生成式AI全球研究报告：创造竞争优势的策略

生成式生成式AIAI全球全球研究報告：研究報告：創造競爭優勢的策略創造競爭優勢的策略 目錄 01 前言：邁向GenAI未來的旅程 撰稿人：SAS策略性AI顧問Marinela Profi 生成式AI的問世有望徹底改寫人類和企業生產力的環境。當您踏上這趟變革性之旅時，必須體認到這項新技術的無限潛力，以及這種創新伴隨而來的挑戰。 本報告闡述最佳做法和策略性見解，旨在賦予組織相關能力以便充分運用GenAI的潛力。 在本報告中，您將會瞭解： 本報告係根據全球1,600個組織的全新問卷調查。受訪者是關鍵產業組織中GenAI策略或資料分析的決策者。此研究評估了他們目前部署GenAI的計畫，揭示該技術會如何整合至他們的策略規劃中，並探討其組織在過程中遇到哪些具體問題。透過詳細的分析，我們檢視了市場動態，剖析大眾目前對GenAI的觀感，以及各組織在將技術整合至自家營運中時所面臨的障礙。 •各家公司正進行哪些策略性投資，以激發GenAI無與倫比的潛力？•如何識別領先的GenAI用例，以快速創造投資報酬率？•哪些資料和AI工具可有效識別用於提供LLM原始資料中的潛在偏差？•如何使用GenAI和決策工作流程系統促進可衡量的成果？•如何在振奮人心的變革時代主動為您的組織做足準備？•與市場其他組織相比，哪些地區和產業蓬勃發展，而哪些則發展緩慢？ 從討論協調、管理和資料隱私，乃至考量幻覺（有時由大型語言模型(LLM)所產生的錯誤或誤導性結果）和成本影響，我們探究了各公司必須克服的難題，以及GenAI為提高生產力和競爭優勢所帶來的契機。 02組織表示能在早期取得佳績 然而，隨著對GenAI的關注和投資越來越多，許多組織在實作方面卻遇到困難。這些問題可能會浪費資源、衝擊客戶的意願，甚至使組織違反法規。在已完全實作GenAI專案的組織中，39%認為將GenAI技術整合至現有系統是一大挑戰，而34％則面臨巨大的成本難題。這些問題最好能在早期階段解決，也就是在部署GenAI並投入大量資源之前。 自2022年11月ChatGPT大舉問世以來，GenAI已躍為具有非凡潛力的技術。決策者無不體認到GenAI能推動創新、新的對話體驗和營運效率。 我們的研究指出，雖然組織預期將在GenAI取得成功，但他們在實作的四大領域中遇到了障礙： •增加對資料使用的信任並實現法遵。將信任感帶入業務成果。•締造價值。將採用率轉化為可衡量的益處。•將GenAI整合到現有的系統和流程中。確保系統和工具不會限制GenAI的潛力。•尋找相關人才和技能。找出能夠支援您GenAI策略的人才。 03 成功實作GenAI的策略 透過GenAI投資取得成功的四大要素： 1.完善管理2.策略性部署3.技術整合4.專家指導 為了盡可能提高生產力，GenAI必須順暢地嵌入業務流程和系統中。績效應力求可靠、透明和道德，並加快生產力且改善客戶體驗，同時為利益相關者增加可衡量的價值。 a.完善管理：增加對資料使用的信任並實現法遵 當GenAI投資的結果可靠、透明且具有道德感，組織就能獲得益處。然而，許多人無法全面監督此技術，再加上法規瞬息萬變，因此大多數組織都有不合規的風險。 調查顯示，表示對生成式AI法規準備最充足的受訪者主要來自中國（近五分之一，19%表示完全準備就緒），其次為澳洲(15%)和美國(14%)。準備最不足的受訪者則集中在愛爾蘭（60%表示已準備或僅稍微準備），以及荷比盧三國(56%)和波蘭(55%)。 我們的研究發現： 至於是否已制定完善的GenAI管理架構，有些產業則領先其他產業。電信組織指出，近十分之一(9%)的組織已制定這種架構，其次為製造業組織和零售業（各為8%）。 •只有十分之一的組織已妥善準備，可遵循GenAI的相關法規。•95%的企業缺乏完善的GenAI管理架構。•低於十分之一(7%)的組織提供GenAI管理和監控方面的高階培訓。