人工智慧應用需謹慎對待
技術實施問題
許多公司對生成式人工智慧表現出極大興趣,但將這種渴望從概念證實轉化為實際產品卻變得更具挑戰性。根據最近幾項研究發現,該項技術的實施比想像中更加複雜。許多公司遇到技術實施中的困難,這可能是由於技術債務或人才缺乏所致。
技術障礙
許多公司在實施人工智慧解決方案時面臨評估和證實價值的困難(佔 49%)以及人才短缺(佔 42%)等兩大障礙。這些元素可能成為公司的主要障礙。
資料準備
資料準備不足也是一個重要因素,其中 39%的受訪者在 Gartner 的調查中表示缺乏資料是成功實施人工智慧的主要障礙之一。
價值發現
在評估生成式人工智慧方面,公司必須謹慎行事並尋找真正的投資回報(ROI)。在一篇關於人工智慧價格模型的文章中,某些 CIO 表示衡量生成式人工智慧投資回報是相當具挑戰性的。
尋找價值
與十五年前的雲端計算一樣,CIO 自然會保持謹慎態度。他們看到生成式人工智慧所帶來的潛力,但也需要關注基本事項,如治理與安全。同時他們也需要看到真正的投資回報。
公司普遍面臨的挑戰
這項技術可能提供了更好的解決方案,但是需要謹慎行事,找到確實產生價值的方法。
建議與結語
雖然公司實施生成式人工智慧將面臨諸多挑戰,但我們建議不要因治理、安全和技術等問題而感到束手無策,也不應盲目追隨各種炒作。最好的方法是找到確實產生價值的事情並從中建立。
延伸閱讀
- Anthropic 尋求資助新一代更全面的人工智慧基準測試
- 日本智慧人力資源科技公司 SmartHR 成功募集 1.4 億美元 E 輪融資,年度收入達到 1 億美元
- 蘋果報導:打算讓 AI 登陸 Vision Pro
- ServiceNow 利用平臺上的資料,推出生成式 AI 解決方案
- 印度最大的人工智慧新創公司:基於籌資金額排名
- 雲端與人工智慧驅動傳統軟體公司創下歷史新高估值
- 人工智慧領域的女性領袖:Sarah Bitamazire 協助企業實施負責任的人工智慧
- 麻省理工學院機器人先驅 Rodney Brooks 認為人們對生成式人工智慧大大高估
- 小心微笑的機器人和有生命的皮膚 🤖👀
- Agility 的仿人機器人即將處理你的 Spanx