生成式人工智能 (AI) 正在成为一场重大革命，能够深刻改变生产力和创新。然而，它与公司的整合并非没有陷阱。在SAS 和 Coleman Parks 自 2024 年 4 月进行的 Gen AI 研究摘要中，您将发现组织在面对这项新技术时遇到的关键人物和挑战。
54% 的公司已经采用生成式人工智能
根据对全球 1,600 家公司的研究，超过一半 (54%) 已经开始部署生成式人工智能，11% 已将其完全整合到公司范围内。采用率最高的地区是北美、亚太地区（63%）以及北欧（55%）。电信、零售和保险行业在这场创新竞赛中处于领先地位，而医疗保健、制造业和公共部门仍然落后。
另一方面，尽管取得了这些进展，但只有 10% 的公司表示他们已做好充分准备，以应对有关该技术的新兴法规。治理和合规方面准备不足引发了人们对使用生成式人工智能的数据安全和道德的担忧。值得注意的是， 76% 的公司表达了与数据隐私相关的担忧。
89% 的公司看到员工体验有所改善
生成人工智能的影响已经体现在企业的积极成果中。因此， 89% 的受访者表示生成式人工智能改善了员工体验，而82% 的受访者表示运营成本显着降低。这些数字凸显了该技术在重塑内部流程和提高效率方面的潜力。然而，一切并不那么简单：尽管取得了这些成功，但 39% 的组织在将生成式 AI 集成到现有系统中时遇到了困难， 34% 的组织表示成本过高。
41% 的企业在尝试将该技术与现有工具集成时遇到技术兼容性问题，从而阻碍了广泛采用。
51% 的公司缺乏生成型人工智能人才
缺乏内部技能是成功采用生成式人工智能的主要障碍。 51% 的公司认为，他们内部不具备充分利用这项技术所需的技能， 39% 的公司已经遇到了与缺乏人才相关的障碍。这种缺陷在医疗保健、制造和公共部门等领域尤其明显，这些领域掌握人工智能模型所需的技能特别稀缺。相反，电信行业受到的影响较小，只有 24% 的公司报告存在这种困难。
只有 5% 拥有衡量模型偏差的系统
虽然生成式 AI 依赖于机器学习模型 ( LLMs )，但只有 5% 的组织拥有可靠的系统来衡量这些模型中的偏见和隐私风险。这种缺陷使公司面临道德风险，可能影响基于人工智能的决策的质量并导致合规问题。 71% 的公司没有自动跟踪系统来实时监控生成式 AI 模型，这凸显了结构性治理的缺乏。
成功的关键：强有力的治理和战略
为了成功实施生成式人工智能，该研究建议了四个主轴：
- 全面治理：只有 10% 的公司感到准备好满足即将到来的监管要求。更好的准备，特别是在数据隐私和偏见方面，是至关重要的。
- 战略部署：定义清晰的用例、快速产生投资回报、最大化生成式人工智能的价值至关重要。
- 技术集成：生成式人工智能必须无缝集成到现有系统中，否则就有未被充分利用的风险。选择正确的工具是基础。
- 专业知识和支持：内部技能的获取或发展对于充分发挥生成人工智能的潜力至关重要。
39% 的公司尚未制定生成式人工智能政策，从长远来看，这可能会成为障碍。此外， 93% 的技术决策者承认没有完全理解生成式人工智能对其流程的影响。