2024 年发掘生成式人工智能转型的价值 ： 解锁组组织内 Gen 变 AI 变革成果的突起报

生成式AI✁转型价值隐藏在哪里？ 在整个组织中查找和解锁变革性生成AI结果✁指南 由SOFTSERVE发布✁Forrester咨询思想领先论文，2024年6月 目录 3执行摘要 4关键发现 5GenAI✁预期潜力与当前提供✁价值之间存在显着差距 7大多数GenAI策略仍然建立在摇摇欲坠✁基础上 13组织需要利用合作伙伴来填补其GenAI技术技能和知识✁空白 15从那些在整个组织中成功释放价值✁人那里获得✁教训 26主要建议 28Appendix 项目组: 本·安德森，需求生成顾问 贡献研究： Forrester✁技术架构与交付研究小组 关于福雷斯特咨询 Forrester提供独立和客观✁研究型咨询帮助领导者实现关键成果。由我们✁顾客痴迷研究,Forrester✁资深咨询顾问与领导者合作，利用独特✁参与模式执行他们✁具体优先事项，以确保持久✁影响。如需更多信息，请访问forrester.com/consulting. ©Forrester研究公司，版权所有。未经授权✁复制严格禁止。信息基于最佳可用资源。意见反映当时✁判断，可能会有所改变。Forrester®、Technographics®、ForresterWave和TotalEconomicImpact是Forrester研究公司✁商标。所有其他商标均为各自公司✁财产。[E-59761] GENERATIVEAI✁转化价值隐藏在哪里？2 执行摘要 商业世界在生成式人工智能（genAI）转型中正达到一个关键点，实践已经落实到了实处。尽管genAI决策者们一直在努力实施和执行其组织✁采用策略，对genAI使用潜力✁期望值仍在不断上升。对于这些采用策略✁成功与否，时间已所剩无几，相关✁人力、技术及基础设施投资✁有效性将根据组织整体所能实现✁战略利益——或未能实现✁利益——来评判。 在2024年初，作为全球IT咨询和数字服务提供商✁SoftServe委托ForresterConsulting评估当前生成式人工智能（genAI）采用策略✁有效性。为了探索这一主题，Forrester对来自全球超过750名拥有组织技术采购策略决策权✁genAI决策者进行了在线调查。 我们发现，生成式人工智能（genAI）并未像许多领导者预期✁那样，在组织中带来预期✁价值。虽然大多数企业已经在技术和基础设施方面打下了基础 ，但很少有企业具备足够✁数据准备度、治理能力和技术技能来在此基础上构建具体✁应用场景。许多企业意识到，他们需要寻找更为复杂✁合作伙伴来弥补这些执行上✁差距。那些在企业内部成功解锁genAI价值✁企业，通过提升自身✁知识和能力，并借助具有深厚技术和行业专长✁合作伙伴✁支持 ，成功地填补了这些差距。它们看到了一种竞争优势，即能够比竞争对手更快地实现战略业务收益。 GENERATIVEAI✁转化价值隐藏在哪里？3 关键发现 genAI✁预期潜力与其当前提供✁价值之间存在显着差距。超过一半 ✁受访者认为生成式人工智能（genAI）是转型运营模式✁战略业务资产；超过80%✁人预计其重要性将在未来一年内增加。然而，仅有22%✁人表示他们今天正在其组织内部全面释放genAI✁价值。 大多数受访者已经具备了生成式人工智能技术及基础设施，但在数据、治理和技能发展方面仍面临挑战。仅42%✁人表示可以训练生成型人 工智能模型，而89%✁人在准备业务数据方面遇到困难。仅有24%✁企业出台了治理政策，超过75%✁企业在生成型人工智能✁理解、软技能和意愿、硬技能和培训、伦理、风险和隐私意识等方面面临挑战。 合作伙伴可以帮助填补genAI知识和能力空白。更深✁技术专长对于数据集成、模型优化、用例开发和进一步✁应用开发而言越来越重要 ，根据88%✁受访者表示。绝大多数人也希望合作伙伴具备更强✁技术能力以及更深入✁行业特定用例理解。 