生成式 AI 的投资回报远超预期

基础化工 2025-12-18 Snowflake 苏吃吃

早期采用者成效显著：57%的企业已部署生成式AI解决方案，92%的受访者表示对成果满意，投入成本已完全收回。平均投资回报率为41%。
应用方向选择：55%的企业优先选择面向员工的解决方案，以提升生产效率；44%的企业选择面向客户的解决方案，以提升客户体验。
主要动机：提升运营效率（51%）、提升客户体验（43%）、提高创新成果（40%）。
应用场景：IT运营（70%）、网络安全（65%）、客户服务与支持（56%）、软件开发生命周期（54%）。
非结构化数据挑战：51%认为数据准备过于困难，50%指出存在数据敏感性问题，42%表示缺乏所需范围或多样性的数据。仅11%的早期采用者表示其大部分非结构化数据已准备好。

IT、开发与网络安全：软件开发、IT运维和网络安全领域的受访者普遍对AI驱动工具带来的提升表现出积极态度。绩效管理提升：运营成本、系统可用性、工单响应速度、平均检测时间、平均修复时间。
销售、营销与客户服务：生成式AI正在提升企业对潜在客户的各类触达表现。绩效管理提升：客户参与度、点击率、营销运营成本、收入增长、预测准确性、运营成本。主要应用场景：聊天机器人、客户反馈与情绪分析、客户知识库管理、个性化营销内容生成、面向客户的聊天机器人、社交媒体监测与互动。
人力资源：主要应用场景：分析与报告、文档生成、合同管理、招聘运营和人才管理、绩效管理流程、入职流程自动化、生成职位描述和面试问题。绩效管理提升：提高员工参与度、提升招聘质量、降低运营成本。
采购与制造：主要应用场景：分析与报告、文档生成、合同管理、基于需求预测的库存管理建议、基于设备数据生成维护计划、分析与报告。绩效管理提升：成本降低、生产可用性提高、需求预测准确性提升、提高员工参与度、降低运营成本、提升招聘质量。

大语言模型（LLMs）的多模态运行模式：消费级大语言模型（如ChatGPT免费版、Gemini）、商用大语言模型（如Azure OpenAI、Amazon Bedrock）、开源大语言模型（如Meta Llama、BLOOM）。企业通常采取多元化策略，91%的受访者已经采用商用模型。
模型增强：96%的受访者表示，他们正在对商用或开源大语言模型进行训练、调优或增强。71%的企业使用RAG（检索增强生成）。
数据管理策略：88%的受访者确认，他们需要能够覆盖所有生成式AI应用场景的数据战略与工具。主要挑战：数据质量、数据数量、数据孤岛、数据治理、数据扩展与计算能力。
云端数据仓储：多数企业希望数据仓储供应商具备高级AI功能，并希望供应商能够提供一个能力型平台。49%使用云托管技术，其中35%以云端为主，14%完全依赖云理平台。81%的受访者表示未案12个月将增加在云端数据仓储解决方案上的投入，平均预计增长幅度为24%。

应用现状：67%的受访者表示，他们仅将现有生成式AI应用场景的四分之一或更少投入了实际运营。
未来趋势：72%的受访者预计，到2025年底，自主智能体将接管部分任务。72%的受访者认为，目前由直属下属完成的任务很可能将由自主智能体接管。70%的受访者表示，他们的工作成果至少部分会由AI系统审查。

金融服务：聚焦客户支持与安全，88%频繁地强调云端数据平台的集成安全与治理控制对其最终采购决策至关重要或具有重要影响。主要应用场景：客户支持、网络安全。
医疗保健与生命科学：侧重IT、人力资源，实现可观ROI。主要应用场景：IT运维、人力资源。
制造业：以效率为目标，依赖供应商主导策略。主要应用场景：生产/供应链管理、库存管理、质量检验规范。
市场营销/广告：应用滞后且对自身差距有清醒认知。主要应用场景：文案撰写、社交互动分析、数据分析、视觉创意设计、面向员工的聊天机器人。
零售/批发/CPG：客户支持成效突出，供应链与研发仍有提升空间。主要应用场景：客户服务/支持、库存管理。
技术领域：率先投入生成式AI，领跑早期应用。主要应用场景：软件工程运营。