研究显示：59%组织缺乏资源来满足生成式AI创新的期望

　　一项最近的研究揭示了 Fortune1000(F-1000)企业在采用生成式人工智能(generative AI)方面的情况。这项由开源 AI 解决方案公司 ClearML 与 AI 基础设施联盟(AIIA)合作进行的研究揭示了高管面临的挑战和资源不足问题。

　　据全球调查显示，根据这项全球研究，59% 的高管缺乏必要的资源来满足企业领导层对生成式人工智能创新的期望。预算限制和有限的资源成为企业成功采用人工智能的关键障碍，阻碍了有形价值的创造。

　　研究还发现，66% 的受访者无法完全衡量其AI/ML项目对利润的影响和投资回报 (ROI) 。这凸显了大型企业中资金不足、人员不足和管理不足的人工智能、机器学习和工程团队根本无法有效量化结果。

　　调查还发现，企业对人工智能和机器学习投资的收入期望越来越高。超过半数的受访者(57%)表示，他们的董事会预计在未来财年从这些投资中获得两位数的增长，而37% 预计增长率为个位数。

　　生成式人工智能的采用情况

　　根据该研究，大多数受访者认为释放人工智能和机器学习用例来创造商业价值至关重要。81%的受访者将其视为最优先事项或三大优先事项之一。

　　此外，78% 的企业计划在2023财年采用 xGPT/LLM/生成式人工智能作为其人工智能转型计划的一部分，另有9% 的企业计划在2024年开始采用，使总数达到87%。

　　受访者也几乎一致 (88%) 同意其组织计划实施针对跨企业业务部门采用和使用生成式人工智能的政策。

　　尽管生成式人工智能和机器学习在企业中是一个关键的收入和创新引擎，59% 的高管缺乏充足的资源来满足商业领导层对生成式 AI 创新的期望。

　　他们面临预算和资源限制，阻碍了采用和价值创造。具体来说，在构建、执行和管理人工智能和机器学习流程时，人员、流程和技术都是 F-1000和大型企业高管确定的关键痛点:

　　42% 的受访者表示迫切需要人才，尤其是人工智能和机器学习专家，以推动成功。

　　另外28% 的受访者将技术视为主要障碍，表明缺乏统一的软件平台来管理其组织 AI/ML 流程的各个方面。

　　22% 的受访者将时间视为主要挑战，表示在数据收集、准备和手动管道构建上花费了过多的时间。

　　阻碍生成式人工智能采用的主要挑战

　　调查揭示了生成式人工智能采用中的一些主要挑战，包括定制和灵活性、数据保护、治理、安全与合规性以及性能和成本。AI 和生成式 AI 治理的关注不断上升，导致了严重的财务和经济后果。

　　研究发现，54% 的首席数据官、首席执行官、首席信息官、人工智能主管和首席技术官表示，他们未能治理人工智能/机器学习应用程序给企业带来了损失，而63% 的受访者表示，由于人工智能/机器学习应用程序治理不力，损失达5000万美元或更多。

　　当被问及在企业和业务部门中采用生成式 AI/LLMs/xGPT 解决方案时的主要挑战和障碍时，受访者确定了五个主要挑战，包括定制和灵活性、数据保留、治理、安全与合规性以及性能和成本。因此，企业需要增加对生成式 AI 的投资，并寻求集中的端到端平台，以提高可见性、无缝集成和低代码，从而推动生成式 AI 的采用。