猜你想问
企业AI应用效率低的原因是什么？
研究表明，企业AI应用效率低主要源于支撑AI的系统未能及时更新。81%的企业决策者表示在不同系统间传输信息花费大量时间，约四分之三的人花费大量时间核对冲突数据或报告。20%的职场人士每周完整工作日耗费在信息传输上，另有20%每周花费7小时进行数据核对。这表明系统间数据孤岛和流程不协同是核心问题。
AI在哪些行业应用效果显著？
AI在运营部门效果最显著，20%集成AI的企业中70%表示AI缩短任务时间。金融部门中，25%认为AI加速工作但未改善结果，36%认为AI实质改善工作。医疗保健行业AI更高效，银行业治理和审批检查仍是主要障碍。北美酒店业数据对账和重新录入工作量高，而日本39%的企业在核心系统中运行AI，近四分之三人表示AI缩短任务完成时间，72.5%认为AI减轻人工工作量。
企业如何解决AI应用中的数据问题？
解决AI应用中的数据问题需从系统深度嵌入入手。87%的决策者表示只有信任底层系统和数据时，AI才能增强决策信心。60%的组织报告任务时间减少25%或更多，远高于未深度嵌入组织的36%。具体措施包括建立统一平台实现跨模块AI运作，如雪花公司计划在财务和人力资源领域建立统一平台。此外，提升数据质量、优化治理和审批检查流程也是关键。
当前AI市场存在哪些普遍问题？
当前AI市场普遍问题包括系统间数据传输效率低、数据核对耗时严重、以及系统僵化导致AI叠加反而加剧问题。全球43%的员工经常或总是经历忙碌但效率低下的日子，英国近60%，澳大利亚90%，美国85%存在同样问题。人力资源部门受系统问题影响最严重，70%受访者因系统问题需重做工作。这些问题表明AI价值实现受限于底层系统支撑能力。
企业AI应用需注意哪些风险？
企业AI应用需注意系统整合风险和结构性问题。30%IT专业人士认为治理和审批检查是首要障碍，人力资源和财务部门认为僵化系统是主要障碍，运营部门则关注数据质量。部分企业如近30%的人力资源受访者认为AI叠加现有系统反而加剧问题。此外，不同行业AI应用效果差异明显，如银行业治理和审批检查仍是主要障碍，需根据行业特点定制化解决方案。