。总的来说，92%的受访者表示他们使用他们的将企业数据用于使模型行为与业务目标保持一致。然而，只有42%的人说他们在自己的组织数据上训练了模型(e.g., 检索增强生成)。更常见的是，50%的人表示他们微调或添加企业数据到他们的模型（见图3）。我的组织能够嵌入（微调）其 genAI 模型中的企业数据。我的组织已经培训了它的生成式人工智能在它自己的数据上的模型。基准：777位参与 GenAI 技术采购决策的全球受访者来源：SoftServe 委托 Forrester Consulting 于 2024 年 2 月进行的一项研究我的组织目前还没有整合企业数据的能力。• 无法充分利用企业数据使得 genAI 策略无效。将基础模型连接到业务数据的能力对于加速增长和创造竞争优势至关重要，考虑到许多组织已经具备相似的基础模型和基础设施。1然而，这项研究中89%的受访者表示，他们的组织需要帮助整合和简化企业数据，以便在其genAI模型中使用。我们的受访者平均能够利用三种类型的数据——其中最常见的是运营数据、客户数据和员工数据。为模型进行微调或训练准备广泛的企业数据更具挑战性：只有3%的受访者表示，他们组织的模型能够利用全部类型的数据，例如运营数据、客户数据、员工数据、源代码、公共数据和合作伙伴数据。此外，只有25%的受访者表示他们能够利用四种或更多种类型的数据（见图4）。 今日企业数据类型用于 GenAI 模型生成式人工智能的变革价值藏在哪里？运行数据客户数据员工数据源代码数据公开数据合作伙伴数据• 不足四分之一有治理计划。为了负责任且有用地实施和使用生成式人工智能，组织必须制定治理计划，以确保他们拥有合适的基础设施、技术能力和采用及变革管理实践。Forrester将生成式人工智能治理定义为业务领导者采用以融入目标、文化、行动和评估的实践，以确保人工智能能够实现预期的业务成果、负责任地使用，并遵守相关法规。2尽管90%的受访者意识到治理计划的重要性，但只有24%的人正式推出了治理计划——这意味着大多数组织都在将其暴露在相当大的风险中（见图5）。基础：714名涉及genAI并将在其genAI模型中整合企业数据的全球技术采购决策者来源：SoftServe委托Forrester Consulting于2024年2月进行的一项研究 生成式人工智能的变革价值藏在哪里？组织在员工生成式人工智能就绪方面面临挑战生成式人工智能知识和能力可以帮助领导者区分他们的技术和基础设施基础，最终，他们的生成式人工智能解决方案提供。数据和分析领导者在他们组织在开发人工智能解决方案方面的技能短缺时，将使用人工智能技术视为最紧迫的担忧，而不是技术成熟度、技术变化的速度以及数据质量。3 生成式人工智能的变革价值藏在哪里？• 硬技能和培训。超过四分之三的受访者缺乏技术能力，表现为解决方案/数据架构师、数据科学家和工程师的不足。他们还缺乏具备生成式人工智能专业知识、构建和微调模型的能力、优化生成式人工智能生产规模模型的能力、改善数据基础设施（包括数据可用性和质量）的能力，以及使用自身数据训练生成式人工智能模型的能力。• 伦理、风险与隐私意识。超过四分之三的受访者表示，他们的组织在治理和风险管理、数据隐私和安全以及安全监控和补救措施不力方面面临挑战。我们询问受访者他们面临的挑战，这些挑战与 Forrester 的四个员工和领导者准备就绪能力有关，这些能力是组织成功使用生成式 AI 所需要的：理解；硬技能和培训；软技能和倾向；以及道德、风险和隐私意识。4我们的受访者在每个能力方面都面临着严峻的挑战，从部署原型到生产：• 理解。大约80%的决策者表示，他们的员工对某些当前和未来的用例并不了解，并因复杂性而难以理解生成式AI。• 软技能和倾向。至少四分之三的受访者表示，他们面临员工和组织在 genAI 方面的准备就绪挑战、展示可量化商业价值的能力、价值流映射、获得高管认可以及获得所需预算的挑战。鉴于这些知识和能力差距，组织利用生成式人工智能作为战略工具来转变其运营模式的能力正处于风险之中：79%或更多的受访者对其组织利用其当前内部或外部专业知识执行其生成式人工智能目标的 能力表示担忧或非常担忧。未能解决这些生成式人工智能专业知识的差距，会对隐私、安全和财务产生重大影响。最显著的影响包括隐私和数据罚款、无法在短期或长期内实现价值，以及使用未经批准的生成式人工智能模型所带来的安全风险