根据德勤最新的企业生成式AI状态研究报告，组织需要通过其生成式AI计划创造出显著和持久的价值，时间紧迫。报告确定了公司从潜力走向绩效的关键方法，包括：在初步成功的基础上建立成功：提高效率、生产力和降低成本仍然是组织寻求的首要利益。这些也是42%的受访者——2770名企业领导者——称之为迄今为止最重要的已实现利益。
此外，58%的受访者表示实现了一系列更多元化的重要利益，如创新增加、产品和服务改进或客户关系增强。努力扩大规模：三分之二的受访组织表示，他们正在增加对生成式AI的投资，因为他们看到了强劲的早期价值。然而，近70%的受访者表示，他们的组织将少于30%的生成式AI实验转入生产阶段。现代化数据基础：四分之三的受访者表示，他们的组织在数据生命周期管理方面增加了投资，以支持其生成式AI策略。
主要措施包括提高数据安全性（54%）和改善数据质量（48%）。然而，数据问题仍然对进展产生负面影响——55%的组织报告称由于数据相关问题而避免某些生成式AI用例。减轻风险并为监管做好准备：组织在应对生成式AI带来的风险管理和治理挑战时准备明显不足——只有23%认为其组织做了充分准备。事实上，阻碍组织开发和部署生成式AI工具和应用程序的前四大因素中有三个是风险、监管（如欧盟的AI法案）和治理问题。
通过衡量保持势头：超过40%的受访者表示，他们的公司在定义和衡量其生成式AI计划的具体影响方面遇到了困难。德勤报告的10个关键要点如下：大多数企业正在增加对生成式AI的投资：鉴于迄今为止的强大价值，67%的组织表示他们正在增加对生成式AI的投资。多数企业报告称其收益超越了生产力、效率和成本降低——58%包括增加创新（12%）、改进产品和服务（10%）、增强客户关系（9%）等收益。
企业领导对AI高度关切：调查受访者表示，大多数高级管理人员（63%）和董事会（53%）对生成式AI的兴趣保持“高”或“非常高”。企业中扩大AI采用必须是优先事项：然而，许多生成式AI努力仍处于试点或概念验证阶段，大多数受访者（68%）表示其组织将少于30%的生成式AI实验完全投入生产。大多数组织已经部署了不到三分之一的生成式AI实验进入生产阶段。
生成式AI计划从试点到生产的关键要素包括（我加粗了我认为最重要的元素）：
– 清晰的高影响力用例组合
– 雄心勃勃的战略和价值管理导向
– 强大的生态系统合作
– 健全的治理
– 敏捷的运营模式和交付方法
– 综合的风险管理
– 透明性以创建对安全AI的信任
– 转变的角色、活动和文化
– 获取外部并发展内部人才
– 模块化架构和通用平台
– 现代数据基础
– 提供正确的AI基础设施
– 有效的模型管理和运作
生成式AI采用和扩展的障碍是传统技术：
技术基础设施（45%）和数据管理（41%）表现最好，其次是战略（37%）、风险和治理（23%）及人才（20%）。组织认为他们准备好迎接生成式AI了吗？没有。准备情况按类别划分——技术基础设施（45%）、数据管理（41%）、战略（31%）、风险和治理（23%）及人才（20%）。所有AI项目的起点和终点都是数据项目，因此这些准备数字令人担忧。企业正在更多地投资于数据生命周期管理：
5%的企业由于生成式AI而增加了在数据生命周期管理方面的技术投资。数据管理的关注度很高：模型中使用敏感数据（57%）、管理数据隐私相关问题（58%）、管理数据安全相关问题（57%）、遵守数据治理（49%）、在模型中使用公司专有数据（38%）。成功部署生成式AI解决方案的关键是数据信任层。数据相关问题导致我们调查的55%的组织避免某些生成式AI用例。
生成式AI工具和应用成功开发和部署的前三大障碍与风险相关：对法规遵从的担忧（36%）、管理风险的困难（30%）、缺乏治理模型（29%）。只有23%的受访组织认为他们已做好充分准备来管理风险。在AI投资中衡量价值很困难但可行：根据德勤的调查结果，41%的组织在定义和衡量其生成式AI努力的确切影响上遇到了困难。
一些企业报告采用了正式方法来衡量和传达生成式AI的价值创造，包括使用特定的KPI来评估生成式AI的表现（48%）和建立评估生成式AI投资的框架（38%）。值得注意的是，尽管大多数（54%）的组织在寻求效率和生产力改进，但只有38%表示他们在跟踪员工生产力变化。只有35%追踪AI投资的回报。研究发现，只有16%的组织报告他们为CFO定期提供关于生成式AI创造的价值的报告。聪明的技术领导者知道：
没有IT项目，只有商业项目。AI的投资、部署和采用必须基于业务成果来衡量——而且应该超越生产力和成本削减的目标。技术最好的使用是改善生活和工作的质量——为你的员工、客户、商业伙伴和您服务的社区。