Forrester 揭示了实现生成性人工智能成功的关键障碍

Home AI News CN Forrester 揭示了实现生成性人工智能成功的关键障碍

2023年是一个转折点，生成性人工智能实现了主流化，主要受到ChatGPT成功的启发。随着我们迈向2024年，许多组织渴望将生成性人工智能整合进其工作流程，以充分释放其在企业中的潜力。

然而，最新的Forrester Consulting调查显示，针对220位北美公司的人工智能决策者，仍然存在关于生成性人工智能风险的担忧及阻碍其更广泛应用的障碍。

主要障碍

调查指出，生成性人工智能的实际应用面临重大挑战，其中常见的问题包括“幻觉”现象。这些问题使许多组织停留在探索或实验阶段，妨碍它们为计划的用例实施基础模型。

生成性人工智能的变革潜力

尽管面临挑战，各个行业的组织仍然认识到生成性人工智能的变革能力。在为Dataiku进行的Forrester调查中，83%的受访者表示他们正在探索或实验生成性人工智能。其中超过60%的受访者认为其对商业战略至关重要，并计划在未来一年内将数据及人工智能的投资增加10%。

商业领袖表示，他们已经识别出多个生成性人工智能的应用场景，包括：

- 提升客户体验（64%）

- 产品开发（59%）

- 自助数据分析（58%）

- 知识管理（56%）

调查显示，受访者对生成性人工智能的多样化应用充满热情，预计在未来两年内将改善产品和运营效率。

实施挑战依旧

尽管充满希望，生成性人工智能有效应用依然面临重大阻碍。主要挑战包括潜在的数据保护和隐私法律违规（31%），以及需要提升的技能与治理结构（31%），以应对生成性人工智能的复杂性。此外，超过50%的领导者强调了偏见与幻觉风险，这可能会影响输出质量。

这些风险因缺乏适当的生成性人工智能基础设施而加剧。调查显示，不足的数据基础设施是最大障碍，35%的受访者表示在数据消费、存储和共享方面遇到困难。受访者还报告了与现有系统集成的困难（35%）以及计算能力的限制（27%）。其他障碍包括治理机制（35%）、人工智能的可解释性和透明度（25%）、技能差距（31%）和模型的可扩展性。

解决方案

为了解决这些实施障碍，组织应采用协作方法，利用提供现成解决方案的人工智能平台，实现加速开发、无缝集成和强有力的治理框架。

根据麦肯锡的研究，生成性人工智能有潜力为全球企业年利润增加2.6万亿到4.4万亿美元，预计银行、高科技和生命科学行业将受益最大。

发现微软Copilot应用：你绝不能忽视的隐秘AI发布

转型银行业：提升数字化客户旅程，超越简单交易