•對已使用GenAI的組織而言，有四分之三的受訪者會擔心資料隱私(76%)和安全性(75%)。•每20個組織中只有1個(5%)擁有可靠的系統來衡量LLM中的偏差和隱私風險。•10個組織中有7個無法持續監控其GenAI系統。 大多數組織對AI和GenAI都缺乏完善的管理架構（每10個採用者中有7個如此表示）。 只有十分之一的企業已妥善準備，可遵循GenAI現有和即將上路的相關法規。 所有使用/計劃使用GenAI的受訪者正在使用GenAI並已全面實作已使用GenAI但尚未全面實作尚未使用GenAI，但計劃在未來兩年內使用 見解2： 資料管理和分析工具可偵測用於提供LLM原始資料中的異常值和偏差來源，真人專家也能有效地盡可能減少潛在的偏差。 對已使用GenAI的組織而言，有四分之三的受訪者會擔心資料隱私(76%)和安全性(75%)。 低於十分之一的組織提供GenAI管理和監控方面的高階培訓。 所有使用/計劃使用GenAI的受訪者正在使用GenAI並已全面實作已使用GenAI但尚未全面實作尚未使用GenAI，但計劃在未來兩年內使用 10個組織中有7個(71%)無法持續監控其GenAI系統。 在所有組織中，GenAI的使用可能會對下列幾點帶來隱憂：資料隱私、安全性、缺乏管理、對技術的依賴、其加劇偏差的可能性。 這些組織中有很多尚未完全準備好因應法遵需求，且沒有GenAI管理或監控技術的方法。 我們的研究發現，企業在建立合適的管理系統之前便急著採用GenAI，因此可能導致品質和法遵層面的嚴重問題。 亞太國家（主要是中國）在遵守GenAI法規的準備方面表現亮眼。 57%見解1： 40% 37% 28%資料管理工具對於確保LLM獲得最高品質的資料和提示相當重要，而這類資料必須是可稽核且可追蹤的。 稍微準備好未準備2%3%1%4%1%這些工具可為使用者提供隱私和安全，並採用強大的資料保護機制，包括資料最小化、匿名化和加密，以確實時時保護好敏感資訊。此外，工作流程可以自動化，以達到建立或調整LLM的最短、最直接路徑。 組織應參考管理和法遵政策，以建立基本架構來套用合適的資料管理工具。 b.策略性部署：將實作轉化為可衡量的益處 理想的GenAI投資能創造明確的契機，以提升效率和更佳的客戶體驗，但許多組織都指出策略性思維的缺點，而這些缺點正在影響實作上的成效： 十分之九(93%)的資深技術決策者承認自己不完全瞭解GenAI或其對業務流程的潛在影響。 •十分之九的資深技術決策者(93%)承認自己不完全瞭解GenAI或其對業務流程的潛在影響。 •幾乎半數的組織(47%)從概念轉換到實際運用GenAI時遇到挑戰。•超過三分之一的組織(37%)預測將難以證明GenAI是否提供強勁的ROI，或已發現難以證明這一點。•低於一半(45%)的CIO和大約三分之一(36%)的CTO認為對自家組織中的GenAI採用情況非常清楚。•十分之四的組織(39%)沒有任何GenAI使用政策可供自家員工遵守。 我們所調查的國家結果顯示，對其生成式AI策略的反應存有極大差異。調查結果指出，面臨將技術從概念轉化為實際應用最大挑戰的國家包括西班牙（67%的受訪者指出此為一項挑戰）和波蘭(64%)。相較之下，對此最有信心的國家包括加拿大(39%)、墨西哥(40%)和法國(40%)。從區域趨勢來看，71%的亞太地區企業正在實行內部政策來管理生成式AI的使用，而拉丁美洲則為52%。 製造業（61%對生成式AI有良好或完整的理解）、生命科學(55%)和電信業(55%)的受訪者對生成式AI的瞭解程度最高。相較之下，公部門的受訪者則對生成式AI的瞭解信心較低，只有38%表示自己對該技術有良好或完全的理解。 39％的組織沒有任何GenAI使用政策可供自家員工遵守。 資深決策者並非總是完全清楚自家組織中GenAI的採用狀況。 亞太地區決策者最有可能擁有GenAI使用政策，而拉丁美洲的受訪者最不可能有此種政策。 