组织对生成式人工智能提高业务和人员生产力的潜力充满热情，但缺乏战略规划和人才短缺阻碍了他们实现其真正价值。
这是根据 Coleman Parkes Research 在 2024 年初进行的一项研究得出的结论，该研究由数据分析公司 SAS 赞助，该研究调查了 300 名美国 GenAI 战略或数据分析决策者，以了解主要投资领域和组织面临的障碍。
SAS 战略人工智能顾问 Marinela Profi 表示：“各组织逐渐意识到，仅靠大型语言模型 (LLM) 并不能解决业务挑战。
“GenAI 应该被视为超级自动化以及现有流程和系统加速的理想贡献者，而不是帮助组织实现所有业务愿望的新闪亮玩具。花时间制定渐进式战略并投资于提供法学硕士集成、治理和可解释性的技术，是所有组织在全力投入并“陷入困境”之前应该采取的关键步骤。”
组织在四个关键实施领域遇到了障碍：
• 增强对数据使用的信任并实现合规性。只有十分之一的组织拥有可靠的系统来衡量法学硕士的偏见和隐私风险。此外，93%的美国企业缺乏针对GenAI的全面治理框架，大多数企业在监管方面面临不合规风险。
• 将GenAI 集成到现有系统和流程中。组织透露，他们在尝试将 GenAI 与当前系统结合时遇到了兼容性问题。
• 才能和技能。缺乏内部 GenAI。由于人力资源部门缺乏合适的员工，组织领导者担心他们无法获得必要的技能来充分利用 GenAI 投资。
• 预测成本。领导者们列举了与使用法学硕士相关的令人望而却步的直接和间接成本。模型创建者提供了代币成本估算（组织现在意识到这是令人望而却步的）。但私人知识准备、培训和 ModelOps 管理的成本是漫长而复杂的。
Profi 补充道：“这将归结为确定现实世界的用例，以可持续和可扩展的方式提供最高价值并解决人类需求。
“通过这项研究，我们将继续致力于帮助组织保持相关性、明智地投资资金并保持弹性。在人工智能技术几乎每天都在发展的时代，竞争优势在很大程度上取决于接受弹性规则的能力。”
该研究的详细信息于今天在拉斯维加斯举行的 SAS Innovate 上公布，该会议是 SAS Software 面向企业领导者、技术用户和 SAS 合作伙伴举办的人工智能和分析会议。
发表评论