数据与AI影响力报告：信任的必要性

信任强制要求 大家都在谈论《数据与人工智能影响报告》 “变化是唯一的不变，人工智能的发展速度前所未有，但缺乏信任的速度是我们无法承受的风险。本报告揭示了一个惊人的趋势：像银行和保险这样的行业正同时面临高回报和高波动——这是信任差距的明显迹象。作为一名致力于值得信赖的人工智能的领导者，我每天都能在日常商业对话中看到这些发现。前进的道路很明确：信任和数据治理必须引领这场竞赛。” 信任对于创造影响至关重要。本报告与我们自身关于提高员工对人工智能采用信任重要性的发现一致，这项研究将帮助组织在这个过程中取得进展。 罗伊·伊金克荷兰埃森哲技术主管 作为致力于负责任地利用数据和人工智能的组织，我们发现《数据和人工智能影响报告》有力地验证了驱动实际商业价值的关键因素——信任、治理和可扩展的数据基础。这项分析超越了表面层面的见解，提供了关于人工智能成熟度如何与战略影响相关联的全球性且可操作的视角。对于正在从实验阶段转向企业转型的领导者来说，这份报告是必读之作。 Preeti Shivpuri合作伙伴，国家领导者可信人工智能和数据风险，德勤 试图在薄弱的数据基础上扩展通用人工智能，就像在流沙上建造摩天大楼一样。这份由SAS和IDC发布的《数据与人工智能影响报告》阐述了在人工智能信任和人工智能影响方面的重要细微差别，并为在快速发展的科技世界中航行的领导者提供基本指导。 瑞安·比沙拉EVP，收入与数据战略，LAFC和BMO体育场 Derek Yueh研究主管，领英B2B研究所 内容 执行摘要.....................................................................................................1 分析团队致信..........................................................................2 方法论..................................................................................................................4 简介....................................................................................................................5 全球数据和人工智能状况..............................................................................6 本研究的核心指标...................................................................................7 信任困境.......................................................................................................8 全球——主要发现...................................................................................................9 各行业数据和人工智能状况..........................................................12 各行业信任困境. ....................................................................14 全球生命科学概述.................................................................................16 全球保险概述........................................................................................18 全球银行概述..........................................................................................20 全球政府概述..................................................................................22 重要术语词汇表....................................................................................24 关于idc和sas......................................................................................................25 与其他人工智能目标相比，它的投资回报率最低。具有更多战略人工智能计划的组织显著扩大市场份额并改善客户体验。 数据和人工智能市场的成功需要企业克服信任困境。 为什么这如此重要？ 在过去的仅仅两年中，生成式人工智能已经超越了传统人工智能的使用。随着市场迅速迈向代理式人工智能，其对决策的影响将是普遍的，并且常常隐藏在自动化和集成之后。 代理式人工智能需要基础工作。 该研究揭示，当面临未优化的云数据环境、数据治理不善或人才短缺时，自主AI的进步可能会停滞。 量子人工智能正在迅速成为现实。 