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？

您的数据是否准备好解锁生成式人工智能的商业价值？ BPI网络报告 前言 生成式人工智能的快速演变正在重塑产业，不仅承诺带来增量效率提升，而且将显著改变竞争优势。然而，释放生成式人工智能的全部潜力并非理所当然——这需要建立在准备充分、高质量数据的基础之上。没有它，即使是最复杂的AI模型也会遭遇挫折，产生不可靠的见解，引入合规风险，最终，阻碍雄心勃勃的倡议。 研究发现令人震惊：尽管79%的企业领导者认为生成式人工智能将在未来18个月内带来竞争优势，但60%的人承认他们对自己的组织在数据-AI准备方面缺乏信心。这种雄心与执行之间的差距正是真正的竞争优势所在。 利用数据准备来推进人工智能项目是我们EncompaaS真正热衷的事情。自从通用人工智能（GenAI）诞生以来，我们一直擅长准备非结构化数据，以确保合规并加速通用人工智能的成功。 严峻的现实：许多生成式人工智能（Generative AI）项目正在失败。为什么？根据Gartner的研究，不能通过AI准备好的数据实践来使他们的人工智能用例得以启用和支持的组织，其AI项目中有超过60%会失败。这个挑战是可预防的，但只有当组织采取积极主动、战略性的数据方法时才能实现。发现、分类、丰富和保障数据不仅仅是一个IT问题——它是一个业务上的绝对必要。没有AI准备好的数据，即使是最有前景的生成式人工智能应用也无法实现预期效果。 我邀请您阅读这份报告，获取宝贵见解，并确定您的组织是否正走在通往生成式人工智能领导地位的道路上——或者面临落后于时代的风险。 尊敬的 我们最新的研究，与业务绩效创新网络（BPI Network）和增长官委员会（Growth Officer Council）合作进行，探讨组织数据是否真正为解锁下一代业务价值的人工智能（GenAI）做好了准备。研究重点在四个关键支柱：数据质量、准确性与可靠性、安全与隐私，以及成本与回报率。 杰西·托德首席执行官 EncompaaS 目录 人工智能准备就绪 专家见解 4引言6摘要9商业价值里程碑式跃升11挑战解密生成式AI13实现AI就绪的数据质量15答案是否准确与可靠？17安全与隐私威胁上升19成本与投资回报率：一个不断变化的目标21突破：区域、B2B-B2C/混合、规模27未来将发生什么？29结论 30EncompaaS: 大卫·古尔德33StarCIO: 伊萨克·萨科利克35AVOA: Tim Crawford37Pegasystems：Don Schuerman39新南威尔士州规划、工业和环境部：彼得·鲍恩（前） 引言 在平等、复杂和不可预测的世界中，对竞争优势和增长的永恒追求继续是企业领导和董事会的主要议程项目。 在贸易逆风、地缘政治分歧、监管限制、成本上升、数字颠覆、网络安全威胁以及连接客户赋权的世界中，通用人工智能（GenAI）既承诺了救赎，也保证了持续创新。 本研究聚焦于如果得到适当的准备、预热、编程和处理，通用人工智能（GenAI）可能会如何塑造、影响和改变数据的使用方式以获得竞争优势。我们对超过170位企业决策者的调查深入探讨了商业模式差异和地区地理对比。 最显著的是，BPI网络和增长官员委员会与EncompaaS合作，旨在帮助公司： •确保并保护品牌、知识产权和数据资产在新兴的量子计算时代。 •简化繁琐的流程以提高运营效率和灵活性。 •降低风险、威胁和责任，同时确保更高的合规性和问责制。 •确定新的客户细分市场和收入及利润增长机会。 •在运营价值链上变得更加熟练、反应灵敏和预测准确。 •现代化IT基础设施，解决遗留系统局限性与差距。 •更有效地将更好的产品推向市场并获得成功。 •维护有意义的、持久的和盈利的客户关系。 •制定更明智、更信息丰富且更具行动力的决策，以获得竞争优势。 人工智能的兴起有潜力拉平竞争环境，并提升企业每个功能区域和流程的性能。