生成式人工智能在 2022 年底成為一個家喻戶曉的詞,並得到了大規模採用。 數以百萬計的消費者已經在使用生成式人工智能,企業正在探索如何利用該技術來獲得競爭優勢。 這波人工智能浪潮呈現出一個悖論:一方面,它足夠直觀,人們只需很少或根本不需要培訓就能掌握。 另一方面,它的潛在用途和濫用使得組織面臨相當大的學習曲線和部署挑戰。
為了更好地了解這項備受矚目的技術的商業影響,TechTarget 的企業戰略小組調查了 670 在其組織中使用生成式人工智能的技術和業務決策者。 這項全球調查對首席級高管、董事、經理和員工以及其他專業人士進行了調查。
由此產生的報告《超越 GenAI 炒作:現實世界的投資、用例和擔憂》量化了生成式人工智能在企業中的廣泛和早期接受程度。 在這次採訪中,Enterprise Strategy Group 分析和人工智能首席分析師 Mike Leone 討論了該技術的採用狀況、資金承諾和廣泛的利益相關者生態系統。
您認為這項研究的主要結論是什麼?
邁克·萊昂內
Mike Leone:我們看到了行業的廣泛採用:54% 的組織將在未來 12 個月內採用生成式 AI。 這可能是我一生中最快的企業技術採用率。
令人擔憂的部分是什麼? 由於組織正在向不同的業務部門施加壓力,要求他們使用和利用這項技術,因此他們需要在處理該技術的方式上做出權衡。 因此,它實際上給組織帶來了相當大的風險,無論是合規性、隱私、治理、安全等。在涉及這些項目時,組織開始採取更堅定的立場並建立指導和框架,但由於壓力為了創新和加速GenAI 計劃,我們實際上看到他們必須稍微後退。
因此,雖然企業採用率表明這並不是炒作,但它仍然帶來了相當大的風險。
大多數組織將在 12 個月內採用生成式人工智能。
廣泛的利益相關者生態系統中的“影子人工智能”
另一個組成部分實際上是圍繞利益相關者生態系統的。 傳統上,利用人工智能將來自技術方面的人員。 也許是數據科學團隊中的某個人,甚至可能是 IT 部門的某個人來負責。
我們現在看到的生成式人工智能是,業務線領導者,或者只是一般的業務人員,正在被授權利用這種 GenAI 技術。 供應商使用帶有提示前端的預訓練模型,使採用這項技術變得如此容易 ChatGPT或託管服務,支持自助服務並消除底層基礎設施和/或數據管理組件的猜測。
當涉及到做什麼以及何時做的決策時,不僅僅是數據團隊,也不僅僅是 IT 部門。 這是商業領袖。 是開發商。 幾乎組織內的每個人都擁有計算機。 這是銷售人員和營銷人員。
這種廣泛的利益相關者生態系統確實很有趣,因為很多業務人員並沒有涉及技術方面的人員。 像你我這樣的人中有 78% 正在利用生成式人工智能供個人使用。 這是一個巨大的數字。 從影子人工智能的角度來看,這是一個巨大的風險。 另一方面:只有 36% 的組織實施了任何阻止或限制人工智能使用的政策。 該規模非常有利於個人使用,在某些情況下幾乎忘記了合規性、隱私和安全性。 這確實需要平衡。
近 80% 的受訪者將生成式人工智能用於個人用途。
生成式人工智能的主要用例
要涉及的另一個方面是遍布企業技術內所有不同領域的廣泛用例。 我認為今天真正出現的用例 [are] 專注於 CX 方面並改變客戶體驗 – 因此,虛擬助理、呼叫中心、聯絡中心。
另一個 [area] 只是圍繞生產力的提高。 這就是摘要、內容和代碼生成,然後企業搜索也是一個非常好的機會。
供應商在生成式人工智能的採用中可以發揮什麼作用?
