数据与AI影响力报告：信任的必要性

核心观点

• 信任是关键：数据与人工智能市场的成功需要企业克服信任困境。随着生成式人工智能的兴起和人工智能市场的快速发展，信任成为人工智能成功的关键因素。
• 信任与信任worthiness的脱节：大多数组织对人工智能的信任与其实际信任worthiness之间存在差距，这导致人工智能的潜力无法充分发挥，并带来风险。
• 人工智能成熟度与信任worthiness：人工智能成熟度较高的组织更倾向于投资于负责任的、可信赖的人工智能实践，并看到更高的投资回报率。
• 人工智能目标与投资回报率：以提升客户体验、扩大市场份额和增强业务弹性为目标的人工智能项目比以成本削减为目标的项目能带来更高的投资回报率。
• 生成式人工智能的信任问题：尽管生成式人工智能存在错误风险，但组织对其信任度高于其他类型的人工智能，包括机器学习。这反映了人类对类似人类的技术的偏好。
• 量子人工智能的潜力：量子人工智能正在迅速发展，尽管其应用仍处于实验阶段，但其在物流、金融、网络安全、生命科学、气候建模和材料科学等领域的潜力已引起关注。

关键数据

• 全球范围内，46%的组织存在信任困境。
• 人工智能成熟度较高的组织更倾向于投资于负责任的、可信赖的人工智能实践。
• 以提升客户体验、扩大市场份额和增强业务弹性为目标的人工智能项目比以成本削减为目标的项目能带来更高的投资回报率。
• 生成式人工智能的信任度高于其他类型的人工智能。
• 量子人工智能正在迅速发展，尽管其应用仍处于实验阶段，但其在多个领域的潜力已引起关注。

研究结论

• 为了实现人工智能的可持续影响，组织必须解决信任困境。
• 组织需要投资于数据治理、可解释性和道德保障等负责任的、可信赖的人工智能实践。
• 组织需要投资于负责任的、可信赖的人工智能实践，以实现人工智能的可持续影响。
• 生成式人工智能和量子人工智能具有巨大的潜力，但需要进一步的研究和开发。