相較於其他產業，公部門的決策者對GenAI的瞭解不太有信心。 無論使用何種新技術，組織都必須在探索階段中將憧憬與現實確實區分，以釐清企業實作時所面臨的複雜性。我們已利用生成式AI達到了該階段。」 見解1： 在制定完善的GenAI策略之前，請確認主要決策者皆具備AI的相關知識。這需要時間，而且通常須聘請外部專家來協助您的團隊。 Bryan HarrisSAS執行副總裁兼CTO 見解2： 識別最佳的GenAI用例，以快速創造投資報酬率。 成功部署GenAI的第一步是識別該技術具有高影響力的用例，藉此盡快締造可衡量的投資報酬率。 c.技術整合：確保系統和工具不會限制GenAI的潛力 •在監控GenAI方面，一些產業認為自身受到技術存取的限制，特別是製造業(42%)、醫療保健(40%)和零售業(40%)。相較之下，專業服務業(25%)和電信業(28%)最不認同這一點。 在理想情況下，生成式AI能順暢地嵌入企業的流程與系統當中。但是許多公司難以將技術與現有的任務和工具整合起來。 我們的研究發現： •幾乎半數(47%)的決策者表示，他們沒有適當的工具來實作GenAI。•十分之四(41%)的受訪者在試著將GenAI整合至現有系統時，會面臨到相容性的問題。•半數(52%)的決策者在有效使用公有及專有資料集時遇到了障礙。•超過三分之一(34%)的受訪者表示，監控GenAI的最大挑戰是技術限制。•在實作GenAI時，缺乏所需工具和專業知識的國家包括拉丁美洲，57%的受訪者表示他們沒有合適的工具，52%表示缺乏專業知識。相較之下，亞太地區僅約三分之一的受訪者（36%，其中中國只有31%）表示缺乏合適的工具來實作GenAI。此外，該地區僅有31%的受訪者表示自身缺乏內部專業知識（中國為21%）。 決策者指出，他們沒有適當的工具、目前遇到了相容性的問題，並在有效使用公有及專有資料集時遇到了障礙。 單靠LLM無法解決業務問題。GenAI只是一項可增強現有流程的功能，但您需要可以實現其整合、管理與協調的工具。最重要的是，您需要合適的人員利用工具來確保協調程度符合所需。」 Marinela ProfiSAS策略性AI顧問 見解2： 見解1： 使用決策工作流程系統將GenAI整合至現有的業務流程，促進可衡量的成果。 確保您的GenAI軟體供應商可以與現有的工作流程和決策平台整合。 LLM只能執行單個用例的一些任務。組織仍需一種全端流程以協調AI生命週期，同時強化LLM的透明度和管理。 GenAI是超自動化的理想生力軍，可促進組織內所有可行任務的自動化。此技術在總結大量資料以支援決策流程方面表現出色，且方便與您首選的業務流程即時互動。 d.專家指導：GenAI技能組合的短缺所帶來的資源挑戰 對許多組織而言，問題的核心是：缺乏內部GenAI專業人才。由於人資部門難以聘用到適任的人員，組織擔心自身無法獲得所需的技能來充分運用GenAI的投資。 我們的研究發現： •半數組織(51%)擔心內部並無專員能有效地使用此技術。•大約十分之四(39%)的受訪者表示，他們發現內部專業知識不足，這也因此成為實作GenAI的障礙。•北美和亞太地區在取得GenAI專才方面的困難稍微低了點（分別有44%和49%的受訪者表示這是個問題）；相較之下，北歐(54%)和歐洲其他地區(56%)則面臨較大的挑戰。•報告顯示，缺乏內部專業知識是實作GenAI的障礙的產業包括製造業(48%)、醫療保健(43%)和公部門(43%)。相較之下，電信業(24%)受到的影響較小。 39%的受訪者發現，內部專業知識不足是GenAI實作上的障礙。 對於醫療保健和公部門的人而言，缺乏內部專業知識是個特別的問題。 04GenAI採用率將繼續成長 研究顯示，超過一半的企業(54%)已開始實作GenAI，其中11%已在企業層級完全整合了該技術。絕大多數(86%)的公司今年和明年都會投資GenAI。五分之一計劃在企業層級推出GenAI，72%正在著