2025聚焦科技引领的商业变革

Looking Glass 2025 研报探讨了未来五年对企业有重要影响的五大技术趋势，并提供了应对策略。

一、运营化 AI 以实现商业影响

• 核心观点：AI，尤其是生成式 AI 的主流化正在加速，但将其成功运用于生产并产生商业影响仍然是一个挑战。数据质量、可访问性和规模问题是关键障碍。
• 关键趋势：
  • 小型语言模型（LLMs）的兴起，使其能够在边缘设备上运行。
  • AI 投资和采用并未转化为实际部署或商业影响。
  • 欧盟 AI 法案的生效，为 AI 系统的使用设定了国际基准。
  • 对数据中心的持续巨额投资，表明 AI 将继续在商业和社会中发挥重要作用。
  • 简化与 AI 模型交互的工具的出现。
  • 针对 LLM “幻觉”和虚构的新技术。
  • “影子 AI”的兴起，即员工在未经授权的情况下使用 AI 工具。
• 机遇：
  • 通过 AI 增强知识管理和转移。
  • 利用 AI 加速流程，如遗留系统现代化和编码。
  • 探索 AI 代理以提升自动化。
  • 提高将 LLM 投入生产的速度和效果。
  • 制定和传达全面的 AI 策略。
  • 利用小型语言模型将 AI 创新带到边缘设备。
  • 在合规和道德 AI 实践方面引领潮流。
• 行动建议：
  • 识别 AI 倡导者，指导组织了解新兴解决方案的潜在用例。
  • 实施全面的 AI 策略，包括允许使用的工具和上下文，以最大程度地降低“影子 AI”的风险。
  • 采用检索增强生成（RAG）来提高模型的可靠性。
  • 将 AI 嵌入整个软件开发生命周期。
  • 应用数据网格和数据产品思维，确保 AI 应用建立在强大的数据基础之上。
  • 使用代理简化团队与 AI 模型的交互。

二、加强数据价值链

• 核心观点：随着企业对 AI 的采用日益广泛，数据已成为差异化因素和竞争优势的来源。开发利用数据的能力并成为真正数据驱动的企业已成为新兴的优先事项。
• 关键趋势：
  • 非结构化数据正从辅助角色转变为主角。
  • 企业正在应用生成式 AI 来更好地利用非结构化数据。
  • 越来越多的企业正在应对将数据作为产品的挑战。
  • 数据可发现性的重要性日益凸显。
  • 对数据团队证明投资回报率和更有效地管理成本的压力越来越大。
• 机遇：
  • 通过 AI 作为服务嵌入 AI 并赋能用户。
  • 利用 AI 构建和维护数据产品。
  • 提高成本控制能力。
  • 通过引入新兴的最佳实践和结构加强数据治理。
  • 结合知识图和生成式 AI，以更好地理解大型复杂数据集。
• 行动建议：
  • 实施数据网格，将数据置于需要它的团队手中。
  • 尽可能自动化数据治理。
  • 将非结构化数据视为与结构化数据同等重要的第一类公民。
  • 投资于卓越的数据产品开发体验。
  • 扩展用户体验和以人为中心的设计，使其适用于数据。

