在 AI 驱动的未来中找到自己的位置

找到你的地方 在AI驱动的未来 在您的业务中释放AI的潜力 由主题专家和GLG网络成员 目录 执行摘要1 关于研究2 ....................................... ................................................4......16................................. ............................................ 执行摘要 随着市场对生成式AI的关注不断增加，企业及IT领导者面临压力，需要确定这项具有潜在变革性的技术是否能够提升其企业的效率和生产力。然而，这些领导者缺乏做出关于如何以及以何种速度采用生成式AI及一般人工智能技术的决策所需的关键信息。这项针对高级AI决策者和影响者的调查揭示，生成式AI的采用可能受到对所需投资、成本和技能的不确定性的影响，以及对不同行业背景下AI能做什么和应该做什么的基本困惑。 ” 调研发现，这些领导者热衷于听取拥有实际实施生成式AI经验的行业专家和同行的意见，并寻求与自身应用场景和行业相关的真实案例研究，早期采用者的这些经验可以帮助领导者获得所需清晰度，从而有信心在内部及面向客户的应用中部署这项技术。 通过学习 . 领导者们询问如何确保与同行和供应商之间使用通用的生成性AI语言，如何识别该技术中最相关的应用场景，以及他们是否采取了正确的步骤以确保成功的部署并降低风险。 “ 调查显示： 59%受访者认为，整个行业都没有对生成AI的通用定义。 78%受访者对如何获取关于支持生成式AI项目所需成本和投资的专业建议感到不确定。 87% 受访者最有可能信任行业专家对生成AI的建议 glginsights.com AI驱动的未来•1 关于研究 GLG为决策者提供所需的洞察力，帮助他们领先一步，通过我们的专家网络连接，这是一个包含约100万名专家的世界最大且最多样化的第一手专业知识来源。2024年6月至7月，GLG对北美（美国和加拿大）201名具有决策权或对公司AI投资有重大影响力的高级领导者进行了在线调查。 研究显示，大多数受访者： •对生成式AI充满热情，并期望找到该技术的许多新应用场景 •认为他们的行业在生成式AI的定义、用途及其价值主张方面缺乏共识 •对于生成式AI实施的关键方面，如所需成本和投资，不确定在哪里可以获得建议，这可能抑制该技术的采纳速度 •在规划生成式AI投资时，最有可能信任具有实际经验的行业专家和同行的建议，而不是供应商的推荐 以下数据表明了受访者的职业级别、角色以及公司按年收入和行业分布的情况。 Industry工作职能 信息技术 金融行业 健康与社会 服务 商品和服务重型设备 Industries 房地产和行政管理娱乐和 休闲 教育和非政府组织 执行/一般 31 19% 16% 13% 9% 7% 5% 1% % 管理 市场营销/广告 Sales 法律专业 信息技术 Research&Development HumanResources客户支持 24% 11% 10% 6% 6% 4% 4% 34% glginsights.com AI驱动的未来•2 年收入公司规模 $5.1M-$50M 17% 少于500FTE 32% $50.1M-$100M 9% 501-2,500FTE 31% $100.1M-$250M 16% 2,501-5,000FTE 13% $250.1M-$500M 15% 5,001-10,000FTE 12% $500.1M-$1B 13% 10,001-50,000FTE 8% 大于$1B 29% 大于 50,000FTE 4% 对AI技术的投资 18% 41%41% 至少选择了一个AI技术和把它 进入日常使用 已经在 使用广泛的AI 技术 评估的选项，但没有超越 飞行员/实验 Role 40% 41% 19% C级执行官 执行副总裁/高级副总裁副总裁/助理副总裁 glginsights.comAI驱动的未来•3 测量洞察力 对AI的高度热情 尽管调查中许多领域的清晰度尚存疑问，受访者一致乐观地认为人工智能技术能够解决关键业务需求。84%的受访者表示相信人工智能能够提高效率，而72%的受访者认为它将创造新的商业机会。这表明，如果能够解决关键的信息空白，人工智能技术的采用率可能会更高。 AI的观点 占受访者总数的百分比 将提高效率将创造新的商业机会 将使他们的产品或服务更好 73% 受访者认为快速汇总信息是其工作职能的关键要求之一 % 84 72% 64% 关键工作要求可以从AI中受益 原因之一是业务和IT领导者认为人工智能技术是满足其部分关键工作需求的理想解决方案。调查受访者被要求考虑一份常见的商业活动列表，并确定这些活动是否是他们工作中的一部分。其中一些任务被提及得非常频繁。 被受访者普遍认为是其关键工作要求的一部分，如快速总结信息（73%）、产生创意（65%）、预测可能的结果（63%）、使他人更容易使用工具（59%）以及自动化决策（58 %）。 对于他们认为重要的工作任务，受访者被要求识别在完成这些任务时是否应该使用AI工具，以及是否是最合适的工具。在这些回应中，生成式AI最常被视为快速信息总结的解决方案，97%将生成式AI视为核心业务需求的受访者认为它是适合这一目的的适当工具 ，而87%的受访者认为它是最佳工具。 glginsights.comAI驱动的未来•4 会是理想的工具。鉴于这些关键工作要求在所有受访者中非常普遍，这意味着人工智能被视作加速其公司一些最频繁和基础任务的加速器。 在某些情况下，受访者对生成式AI可用于特定目的的看法与认为它最适合用于该目的之间的差距较大。例如，虽然83%的受访者认为生成式AI是生成想法的适当工具，但只有36%的人认为它是理想的工具。