为社会、企业和员工做好：信任人工智能是当务之急。 量子应用目前正被探索于物流、金融、网络安全、生命科学、气候建模和材料科学。尽管这项技术仍处于实验阶段，但调查受访者表示，对其潜力的兴奋是非常真实的。 为了建立信任，人工智能行业必须提高实施的成功率，人类必须批判性地审查人工智能的结果，领导者必须利用人工智能赋能劳动力。 我们启动了一项全球调查，旨在解决数据和使用、影响以及可信度相关的重要主题和其他问题。 除了这些发现之外，你还将了解人工智能信任指数和人工智能影响指数——我们引入的两个新的衡量标准，用于比较不同地区和行业人工智能的使用和影响。 在这些页面上，你会学到： 我们倾向于过度信任更拟人化的技术。 为了人工智能能够进入下一个发展阶段，它必须扎根于为企业带来切实的投资回报。 尽管有证据表明生成式AI容易出错，但组织比其他类型的AI（包括机器学习）更信任这项技术。 这需要所有人都克服信任困境。 可衡量的投资回报率随着信任的增加而提高。 要实现人工智能计划更大的价值，调查发现企业必须关注治理、可解释性和伦理保障。 企业必须超越削减成本。 布莱恩·哈里斯执行副总裁和首席技术官，SAS 节约成本通常是人工智能计划中的首要目标，但研究表明 分析师团队的消息 VP AI，自动化，数据与分析欧洲，IDC idc公司数据、分析、人工智能、可持续发展及行业研究副总裁 从全球角度来看，但立足于欧洲的监管成熟度，很明显，人工智能的成功与其说依赖于炒作，不如说取决于其底层数据基础的强度。我们的调查表明，薄弱的云环境、数据孤岛和有限的管理治理始终在阻碍各种类型人工智能的采用。最先进的用例，从银行欺诈检测到个性化医疗保健，只有在使用高质量、得到良好管理的数据时才能成功。更强的基础设施和合规框架改善了信任困境，但全球范围内，许多组织仍必须在扩展变革性人工智能之前投资于数据战略。 从学术角度来看，信任困境代表了实现人工智能全部潜力的最关键障碍之一。我们的研究表明，尽管78%的组织声称完全信任人工智能，但只有40%的企业通过治理、可解释性和伦理保护措施投入资源，使系统具备可证明的可靠性。这种脱节导致人工智能的巨大潜力未能充分释放，在缺乏可信度的情况下投资回报率也较低。概念上，信任困境揭示了感知与实践的差异：对人工智能承诺的信任与组织确保其可靠性的能力之间的差距。解决这一困境并非可选项；它是实现可持续影响力的先决条件。 kathy lange研发总监人工智能软件，IDC idc 人工智能与自动化研究副总裁 本研究中突出的重点是，重心已如何迅速地从传统机器学习转向生成式和代理式人工智能。组织不再仅在边缘进行实验；它们正将这些技术嵌入涵盖客户服务、编码和决策支持的 workflows 中。然而，真正的差异化因素不仅仅是采用，而是整合：统一结构化和非结构化信息的能力，在自动化流程中应用治理并嵌入可解释性。那些将值得信赖的人工智能实践与其自动化战略相结合的公司正在看到效率和工作流程影响方面最明显的改进，而那些没有这样做则面临在规模化中放大低效率的风险。 这项研究阐明的是，关于人工智能信任与影响的话题不能脱离人工智能生命周期本身。从数据准备和标注到模型训练、部署和监控，每个阶段都引入了直接影响结果的机会和风险。组织往往只关注采用指标，而不投资于生命周期自动化、治理和持续监督——这使得他们容易受到偏见、漂移或合规失败的影响。数据显示，在人工智能全流程中建立成熟度不仅解决了信任困境，还实现了更大的商业价值。值得信赖的人工智能不是一个最终的检查点；它嵌入在生命周期的每个阶段。 方法论 这项研究借鉴了一项针对2375名受访者的全球调查，该调查在北美、拉丁美洲、欧洲、中东和非洲以及亚太地区进行。参与者包括IT专业人士和业务线领导者的均衡组合，提供了来自技术和业务职能的视角。样本涵盖了广泛的行业，特别关注银行、保险、生命科学和政府，同时也包括了制造业、零售和电信等领域的反馈。 维度，包括业务价值、用例、治理框架、部署实践和数据基础。AI成熟度覆盖了从早期努力到高级实施的整个范围，从而可以进行对比分析。 本页的第一个图表概述了关键研究问题，展示了人工智能成熟度如何在战略、技术和组织层面进行评估。第二个图表呈现了研究框架，并显示了问卷围绕五个核心主题构建的方式：组织背景、人工智能采用、值得信赖的人工智能的使能因素、企业对人工智能的信任以及特定行业应用。这些要素共同为报告呈现的发现奠定了基础。 该问卷旨在探索组织如何推进人工智能的采用以及如何将其信任融入其人工智能计划。它检验了一组广泛的内容 研究框架 全球2,375名受访者跨行业调查样本 业务价值与投资 曾经是规则系统和中神经网络的领域人工智能市场现在因新事物的出现而充满活力和重新定义。生成式AI这股创新浪潮不仅加速了人工智能（目前使用率为65%，计划在未来12个月内采用者为32%）的采用，而且从根本上改变了企业和个人对人工智能能力的认知、信任和利用方式。 这个新格局的核心是信任问题。存在两个要素： 1. 用户对人工智能的信任程度受训练数据、使用模式和观察结果等因素影响（78%的人表示他们对人工智能完全信任）。 2. 本身技术的固有可信度，包括可解释性和透明度的能力，以及强大的治理实践（仅40%显示出高级别或更高水平的AI可信度）。 GenAI，凭借其自动化知识工作的能力和处理复杂任务的能力，在可见度和应用方面迅速超越了传统AI（81% vs. 66%）。短短几年内，GenAI已从一个新兴的好奇心发展成为主流的必备品。 随着人工智能市场的成熟，组织必须解决信任的两个维度，以推动采用并释放人工智能的全部变革潜力。 当然，AI格局正继续超越生成式AI而发展。 这份报告不仅追踪变化，还引入了定义人工智能进展的关键指标，揭示了重塑市场的力量，并强调了信任如何成为影响的基础。通过考察使能技术、实施策略和不断发展的责任标准，它不仅为人工智能的现状提供了指南，也为人工智能必须前进的方向以实现持久价值提供了指引。