2023年6月13日 –在近期举办的2023大中华区高管交流大会上, Gartner发布最新调研结果显示,中国企业正在将人工智能项目从原型转向生产,大多数企业已不再纠结于为何需要AI能力,而更加关注AI工程化能力的建设,以数据驱动决策为目标,持续为业务创造价值。一些领先的中国AI企业已经在各个场景中运用生成AI和其他新型AI技术,构建原生AI企业。
尽管CIO们普遍认为AI对业务具有巨大的价值,但董事会成员对AI持有怀疑态度,其实际效果未能达到预期。然而,ChatGPT的推出使得董事会成员和企业高管首次接触到生成AI的巨大潜力,开始相信生成AI能够为业务带来变革和巨大价值。这给CIO们带来了一些焦虑和压力,他们担心错过了生成AI的投资机会。
Gartner发布中国企业人工智能趋势浪潮3.0,旨在帮助企业首席信息官(CIO)更好地规划AI能力,提升业务效果。
守成和创新
目前,中国企业平均已部署超过5个AI用例,每个企业平均已开始部署24个AI用例。虽然许多业务用户或企业高管认为AI只是像安装插件一样简单,但实际上,运营AI涉及数据加工、业务指标梳理、数据集成、业务集成、持续监控和优化等多个环节,需要全局考虑端到端的AI用例和流程。5个中国企业中仅有1个企业的AI能够完全满足业务需求,这也是为什么越来越多的领先企业不再将AI视为单个项目的投入,而是以产品运营和组合运营的方式,从端到端、业务结果导向的角度来整体运营AI,使其在全生命周期中持续产生业务效果。
Gartner高级研究总监方琦表示:“大多数企业会保持现有业务成果,并在有能力的情况下利用生成式AI进行算法改进类的局部创新。对于一些企业而言,进行流程,算法,系统的全局创新可能带来更有价值的应用,但也伴随着较大的风险。在最新的中国企业调研中,有75%的企业认为生成式AI的未来能力可能超过其带来的风险。尽管目前企业对风险的感知较低,但一旦出现风险,可能会对企业造成巨大商誉损失和客户流失。”
平衡风险和价值
在应用生成型AI时,企业往往会规避风险,即在不引起严重后果或潜在争议的情况下使用AI技术。这种谨慎的态度是合理的,但也可能导致错失一些潜在的商业机会。因此,企业需要在实现商业价值和管理风险之间寻求平衡。
Gartner高级研究总监方琦表示:“为了平衡价值和风险,我们应该延续巩固已有投资,持续应对已知的风险,将精力投入到机会或高业务价值低风险的持续投入中。对于高风险低价值的用例,我们应果断地去除它们。同时,我们也可以从创新的角度追逐高业务价值和高风险的用例,通过隐私计算等方式保护用户数据隐私,并通过数据的统计值帮助业务持续实现其价值,打造差异性能力。”
为了确保AI应用的可信度和可解释性,企业应该采取透明度和可解释性的方法,确保AI决策过程的透明度,以及提供对AI决策的解释和辩解能力。在应用生成型AI时,企业需要仔细评估可能涉及的道德、法律和社会问题,并确保符合相关法规和道德标准。通过建立明确的监管和治理框架,企业可以在平衡创新和风险的基础上实现AI的商业潜力。
融合团队
在明确风险和价值之后,我们还需要思考如何选择人才和调整组织架构,以帮助AI战略性地落地。在中国企业落地AI时,超过一半的企业认为人才是最大的挑战。与此相比,在国外只有不到30%的企业认为AI人才是最大的挑战。这可能是因为不同的组织对人才和组织关系的要求不同。领先的机构通常能够整合不同的业务理解、IT技能和数据科学技能,使AI能够更完整、更全面、更有效地落地。
Gartner高级研究总监方琦表示:“在落地AI方面,选择合适的人才是首要任务,但也不能忽视组织架构和企业文化对人才适配的重要作用。通过守成为先、管理风险、择人任势这三个理念,更加战略地规划,落地,运营相应的AI能力。”
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。