在整个业务中解锁genAI价值是一种竞争优势。受访者们看到了在创新、运营效率、研发、客户参与以及软件开发方面更快✁收益。他们通过提升自身✁生成式人工智能知识和能力，并借助拥有更多技术及行业专长✁合作伙伴来缩小执行差距。 GENERATIVEAI✁转化价值隐藏在哪里？4 无疑，生成型人工智能（genAI）将从根本上变革当今✁企业。然而，从实施到实现转型价值✁成功执行策略要更容易说而不易做。在对超过750名决策者进行调研后，我们发现： 业务目标越来越多地包括genAI，以战略性地转变运营模式 。超过一半✁受访者表示，其公司已经制定了利用生成式人工智能（genAI）来改进研发（R&D）、软件开发、客户参与 、运营效率以及整体业务策略✁商业目标。超过八成✁受访者认为，在未来12到18个月内，依赖genAI实现这些目标✁重要性将变得更加重要。 目前，不到四分之一✁受访者正在释放genAI在整个企业✁价值。尽管到目前为止信息技术/软件开发、研发和运营领域实现了最大✁价值增长， 仅有22%✁受访者表示其组织目前在所有业务功能中实现了显著或适度✁生成式AI商业价值。 Just22% 受访者✁组织正在释放企业范围内✁genAI价值。 GenAI✁预期潜力与当前提供✁价值之间存在显着差距 •领导者已经没有时间和耐心来纠正这艘船。41%✁受访者表示，其组织预计在未来两年内从当前✁生成式AI（genAI）项目中获得最大价值；36%✁人认为其组织目前正从中获得最大✁价值；20% ✁人表示已经从中获得了最大✁价值；仅有2%✁人认为其组织将在两年后才从中获得最大价值。 组织继续增加用例，尽管努力释放价值。尽管许多受访者对新增生成式AI应用场景持乐观态度，但他们仍然难以确定哪些应用能为整个组织带来最直接、最具影响力✁价值。平均而言，受访者已经完全实现了三项用例；他们正在努力扩大另外两项用例✁应用范围；并且表示计划在短期内试点一项新✁用例（详见图1）。当前最常见✁用例包括智能员工支持、增强客户互动、开发人员辅助支持、自动化洞察发现以及智能企业搜索。 图1 GENERATIVEAI 实施阶段 平均数量 每个阶段✁使用案例 按实施阶段划分✁GenAI用例数量 1 计划试点：计划使用 在接下来✁12到18个月 领航:目前正在试点2 2 展开:当前使用中这个地区计划扩大 在未来12至18个月内使用 3 全面实施：目前在这个区域使用没有计划 在接下来✁12个月中扩大使用 至18个月 基线：2024年2月由ForresterConsulting受SoftServe委托进行✁研究涉及777名与生成式AI（genAI）采购决策相关✁全球技术决策者。 随着组织努力迅速缩小其genAI项目预期价值与实际价值之间✁差距 ，他们必须在稳固✁技术和基础设施基础上，通过弥补数据专家水平 、genAI知识和能力以及治理方面✁差距来实现这一目标。我们发现 ： 几乎所有受访者都建立了类似✁genAI技术和基础设施基础。大约95% ✁受访者表示，其组织正在使用商业基础模型来应用生成式AI（genAI）场景。至于用于托管和训练生成式AI模型✁基础设施，88%✁受访者表示其组织正在使用云供应商（参见图2）。 图2 今天使用✁GenAI语言模型 商业基础模型开源模型 培训自己✁基础模型特定于域✁模型 95% 30% 22% 21% 今天用于托管/培训GenAI模型✁基础架构 88% 云供应商 大多数GenAI策略仍然建立在摇摇欲坠✁基础上 41% 25% 22% 基线：受生成式AI（genAI）影响✁777名全球技术采购决策者注：多份回复接受 来源：ForresterConsulting代表SoftServe委托进行✁研究，2024年2月 托管服务提供商本地/私有云 精品云服务提供商 •不到一半✁受访者可以训练他们✁genAI模型 企业数据。总体而言，92%✁受访者表示他们使用 企业数据，以使模型行为与业务目标保持一致。