生成式人工智能面临的主要发展障碍

2023年是生成式人工智能走向主流的一年，许多公司受到ChatGPT成功的启发，纷纷采用生成式AI，推出企业应用。随着2024年的到来，越来越多的公司将生成式AI更多地融入他们的工作流程中，以充分发挥AI的商业价值。

然而，Forrester咨询公司对北美公司的220名AI决策者进行的调查发现，许多人仍然对AI的风险感到担忧，并认为其采用存在障碍。

该调查突出了主要障碍（包括众所周知的问题，如幻觉），这些障碍使组织停留在探索或实验阶段，阻止他们实际运用基础模型进行计划中的用例。如果团队计划加倍投入生成式AI，这是他们必须努力解决的问题。

企业开始认识到生成式AI的变革潜力

鉴于互联网上成功案例的堆积，各行各业的组织已经认识到生成式AI的变革潜力。在Forrester上个月代表Dataiku进行的调查中，83%的受访者表示他们正在探索或实验生成式AI。同时，超过60%的人声称他们认为这对他们的商业战略至关重要或非常重要，并计划在未来12个月内将数据/AI计划的投资增加多达10%。领导者们还强调他们已经有了在管道中的用例。超过一半的受访者表示，他们已经确定了该技术的多种潜在应用，包括：

• 增强客户体验（64%）
• 产品开发（59%）
• 自助数据分析（58%）
• 知识管理（56%）

“这反映了一种探索和好奇的情绪，组织被其潜在应用的广度所吸引，预计在未来两年内将全面拥抱其变革能力的多样性，”调查指出。受访者补充说，这些应用预期的更广泛优势包括增强现有产品/服务、创造新产品/服务和优化内部和外部运营。

AI的主要应用障碍仍然存在

尽管前景乐观，领导者们指出了成功采用生成式AI的道路上的三大障碍：

• 偏见和幻觉对生成式AI输出质量的风险（超过50%）。
• 违反数据保护和隐私法的风险（31%）。
• 生成式AI复杂性带来的开发技能和治理挑战（31%）。

更重要的是，当组织未能提供生成式AI采用的基础设施先决条件时，所有这些风险都会进一步放大。根据调查，这方面的最大障碍是缺乏强大的数据基础设施。多达35%的受访者提到，不足以支持大量数据的消费、存储和共享的基础设施是一个痛点。

受访者指出的其他AI采用障碍包括：

• 数据基础设施（35%）
• 与现有基础设施集成（35%）
• 处理治理机制（35%）
• 人才和技能差距（31%，金融业面临的主要挑战）
• 计算资源限制（27%）
• AI的可解释性（25%）
• 模型的可扩展性（25%）

“组织可以通过采用一种提供协作能力集的方法来缓解许多实施挑战。他们可以通过AI平台的帮助实现这一点，这些平台提供了加速开发的预打包解决方案、易于集成的结构化环境、标准化、治理和合规的强大框架和安全功能，”调查指出。

根据麦肯锡的说法，仅生成式AI每年就可以为全球企业利润增加2.6万亿至4.4万亿美元。据估计，这项技术AI可能在银行、高科技和生命科学领域产生最大的影响。