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。
