微新創想（idea2003.com）7月21日 消息:一項最近的研究揭示了 Fortune1000（F-1000）企業在采用生成式人工智能(generative AI)方面的情況。這項由開源 AI 解決方案公司 ClearML 與 AI 基礎設施聯盟(AIIA)合作進行的研究揭示了高管面臨的挑戰和資源不足問題。

據全球調查顯示，根據這項全球研究，59% 的高管缺乏必要的資源來滿足企業領導層對生成式人工智能創新的期望。預算限制和有限的資源成為企業成功采用人工智能的關鍵障礙，阻礙了有形價值的創造。

研究還發現，66% 的受訪者無法完全衡量其AI/ML項目對利潤的影響和投資回報 （ROI） 。這凸顯了大型企業中資金不足、人員不足和管理不足的人工智能、機器學習和工程團隊根本無法有效量化結果。

調查還發現，企業對人工智能和機器學習投資的收入期望越來越高。超過半數的受訪者（57%）表示，他們的董事會預計在未來財年從這些投資中獲得兩位數的增長，而37% 預計增長率為個位數。

生成式人工智能的采用情況

根據該研究，大多數受訪者認為釋放人工智能和機器學習用例來創造商業價值至關重要。81%的受訪者將其視為最優先事項或三大優先事項之一。

此外，78% 的企業計劃在2023財年采用 xGPT/LLM/生成式人工智能作為其人工智能轉型計劃的一部分，另有9% 的企業計劃在2024年開始采用，使總數達到87%。

受訪者也幾乎一致 （88%） 同意其組織計劃實施針對跨企業業務部門采用和使用生成式人工智能的政策。

盡管生成式人工智能和機器學習在企業中是一個關鍵的收入和創新引擎，59% 的高管缺乏充足的資源來滿足商業領導層對生成式 AI 創新的期望。

他們面臨預算和資源限制，阻礙了采用和價值創造。具體來說，在構建、執行和管理人工智能和機器學習流程時，人員、流程和技術都是 F-1000和大型企業高管確定的關鍵痛點:

42% 的受訪者表示迫切需要人才，尤其是人工智能和機器學習專家，以推動成功。

另外28% 的受訪者將技術視為主要障礙，表明缺乏統一的軟件平臺來管理其組織 AI/ML 流程的各個方面。

22% 的受訪者將時間視為主要挑戰，表示在數據收集、準備和手動管道構建上花費了過多的時間。

阻礙生成式人工智能采用的主要挑戰

調查揭示了生成式人工智能采用中的一些主要挑戰，包括定制和靈活性、數據保護、治理、安全與合規性以及性能和成本。AI 和生成式 AI 治理的關注不斷上升，導致了嚴重的財務和經濟后果。

研究發現，54% 的首席數據官、首席執行官、首席信息官、人工智能主管和首席技術官表示，他們未能治理人工智能/機器學習應用程序給企業帶來了損失，而63% 的受訪者表示，由于人工智能/機器學習應用程序治理不力，損失達5000萬美元或更多。

當被問及在企業和業務部門中采用生成式 AI/LLMs/xGPT 解決方案時的主要挑戰和障礙時，受訪者確定了五個主要挑戰，包括定制和靈活性、數據保留、治理、安全與合規性以及性能和成本。因此，企業需要增加對生成式 AI 的投資，并尋求集中的端到端平臺，以提高可見性、無縫集成和低代碼，從而推動生成式 AI 的采用。