软件/数字原生公司AI/ML能力的真实状态

核心观点与关键数据

• AI/ML 投资现状：全球研究表明，软件和数字原生公司普遍将 AI/ML 视为竞争和增长的关键，但实际投资效果远未达到预期。近三分之二（63%）的公司表示其 AI/ML 能力未完全实现。
• 期望与现实的差距：虽然 83% 的公司制定了 AI/ML 的盈利策略，但其中 30% 表示未达预期。领导层普遍希望 AI/ML 能提升盈利能力、改善客户体验和增加生产力，但 86% 的领导层并不完全理解如何实现 AI/ML 的盈利路径。
• AI/ML 项目的压力来源：来自领导层（53%）和董事会（47%）的压力是推动 AI/ML 项目的主要因素。然而，72% 的 IT 高管表示领导层对 AI/ML 的技术能力缺乏充分理解。
• AI/ML 项目的优先级：42% 的公司表示领导层未将 AI/ML 视为紧急任务，51% 的公司认为 AI/ML 优先级低于其他事项，其中 61% 的数字原生公司持此观点。
• AI/ML 投资未达预期的原因：39% 的公司归因于缺乏人才或技能，38% 归因于资金不足，36% 归因于业务整合准备不足。
• AI/ML 技能差距：29% 的公司表示在管理数据以训练 AI/ML 平台方面准备不足，96% 的公司表示在 AI/ML 开发方面准备不足。
• AI/ML 发展需求：100% 的受访者表示需要帮助进行 AI/ML 开发，其中主要需求包括数据分析（62%）、业务整合（57%）和概念构思（19%）。

研究结论

• AI/ML 的必要性：75% 的受访者认为领导层对 AI/ML 的技术能力和商业潜力缺乏理解。若缺乏明确的业务价值导向，AI/ML 投资将失去意义。
• 业务结果与执行：AI/ML 技术与业务结果的结合存在严重脱节，导致项目失败。IT 部门在 AI/ML 投资中占据主导地位，但产品管理的影响力仅为其一半。
• 未来趋势：83% 的受访者认为，未来五年内，只有有效实施 AI/ML 产品策略的软件和数字原生公司将具备竞争力。若企业犹豫不决，将难以在市场上追赶竞争对手。

行动建议

• 明确业务目标：在投资 AI/ML 之前，明确业务目标和预期成果。
• 重视盈利模式：投入资源进行市场调研和建模，制定具体的成功指标。
• 提升技能水平：将 IT 投资重点转向数据战略和管理能力，专注于 AI/ML 的实际应用。
• 战略合作伙伴：若缺乏技能人才，寻求战略合作伙伴。
• 转变所有权：将 AI/ML 产品投资的所有权从 IT 转移到产品管理，以同样的量化严谨性进行管理。
• 客户反馈：确保客户验证的反馈成为 AI/ML 驱动的功能产品管理生命周期的一部分。