行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

通往生成式人工智能竞争优势之路：您的数据是否准备好解锁生成式人工智能的商业价值？

信息技术 2024-01-26 - BPI网络&go Council&Encompaas 张彦男 Tim

核心观点：生成式人工智能（GenAI）将带来显著的竞争优势，但组织的数据准备情况却普遍不足，导致GenAI项目失败的风险增加。
关键数据：
- 79%的企业领导者认为GenAI将在未来18个月内带来竞争优势。
- 60%的企业领导者缺乏对其组织在数据-AI准备方面的信心。
- Gartner研究显示，超过60%的AI项目因数据缺乏而失败。
- 仅有13%的人对其数据-AI准备情况“非常有信心”。
- 70%或更多数据是非结构化的，增加了数据准备的难度。
研究结论：
- 组织需要关注四个关键数据-AI准备领域：数据质量、准确性与可靠性、安全与隐私，以及成本与回报率。
- 数据孤岛、对数据理解有限、不良数据治理、数据量和复杂性是数据质量面临的主要挑战。
- 高质量训练数据对于确保GenAI输出的准确性和可靠性至关重要。
- 缺乏可见性、内部威胁、第三方风险和数据治理框架不完善是安全与隐私方面的主要挑战。
- 模型维护、缺乏专业和人才以及数据准备是成本与投资回报率方面的主要挑战。
- 北美在GenAI成熟度曲线上位居第一，其次是欧洲，亚太地区落后。
- B2B在应用场景中比B2C更成熟，尤其是在文档生成和个性化方面。
- 大型公司在他们的数据-AI准备度上更有信心，因为他们的当前用例主要依赖于结构化数据。
- 组织需要投资于工具与技术、提升内部人工智能与数据素养、人工智能通用案例优先级排序、数据安全、隐私与治理以及数据准备与优化。
- 信任是GenAI计划成功或失败的最重要决定因素之一，组织需要确保数据质量、准确性和可靠性，以建立对GenAI输出的信任。