企業如何應對生成式人工智慧的採用和挑戰
第一部分：經濟影響和挑戰
最近，開源人工智慧解決方案公司 ClearML 與 AI 基礎設施聯盟（AIIA）合作，進行了一項關於財富 1000（F-1000）企業採用生成式人工智慧的研究。這項名為“企業生成式人工智慧採用：C 級主管關鍵考量、挑戰和實現規模化人工智慧的策略”的研究揭示了高級主管面臨的經濟影響和重要挑戰以及在企業內部實現人工智慧潛力的困難。
全球研究顯示 59%的 C 級主管缺乏滿足商業領導層對生成式人工智慧創新預期的必要資源。預算約束和資源有限成為成功採用人工智慧業務的關鍵障礙，阻礙了實現有形價值的創造。
同時研究還發現，66%的受訪者無法完全測量他們的人工智慧/機器學習專案對利潤的影響和投資回報（ROI）。這凸顯出那些在大型企業內部資金匱乏、人手不足和治理不善的人工智慧、機器學習和工程團隊無法有效量化成果的深切無能。
因此 ClearML 的聯合創始人兼執行長 Moses Guttman 告訴 VentureBeat：“雖然大多數受訪者表示他們需要擴大人工智慧應用，但他們也表示缺乏預算、資源、人才、時間和技術等條件來實現。”他認為，現在企業需要將關鍵資源配置到人工智慧投資上，以實現組織的有效轉型。
研究還突顯了來自人工智慧和機器學習投資的收入預期不斷攀升。超過半數的受訪者（57%）表示董事會預期在未來財政年度中從這些投資中實現雙位數增長，而 37%則預計單位數增長。該研究收集了 1000 名 C 級主管的回答，包括首席資料官、首席訊息官、首席資料和分析官、人工智慧和數位轉型副總裁以及技術長。根據 ClearML 的說法，這些高管是財富 1000 和大型企業的生成式人工智慧轉型的推動者。
第二部分：生成式人工智慧的採用狀況
根據這項研究，大多數受訪者認為將 AI 和機器學習應用於創造業務價值是至關重要的。81%的受訪者將其評為頂級優先事項或前三項優先事項之一。此外 78%的企業計劃在 2023 財政年度將採納 xGPT / LLMs /生成式人工智慧作為其人工智慧轉型計劃的一部分，另外 9%計劃在 2024 年開始採納，將總數增至 87%。受訪者幾乎一致（88%）表示他們的組織計劃對生成式人工智慧的採用和使用制定專門政策。
然而儘管生成式人工智慧和機器學習的採用是企業內部的關鍵收入和創新引擎，但 59%的 C 級領導人缺乏足夠的資源來實現商業領導對生成式人工智慧創新的期望。他們面臨著預算和資源約束，這阻礙了採用和價值創造。具體而言，人力、流程和技術被 F-1000 和大型企業高管確保為建立、執行和管理 AI 和機器學習流程時的關鍵問題：42%的受訪者表示迫切需要人才，特別是 AI 和機器學習方面的專家人才，來推動成功；另外 28%的人則表示技術是關鍵障礙，這表明缺乏一個統一的軟體平臺來管理組織的所有 AI /機器學習流程；22%的人則表示時間是一個重要挑戰，他們描述了在資料收集、準備和手動流程建立上花費過多時間；此外 88%的受訪者表示他們的組織希望在部門之間標準化使用單一的 AI /機器學習平臺，而不是為不同團隊使用不同的點解決方案。
ClearML 的 Guttmann 告訴 VentureBeat：“企業決策者今年計劃增加生成式人工智慧和機器學習的投資，但根據我們的調查結果，他們尋求一個集中化的端到端平臺，而不是將資金分散在多個點解決方案中。”他還表示：“隨著對實現人工智慧和機器學習投資的商業價值感興趣程度的增加，我們預計對於增加可見性、無縫整合和低程式碼的需求將推動生成式人工智慧的採用。”
第三部分：生成式人工智慧採用面臨的關鍵挑戰
該研究發現，快速增長的人工智慧和生成式人工智慧治理關切已導致嚴重的財務和經濟後果。研究發現，54%的首席資料官、執行長、首席訊息官、AI 負責人和技術長報告稱，他們在治理 AI /機器學習應用程式方面的失敗導致企業損失，而 63%的受訪者報告稱，由於其 AI /機器學習應用程式的不完善治理，他們的企業損失了 5,000 萬美元或更多。
當被問及在全組織和業務部門中採用生成式人工智慧/ LLMs / xGPT 解決方案面臨的主要挑戰時，受訪者確保了五個主要挑戰：64%的受訪者對定制和靈活性表示擔憂，尤其關注使用內部新鮮資料定制模型的能力；63%的受訪者將資料保全排在首位，重點是生成 AI 模型並保護公司知識以維持競爭優勢和保護企業智慧財產權；60%的受訪者強調治理是一個重要挑戰，強調在組織內約束對敏感資料的存取和管理的重要性；56%的受訪者指出安全和合規性是他們關注的焦點，因為企業依賴於公共 API 來存取生成式人工智慧模型和 xGPT 解決方案，這使他們暴露於潛在的資料洩露和隱私問題；53%的受訪者將效能和成本列為首要挑戰之一，主要與固定 GPT 效能和相關成本有關。
根據 Guttmann 的說法，調查中發現的能見度、可度量性和可預測性的缺乏對於成功採用新技術構成了一個棘手的障礙。這些因素對於成功至關重要。他說：“企業客戶應該努力獲得在本地安裝上安全地使用內部業務資料訓練的開箱即用 LLM 效能，從而實現降低雲成本和更好的回報。”在 VB Transform 期間，ClearML 推出了一個新的企業成本管理中心。該中心讓企業客戶能夠高效地管理、預測和降低不斷增長的雲成本。此外該公司計劃推出一個計算器，以幫助企業理解和預測總擁有成本和生成式人工智慧的隱藏企業成本。ClearML 表示這個工具將為更好的成本管理和明智的決策提供有價值的洞察。
延伸閱讀
- 亞馬遜推出 Bedrock Studio：簡化生成式人工智慧應用開發
- 本週人工智慧大事記：生成式人工智慧與創作者補償的問題
- 蘋果 AI 計劃揭祕：從財報中學到的三件事
- Dropbox、Figma CEO 支援 Lamini：新創公司打造企業專用生成式人工智慧平臺
- 美國 NASA 向私人太空公司訂購研究，探討火星任務支援角色
- 微軟選擇與 Sanctuary AI 合作進行通用機器人研究
- 前 Snap 研究人員正在利用人工智慧打造下一代 Bitmoji - 輕鬆創作個人化貼圖
- 亞馬遜計劃託管企業定製的生成式人工智慧模型
- Google 雲端大會：Google 全力開發生成式人工智慧
- Google 將生成式人工智慧技術注入其雲安全工具