三、重新构想负责任的科技以应对生成式 AI 时代

• 核心观点：负责任的科技的重要性日益凸显，尤其是在生成式 AI 时代。企业需要将负责任的科技嵌入到组织价值观、团队实践和文化中。
• 关键趋势：
  • 关于有害技术后果的责任和法律问题的疑问。
  • 对用于训练大型 AI 模型的数据缺乏了解。
  • 数据中心的水消耗引起极大关注。
  • 企业绿色漂白的后果正在变得具体。
  • 行业之间的相互依存性，强调技术层面的信任和透明度的重要性。
  • 组织中“影子 AI”的增长。
  • 社交媒体格局的碎片化。
  • 影响投资的增长。
  • 立法打击操纵性设计。
• 机遇：
  • 通过确保企业言论、价值观与员工的观点和价值观之间有真正的契合来加强组织文化。
  • 重新审视和加强价值观。
  • 谨慎地利用 AI。
  • 通过透明和信任赢得消费者信任。
  • 通过将责任和商业影响视为紧密相连的事物来减少浪费并提高效率。
  • 关注技能发展。
  • 有意选择使用的社交平台。
• 行动建议：
  • 使用负责任科技路线图，为软件交付团队提供实际可行的活动。
  • 实施全面且一致的 AI 使用政策。
  • 利用新技术使生成式 AI 更可靠。
  • 确保技术战略是协作式的，而不是自上而下的。
  • 将负责任的科技实践视为一项能力和技能问题。
  • 有意选择使用的社交平台。

四、通过多模态交互实现更丰富的体验

• 核心观点：人与人机交互模式正在迅速发展，涵盖了文本、语音、图像、视频、手势，甚至情感计算。这为企业创造了新的可能性，但也带来了挑战，需要企业思考如何结合和使用不同的交互方式来提升客户体验。
• 关键趋势：
  • AI 驱动的聊天机器人在客户服务领域越来越普遍。
  • 语音交互领域稳步增长。
  • 立法针对“暗模式”。
  • 消费者对“屏幕时间”越来越有意识，并积极寻求避免成瘾型技术。
  • 智能体 AI 被视为生成式 AI 的“下一个前沿”。
  • 增强现实（AR）和虚拟现实（VR）的持续创新。
  • 首次将神经连接芯片植入人体，标志着直接脑机接口开发的重大进步。
  • 消费者对 AR/VR 零售体验的需求。
• 机遇：
  • 通过探索多模态交互形式来创造客户参与突破。
  • 通过将可访问性纳入考虑范围来扩大潜在市场。
  • 利用 AI 代理为消费者提供新的便利。
  • 采用扩展现实（XR）改善培训和入职。
  • 重新构想团队和客户如何与数据交互。
• 行动建议：
  • 开发以可访问性为目标的交互，并考虑如何利用新技术支持创建针对各种用户的需求体验。
  • 审查语音搜索对管理和索引产品及信息方式的影响。
  • 在开发新的交互时，优先考虑质量、可靠性和稳定性，并对其进行全面的测试策略。
  • 选择适合特定用例的正确交互方式，并考虑如何改善最终用户的使用体验。
  • 不要为了粘性而牺牲一切。

五、从物理-数字融合中释放更大价值

• 核心观点：物理和数字的融合正在推进，即使进展并不总是平稳或显而易见。企业需要深入理解其运营和客户，并谨慎地将跨现实创新有选择地植入其中，以提供切实的利益。
• 关键趋势：
  • 消费者 VR/AR 技术的混合成绩记录不佳。
  • 领域特定的、商业用例的成功案例。
  • 生成式 AI 正在增强供应链管理。
  • 高保真数字孪生的持续出现。
  • 工业自动化和物联网引入新的网络攻击潜在途径。
  • 关于数据收集和隐私的新立法。
• 机遇：
  • 通过考虑混合技术的可访问性影响来改善客户和员工的交互。
  • 采取新兴监管措施，与消费者建立信任。
  • 利用自动化、嵌入式系统和跨现实技术提高运营弹性和效率。
  • 通过采用自动化和智能设备赋予员工权力。
  • 通过智能设备收集和共享的数据，更深入地了解运营和客户。
• 行动建议：
  • 将数据视为物理-数字融合的关键使能器。
  • 以领域知识为出发点进行混合创新和实验。
  • 通过遵循经过验证的工程实践，在跨越物理和数字的系统中嵌入安全和弹性。
  • 考虑现有和新立法可能如何影响您的业务使用数据的方式。
  • 了解自动化、机器人和物联网是长期基础设施项目。
  • 检查通过物理和数字融合改善体验的机会，不仅是为了面临身体或位置障碍的客户或员工，而是为了所有人。