2025年AI准备度基准调查报告

29%的机构尚未开始使用人工智能你呢？ 关于Devoteam Devoteam是一个人工智能驱动技术咨询服务专注于云平台、网络安全、数据和可持续发展的公司。 技术原住民30年来，Devoteam致力于引导企业进行可持续的数字化转型，以创造价值。 超过11000名技术架构师in more than25个国家横跨欧洲、中东和非洲，Devoteam致力于利用科技服务人民。 内容 1.关键要点 阿尔的承诺与现实定义用例并与衡量影响仍然是一项关键挑战：虽然对人工智能的热情很高，但企业正努力将潜力转化为切实成果。 IT仍然在AI实施中扮演着关键角色，但业务单元日益领先：虽然it仍然是许多组织的主要驱动力，但业务部门正日益成为人工智能倡议的推动者。 有待完成已构建基础设施的工作：数据管理和应用现代化等基础要素仍存 弥合AI技能差距： 在滞后云基础设施和安全防护的进步是积极的，但许多组织在数据管理和应用现代化等人工智能实施的关键基础方面仍然有所欠缺。 尤其是在商业理解和领域专业知识方面，这对于成功至关重要：仅凭技术技能是不够的；将AI解决方案与特定的业务需求相结合，需要能够弥合技术和业务战略之间差距的人才。 生产力影响仍在评估中：已有很大比例的员工每天都在使用生成式AI工具，显示出快速采用。然而，调查显示生产力影响尚未完全理解。 关键结果1 Devoteam人工智能调查2024关键成果 阿尔的承诺与现实：企业难以定义用例并衡量影响 531调查提交25% 高管层 35% IT 20国家 +20行业 关键结果 2 谁是 Al 的推广者？科技仍引领，但商业掌控方向 关键结果3 犹豫和早期阶段主导 73%报告中度到低度的Al集成。我们通过强大的Al服务交付来弥补这一差距，确保在现有的IT生态系统中进行无缝实施并产生可衡量的影响。 我们的调查揭示了一个关键差距：虽然60%的员工在工作中每天使用GenAl，但企业难以定义用例和衡量影响。我们帮助将这种热情转化为战略价值。 很高兴看到很多Al驱动力都来自业务。IT团队要确保基础水平足够好，以便从业务用例中完成ROI。 格特·扬·范·哈勒姆全球首席技术官 奥利维尔·马莱AI机构的负责人 帕特里西亚·米莱霍服务总监 2.结果 全部调查 生成式AI工具正迅速成为许多人的不可或缺之物。调查揭示59%的受访者已将CenAl助手整合到他们的日常工作中。这种热情采纳强调了生成式AI在赋能员工从而提高生产力和效率方面的变革潜力。 GenAl：对许多人来说显而易见。高达60%的员工在工作中每天使用(Gen)Al。 生成式人工智能对生产力的影响仍在发展中。虽然36%的受访者报告生产力显著提高，但值得注意的是有46%的人对其影响尚未确定。8%的人尚未因人工智能而经历任何变化。 _genal_的潜力：等待生产力回报 GenAl 对生产力的影响的方差可能是由多种因素造成的，包括使用新 AI 工具的学习曲线、需要提升技能，以及团队发现将 AI 集成到他们工作流程中最有效用例所需的时间。 以人为本在人工智能应用中的重要性这强调了. 基因工具的引入如何影响了您团队的效率和流程？ 阿尔承诺与现实：企业难以定义用例和衡量影响 在阿里的潜力和实际应用之间存在脱节。虽然企业认识到阿里的力量，但它们面临着挑战。哪些挑战？确定具体的用例、衡量影响以及管理相关的成本和技术变革。需要以谨慎的态度制定阿里战略，以弥合这一差距。 战略胜过华丽工具间隙。记住：建立. 对 Al 工具的信任程度令人鼓舞，62.63% 的受访者给出了 4 分或 5 分。这表明 Al 在工作场所的接受度呈积极趋势。 对AI工具中的AI信任采用至关重要，相当高 然而，仍有显著28%的受访者保持中立（得分为3），这表明需要解决关切并增强对Al系统的信心。 你的组织目前使用的 Al 工具，你如何评价你的信任程度？(1-5分，1=极低信任；5=极高信任) 虽然 IT 部门仍然是 55% 的组织中 AI 实施的主要推动者，但一场转变正在发生。29% 的受访公司确定业务部门为 AI 的主要推动者。