Leone:對於採用者來說,克服技能差距將非常困難。 正因為如此,合作夥伴和專業服務生態系統將存在巨大的機會。 我們已經開始看到有如此多的供應商定位解決方案,並伴隨著某種類型的專業服務。 供應商和合作夥伴正在回答諸如“您面臨的挑戰是什麼?”之類的問題。 你的目標是什麼? 正在進行哪些舉措? 內部有什麼可用的? 他們將能夠快速識別可能影響您的業務的用例,然後提供技術指導以確保成功,無論是提供對開源模型還是預構建解決方案的訪問。
供應商確實在努力定位引導客戶從構思到大規模完成的概念。 這確實凸顯了合作夥伴生態系統至關重要的事實。 肯定有一些供應商走在前面。 但您需要合作,而且可能會與多個供應商、諮詢公司或第三方合作。
讓我們回到個人使用生成式人工智能的高比例。 這有什麼好處嗎? 對於任何新興技術,用戶接受度通常是最難的部分之一。
Leone:人工智能面臨的最大挑戰之一是獲得公司的全面支持。 我認為,隨著 GenAI 工具的可及性,人們實際上願意嘗試; 他們看到了這項技術的力量。
事實上,你或我可以使用生成式人工智能工具並真正跳出框框進行思考——這是巨大的,因為在過去,要做到這一點有太多的繁文縟節。 或者成本很高。 或者其他人可以控制啟用它,例如 IT。 我認為從消費者的角度來看,因為它很容易獲得,繁文縟節已經被取消,人們可以看到這種力量並說,‘好吧,我已經玩過這個了。 我知道它不僅可以為我,也可以為我的團隊或同事增加價值。 我們需要開始以更正式的方式追求這一目標。
該報告將網絡安全彈性、數字化轉型、削減成本、自動化和應用程序現代化等領域列為戰略性企業舉措。 生成式人工智能會重塑這些舉措嗎? 數字化轉型是否會成為人工智能轉型? 或者更確切地說,人工智能是數字化轉型中的一項使能技術?
Leone:隨著組織設置護欄並且人們對它更加信任,GenAI 將重塑許多領域。 我認為 GenAI 能力將成為所有這些不同領域的籌碼,組織和個人將能夠做更多事情——提高生產力、提高運營效率、加速產品交付、更快創新、進行更多實驗等。
應用程序現代化是 example,開發人員轉向生成式人工智能來幫助代碼生成。 它並沒有取代開發人員的工作,而是使開發人員能夠在一定程度上提高生產力,以便現在就可以嘗試某些東西,例如以不同的編程語言提供代碼來解決相同的問題。 或者,即使不是專家開發人員,對於正在研究應用程序開發現代化的人們來說,也會有一定程度的改進。
在網絡彈性方面,我認為生成式人工智能將使組織能夠真正提高其響應水平。 與其說是監控和警報,不如說是更多 [about] 使用合成數據做事。 想像一下,能夠獲取公司的所有網絡流量,然後根據該數據生成一個數據集,並添加一個新的異常 [an] 組織以前沒有見過並測試如何 [its] 系統會做出反應。
關於生成式人工智能的預算分配,您是否對報告中的承諾水平感到驚訝?
Leone:所以,我們問了兩個問題。 第一個是關於分配給 GenAI 的總體組織預算。 百分之四十八的組織表示:“是的,我們有這樣的預算。” 該預算可能來自任何地方,但由於知道大量技術投資來自 IT 預算,我們提出了一個後續問題,即分配給 GenAI 的 IT 預算百分比。
有趣的是,根據我與早期採用者的對話,很多預算都來自 IT 外部。 因此,我們發現 GenAI 的 IT 預算比例很低。 這意味著還有其他預算來自企業 [functions] 這些問題將提交給 GenAI,而且在許多情況下,他們甚至沒有將 IT 納入討論,直到為時已晚。 這些都是企業主導的舉措。
預算分配強調了企業對採用生成式人工智能的承諾。
這對 IT 有何說明? IT 是否會向業務讓出更多地盤,並更多地關注安全和治理等問題?
Leone:這可能聽起來很極端,但我認為在技術利益相關者的參與方面將會有一定程度的清算。 IT 需要了解基礎設施要求才能滿足這些 GenAI 計劃。 多少存儲空間? 需要多少計算量? 預期的並發級別是多少? 這些資源需要如何擴展? 這只是開始。 數據團隊呢? 是否有敏感數據? 它是用來訓練模型的嗎? 是否有人無意中輸入了敏感數據?
我還認為,根據 GenAI 為一些組織指明的方向,IT 將有很多機會將其專業知識擴展到一些新興領域。 我認為將會有更多的治理機會。 我認為將會有更多的安全機會。 如果我是一名 IT 人員,我會接受這一點 — 從 IT 運營的角度將知識擴展到我習慣做的事情之外的能力。
閱讀完整的調查結果
企業戰略組訂閱者可以點擊 這裡 了解本問答所涵蓋的調查報告。
編者註: 為了清晰和長度,本次採訪經過編輯。