数据如何被集成、统一、净化并应用于竞争优势，是我们在这份报告中探讨的主题。 执行摘要 经过一年大部分边际效率提升后，通用人工智能（GenAI）正处在加速功能效能和竞争差异化的边缘。事实上，我们的研究发现，79%的企业领导者认为，在接下来的18个月内，通用人工智能将带来竞争优势，例如代理人工智能改善客户体验。 将人工智能生成（GenAI）交付竞争优势优势将在接下来的18个月内显现？ 但是并非所有人都能享受到这些好处。据Gartner预测，到2026年，30%的生成式人工智能（GenAI）项目将在概念验证之后因数据质量差、风险控制不足、成本上升或业务价值不明确而被放弃。 在我们的研究中，由商务绩效创新网络（Business Performance Innovation Network, BPI）、增长官员委员会（Growth Officer Council）以及智能信息管理领导者EncompaaS进行，我们发现，利用通用人工智能（GenAI）提升商业价值的潜力将挑战甚至最经验丰富的商业领导者。 四分之三的企业领袖预期生成式人工智能将带来竞争优势。 数据准备不足以应对生成式人工智能（GenAI）将导致失败项目发生的可能性呈指数级增加。此外，我们的研究表明，60%的商业领袖对其数据-AI准备情况缺乏信心，无法实现GenAI商业价值。 只有13%的人对其数据-AI准备情况“非常有信心”——但他们可以帮助我们了解自信的来源。一般而言，自信的商业领导者来自于那些已经进行了支持生成式AI的数据转型公司的。 我们专注于四个关键数据-AI准备领域的重点： 60%的企业领导者缺乏对数据-人工智能准备就绪的信心。 数据质量 数据管理技能和流程，以及底层技术和架构，必须经历一次进化性的改变，以正确地实现人工智能项目，Gartner表示。 准确性与可靠性 克服障碍 为了充分利用通用人工智能（GenAI）的力量，组织首先需要发现、分类、管理和保护数据，以便GenAI进行查询。许多组织需要在前所未有的数据洪流和日益增长的安全及隐私担忧中加强他们的数据环境。Gartner表示，对组织来说，“确保数据满足特定要求，包括代表性、响应性和适当的数据治理原则”至关重要。 安全与隐私 成本与投资回报率 我们的研究考察了数据-AI 准备状态，并探讨了企业如何为商业价值的下一阶段演变做准备。 您将学到的内容 13%4%调查受访者按公司规模分类：31%，金额在10亿至50亿美元之间29% 年收入超过50亿美元22%，金额在7.51亿美元至10亿美元之间与5000万美元至7500万美元相关不足5亿美元 随着组织规划通往生成式人工智能（GenAI）竞争优势的道路，他们需要对自身的数据-AI准备情况进行诚实的评估，并了解自己在同行业中的位置。在本报告中，您将了解到哪些举措和投资最为合理，挑战在哪里，以及根据您在数据-AI准备成熟度曲线上的位置可以取得哪些成果。这项研究将在您为GenAI下一代商业价值做好准备时，帮助您增强信心。 我们的方法论 Survey respondents by industry： 我们的研究基于对全球171位来自不同行业和地理区域的商业和职能领导者的调查。此外，我们还对来自StarCIO、AVOA、Pegasystems和新南威尔士州规划、工业与环境部的执行人员进行深入了解访谈。超过80%的受访者担任EVP/SVP/VP/GM/CIO/CTO/CISO/CLO等职位。在所有受访者中，53%来自B2B领域，47%来自B2C/混合领域。 17%在健康、制药、生命科学领域 15% 在金融服务领域 11%在环境、公用事业、石油/天然气 11% 高科技领域 8%在建设领域 5%在教育领域 业务价值里程碑式飞跃 我们知道通用人工智能将推动竞争优势，但具体会是什么样子呢？我们的调查受访者提到了几个领域，他们预计在未来几个月内将看到通用人工智能的影响和价值。