这表明人们越来越认识到 AI 在技术应用之外的战略价值。然而，其他部门如市场营销、财务、人力资源和法律仍 largely 在场边，这表明需要扩大意识并探索 AI 在所有业务职能中的潜力。 谁是Al的推动者？它仍然领先，但商业掌握着方向盘 这些数据揭示了一个生成式AI的格局，其特点既包括谨慎探索，也包括初步实施。相当一部分组织（32%）尚未开始任何生成式AI的努力。而15%的组合群体要么正在试点应用（12%）要么有限的生产部署（3%），大多数组织仍然处于制定策略、识别用例或尚未准备好实施用例的早期阶段。有趣的是，值得注意的是18%的组织已制定正式的生成式AI策略，这表明了一种积极主动的方法，然而只有10%成功实施了第一个用例。这些数据显示，许多人正在奠定基础，但生成式AI的广泛采用和集成仍然遥遥无期。 (Gen) Al采用犹豫和早期阶段主导 弥合技能上限差距：关键瓶颈 数据显示了各组织面临的各种人工智能技能差距。‘与人工智能应用相关的业务理解和领域专业知识’成为最关键的差距（32%），突出了将人工智能解决方案与特定业务需求相结合的挑战。其次是‘人工智能工程和开发技能’（17%）和‘数据科学和机器学习专业知识’（15%），表明需要技术人才来构建和部署人工智能解决方案。有趣的是，‘人工智能提示’（7%）是提及最少的技能差距之一，可能表明它被认为是一项更高级的技能，或者其重要性尚未得到充分认识。这些技能差距的普遍存在突显了战略技能提升和人才招聘举措的必要性，以弥合差距并实现成功的人工智能应用。 虽然一些地区展现出强烈的准备状态，但人工智能实施的关键基础要素方面仍存在差距。就整体准备状态而言，我们看到超过20%的组织尚未在应用现代化、网络安全、数据管理和云基础设施方面建立核心基础。另一方面，我们看到组织在人工智能就绪的云基础设施和网络安全方面取得了显著进展。他们可以在哪些方面进行改进？数据管理和应用现代化落后。不到一半的组织能够有效利用阅读 Devoteam 的 CTO为A目的的数据，可能会妨碍AI的有效性。对 AL 基础的思考 阿尔准备状态：基础仍在建设中 将人工智能工具和平台与现有的it基础设施和运营系统集成的情况呈现多样化。集成水平从无缝集成（8%“非常高”）到重大挑战（18%“非常低”）不等。相当一部分（73%）报告中等（“中等”）到差（“低”或“非常低”）的集成。这表明有机会提高兼容性，并在现有技术生态系统中简化人工智能工具和平台的部署。 人工智能集成：不建议集成 AI 监控能力 展现改进空间 相当一部分组织拥有有限的或基本的AI监控能力。46%的人报告“基本的监控，需要人工干预”，而31%的人则有“有限或没有监控能力”。这种不成熟的监控方式存在潜在风险，包括未被检测到的性能漂移、偏差和公平性问题。虽然关于AI监控的法规仍在发展中，但组织应努力实现更全面的监控实践。这包括实时洞察、自动警报和修复能力，以确保负责任和可靠的AI部署。 人工智能合规流程：对人工智能合规意识的日益增长 有相当一部分组织（32%）尚未建立正式流程。另一端，7%已实施严格流程，并持续监控和审计。大多数（61%）介于这两者之间，有些流程已建立但未完全整合（41%），或定义良好的流程已整合入人工智能工作流（19%）。 这表明了对Al合规性需求的日益增长的意识，但也突出了在组织内全面嵌入这些流程的挑战。 您的组织是否已建立流程，以确保人工智能系统和应用程序符合相关法规和道德指南？ 3. 方法论 Al基准调查针对IT领导者在其EMEA地区的组织中的AI采用现状进行了调研。它包括战略方法、ROI、道德考量、自动化趋势以及AI对人才的影响等焦点领域。Devoteam于2024年在线进行了此次调查，涵盖20个国家、20个行业的531份回复。受访者构成多元化，包括25%的首席执行官和35%的IT专业人士，这为EMEA地区的AI采用和挑战提供了广泛视角。调查数据于2024年9月10日至12月10日期间收集。 531调查提交25% 高管层 35% IT 20国家 +20行业