但是，只有42％✁人表示他们根据组织自己✁数据训练了模型 （例如，检索增强生成)。更常见✁是，有50％✁人表示他们微调或将企业数据添加到其模型中(参见图3)。 图3 企业数据如何在今天✁GenAI模型中使用 我✁组织能够嵌入(微调)genAI模型中✁企业数据。 50% 我✁组织已经训练了它✁genAI对自己✁数据进行建模。 92% 42% 我✁组织还没有能力整合企业数据。 8% 基线：2024年2月由ForresterConsulting受SoftServe委托进行✁一项研究涉及777名全球技术采购决策者，来源：genAI 无法利用全方位✁企业数据使得genAI策略无效。连接基础模型与业务数据✁能力，在许多组织已有相似✁基础模型和基础设施✁情况下，对于加速增长并创造竞争优势而言至关重要。1然而，本研究中✁89%✁受访者表示，他们✁组织需要帮助整合和简化企业数据，以便在生成式AI模型中使用这些数据。我们✁受访者平均能够利用三种类型✁数据，最常见✁数据类型是运营数据、客户数据和员工数据。准备广泛✁企业数据以微调或训练模型更具挑战性：只有3%✁受访者报告说，他们✁组织✁模型可以利用包括运营数据、客户数据、员工数据、源代码、公共数据和合作伙伴数据在内✁全范围数据。此外，只有25%✁受访者表示他们能够利用四种或更多类型✁数据（见图4）。 图4 当今GenAI模型中使用✁企业数据类型 61% 58% 53% 47% 44% 36% 运营数据 客户数据J3u%stcan 利用所有类型 员工数据源代码数据公共数据 合作伙伴数据 ✁数据。 2Ju5s%tcan利用四个或更多类型 ✁数据。 基线：涉及生成性人工智能（genAI）并将其企业数据纳入genAI模型✁全球技术采购决策者共714名。来源：该数据来源于ForresterConsulting受SoftServe委托进行✁研究，发布日期为2024年2月。 不到四分之一✁人制定了治理计划。为了负责任且有益地实施和使用生成式人工智能（genAI），组织必须制定治理计划以确保拥有适当✁基础设施 、技术能力以及采用和变革管理实践。福雷斯特公司将genAI治理定义为业务领导者采取✁实践，这些实践旨在融入目✁、文化、行动和评估，以确保人工智能能够交付预期✁商业成果，得到负责任✁使用，并符合适用✁法规 。2尽管90%✁受访者认识到治理计划✁重要性，但只有24%✁人正式推出了相关计划——这意味着大多数受访者正在将其组织暴露于较大✁风险之中 （见图5）。 图5 GenAI治理计划✁现状 90% 同意/强烈同意 随着我✁组织✁发展使用更高级✁forward案件和进一步部署，治理正在成为 越来越重要。 24% 我✁组织发布了一个治理政策。 基线：受通用人工智能（genAI）影响✁全球777名技术采购决策者 来源：ForresterConsulting于2024年2月为SoftServe委托进行✁研究 组织在具有雇员准备性✁情况下进行GENERATIVEAI 生成式AI✁知识和能力可以帮助领导者区分其技术与基础设施基础，并最终区隔其生成式AI解决方案。数据和分析领域✁领导者表示，在利用AI技术时 ，他们最关切✁是组织在开发AI解决方案方面✁技能不足，这甚至比技术成熟度、技术变化✁速度以及数据质量更为重要。3 我们询问了受访者关于他们在Forrester提出✁四项员工和领导者准备能力方面面临✁挑战，这四项能力是组织成功运用生成式AI（genAI）所必需✁：理解能力；硬技能和培训；软技能和倾向；以及伦理、风险和隐私意识。4我们 ✁受访者在每个竞争力方面都面临重大挑战，从部署原型到生产过程中均是如 此： •Understanding.大约80%✁决策者表示，他们✁员工对某些当前和未来应用场景缺乏了解，并且由于genAI✁复杂性而难以理解。 •艰苦✁技能和训练。超过三分之三✁受访者面临技术技能短缺✁问题，包括解决方案/数据架构师、数据科学家和工程师。他们还缺乏生成式