以下是前三名： 您在接下来18个月内如何看待通用人工智能（GenAI）的影响和价值？ •简化业务流程与重复任务的自动化 • 文档生成与个性化 数据分析和分析 有效性，竞争优势 人工智能的易得成果在于简化业务流程和自动化重复性任务。这将持续产生影响和价值，尤其是在数据-人工智能成熟度较低的公司中。更先进的公司将寻求将这些业务流程进行转型，以实现更强大的成果。 在对自己数据-人工智能准备情况有信心的商业领导者中，81%的人预期将看到人工智能代理改善客户体验，而在这方面不太有信心的领导者仅为21%。 考虑到一家大型B2B公司正在处理复杂的客户返利，并对系统进行查询以确定正确的返利百分比，这可能需要长达两周的时间。经过优化的业务流程可以在几分钟内将正确的返利数据输送到GenAI提示。 最近麦肯锡的一份报告总结了如下：“大多数公司正在追求通过通用人工智能实现效率提升，但领导者们相信，该技术的真正价值将体现在能够转变商业功能有效性的应用中。” 此外，转型后的业务流程使人们能够更有影响力。Gartner预测，到2026年，80%的创意人才将每日使用通用人工智能（GenAI），这将允许进行更多战略性的工作，并导致在创意方面的支出增加。 谁将夺得代理人工智能的大旗？ 近一半（45%）的我们的调查受访者认为人工智能代理将改善客户体验。这将是一个强大的竞争优势。目前人工智能代理仍处于初期阶段，因此我们预计随着用例的出现，更多的企业领导人将会加入这一行列。 但谁是代理式人工智能的早期赢家？ 在对其数据-AI准备情况充满信心的商业领导者中，81%预计将看到人工智能代理改善客户体验——这是关于生成式人工智能在未来18个月影响和价值的调查问题中的第二高答案。而对于缺乏信心的人，仅有21%表示相同观点，突显了那些加强了其数据供应链的领导者与尚未做到这一点的人之间在价值实现方面的差异。 挑战解锁生成式人工智能 您可以在公司对当前一代人工智能项目所获得的价值感到满意时，判断该公司在数据-AI成熟度曲线上已经进一步发展。我们的调查显示，满意和不满意的受访者比例几乎为50-50。 当前一代的人工智能项目是否能够创造价值？ 最大的挑战是解锁泛人工智能的技术，这涉及数据和信息的准确性与信赖度。泛人工智能需要稳健的数据管理系统——包括适当的人才、资源、方式、工具等。从数据的品质、准确性、信赖度，直至数据安全、隐私和治理，都需要根据泛人工智能的要求进行调整。 2/3的组织缺乏人工智能数据管理实践。 但是，根据Gartner的研究，近三分之二的组织要么没有为人工智能提供合适的数据管理实践，要么对此不确定。Gartner发现，近40%的组织将“数据缺乏”列为支持并在其业务中实施人工智能的最具挑战性的因素之一。 此外，Gartner表示，企业中的70%或更多数据是非结构化的，这只会使问题更加复杂。与结构化数据相比，要将非结构化数据准备成人工智能可用形态，需要投入更多努力和资源，包括专业知识和技术工具。 人工智能集成：冰山一角 另一个问题：太多的企业领导者专注于通用人工智能（GenAI）的集成与界面层。他们对通用人工智能提示的简单性和回答速度感到着迷。但这些都只是冰山一角。 数据来源必须完整才能使生成式人工智能（GenAI）准确可靠。举例来说，在人力资源领域的孤立记录管理系统中的重要数据可能不会被GenAI查询，因此无法为答案做出贡献，导致不准确。 如果您想获得准确可靠的结果，更不用说降低风险，您需要超越前端思考，更多地关注您输入到平台中的内容。全面的数据视图对于生成式人工智能的成功至关重要。 有些人将人工智能视为一种神奇的工具，将解决他们所有的问题，但随后他们实现他们没有信息或结构以能够利用它。 — 彼得·鲍文，首席数据官（曾任），新南威尔士州规划、工业和环境部 实现人工智能就绪的数据质量 自从GenAI需要审查所有相关数据，现有的数据管理实践，即保持数据安全、安全和有序的实践，将受到白热化的关注，我们称之为“数据质量”。好消息是