类似的情况也出现在使需要专业技能的工具或软件使用更加便捷以及在工作流中自动化决策等应用场景中。这些差距可能反映了市场上已有更多被广泛认可的技术可供这些用途使用，或者缺乏展示生成式AI能力以解决这些需求的优化模型或应用。IT决策者通常会参考同行的经验和行业成功案例来判断新兴技术是否适用于特定场景，在这些领域可能需要更多的证据来确保企业相信生成式AI对于这些需求是有意义的。 关键工作功能要求 %在总受访者中，n=201 73 65% 63% 59% 58% 44% 38% 36% 27% 26% 21% 19% 15% 快速汇总大量信息% 产生想法/促进头脑风暴 预测可能的结果使它更容易使用的工具或软件，将 否则需要专业技能 在工作流中自动化决策提供自然语言/对话界面 到知识库或工作流 在复杂的情况下生成新产品的可能性 设计约束和标准 查找非明显关系或检测 大型数据集的异常 检测情绪或语气生成要填充的图像或文本的变体 目录或制作营销内容 模拟系统的行为以实现更多 快速测试或实验 分析图像以识别特定特征或 特性 为创建大量合成数据 研究或测试 glginsights.com AI驱动的未来•5 与工作职能要求相关的AI声明协议 %在受访者中表示需求是他们工作职能的关键 “人工智能将是解决这一要求的适当工具。 强烈同意 同意既不同意也不反对 不同意 强烈反对 最高职位要求 快速总结大量的 信息(n=89) 57% 40% 97% 2% 实验(n=39) 研究或测试数据(n=30) 3% 分析图像以识别特定 特征或特性(n=38) 39% 50% 5%5% 89% 在 工作流(n=87) 41% 47% 8% 88% 3%2% 生成图像或文本的变体 产生想法/促进 头脑风暴(n=88) 34% 49% 9%8% 83% 使它更容易使用工具或否则需要的软件 专业技能(n=88) 27% 56% 13% 83% 3%1% 检测情绪或语气(n=54) 39% 30% 22%7% 69% 产生新的产品可能性给定复杂的设计约束和 22% 43% 18%15% 标准(n=67) 65% 1% Top2Box 提供自然语言/知识的对话接口 基础或工作流(n=78) 59% 36% 3% 1% 95% 寻找非显而易见的关系或 检测大型数据集中的异常 (n=64) 47% 45% 6% 2% 92% 模拟系统的行为 以实现更快速的测试或 38% 54% 5% 3% 92% 创造大量的合成 37% 53% 7% 90% 填充目录或制作营销 38% 48% 10% 86% 含量(n=52) 4% 预测可能的结果(n=87) 29% 57% 8% 6% 86% glginsights.com AI驱动的未来•6 与工作职能要求相关的AI声明协议 %在受访者中表示需求是他们工作职能的关键 “AI是解决这一需求的最佳工具。 强烈同意 同意既不同意也不反对 不同意 强烈反对 最高职位要求 快速总结大量的 信息(n=89) 47% 40% 10% 87% 2% 创造大量的合成 研究或测试数据(n=30) 提供自然语言/知识的对话接口 基础或工作流(n=78) 寻找非显而易见的关系或检测大型数据集中的异常 (n=64) 27% 53% 13%7% 80% 41% 35% 21% 76% 4% 38% 36% 22% 74% 3%2% 在 工作流(n=87) 15% 48% 32% 63% 3%1% 模拟系统的行为 以实现更快速的测试或 实验(n=39) 15% 46% 31% 5% 3% 61% 预测可能的结果(n=87) 16% 44% 26% 11% 60% 2% 生成图像或文本的变体填充目录或制作营销 17% 40% 33% 10% 含量(n=52) 57% 分析图像以识别特定 特征或特性(n=38) 使它更容易使用工具或 26% 26% 34% 11% 52% 3% 产生新的产品可能性给定复杂的设计约束和 13% 28% 36% 15%7% 标准(n=67) 41% 产生想法/促进 头脑风暴(n=88) 9% 27% 42% 20% 36% 1% Top2Box 否则需要的软件 15% 35% 33% 15% 50% 专业技能(n=88) 2% 检测情绪或语气(n=54) 24% 24% 26% 26% 48% glginsights.comAI驱动的未来•7 AI具有未知的潜力和风险 最引人注目的发现之一，鉴于整体上对生成式AI的热情，受访者认为许多潜在的AI益处仍然未知。77%的受访者认为AI有许多未被发现的应用场景，这意味着许多公司对生成式AI在业务中的广泛部署仍感到不确定。受访者还提到了采用生成式AI的风险不确定性：68%的人认为AI将带来意想不到的变化，而57%的人表达了对AI可能创造难以预见的新风险的担忧。即使企业可能对探索AI的可能性感到兴奋，这些未知因素也可能使获取必要的预算 、提供充足的资源或甚至搁置正在进行的项目变得困难。通过寻求专家指导或借鉴同行的成功经验来提高这些领域的清晰度，可以减少这些障碍，从而使企业在技术采用方面能够更快地推进。 AI的观点 占受访者总数的百分比 77 68% 57% 有许多未被发现的用例% 将创造意想不到的变化创造难以规划的新风险 机会意识部署滞后 调研提供了大量证据表明，关于如何有效部署生成式AI以及如何预测成本和风险的不确定性正在减缓企业对生成式AI的采纳速度。如上所述，许多受访者认为AI是完成多项关键工作要求的理想工具，但在被问及他们已经实施了多少技术以及是否知道有能力协助他们进行实施的供应商时，回复显著较低。平均而言，只有63%的受访者认为AI与其关键工作要求相关，并且知道有供应商可以协助他们实施这项技术，而只有46%的受访者已经实施了这些要求的技术解决方案。这种差距的程度在不同的应用场景中存在差异：虽然84%的受访者能够识别出能够提供生成式AI工具以通