弥合商业智能与人工智能之间的鸿沟

核心观点

• AI 应用广泛但尚未普及： 尽管 AI 技术在企业中得到广泛应用，但大多数公司尚未实现 AI 驱动，仅少数公司计划在 2025 年成为 AI 驱动。
• 数据管理是 AI 发展的关键： 公司普遍认为，数据管理是 AI 发展的首要挑战，包括数据处理速度、数据质量、数据治理和外部数据整合等方面。
• 投资增长以支持 AI 发展： 公司计划大幅增加对数据基础设施和 AI 平台的投资，以支持 AI 应用的扩展和规模化。
• 多云和开放标准是关键： 公司倾向于采用多云策略和开放标准，以提高 AI 开发的灵活性和协作能力。
• 行业差异： 零售和制造业公司更倾向于成为 AI 驱动，而金融服务行业计划在数据能力方面进行最大幅度的投资增长。

关键数据

• AI 应用现状： 在 7 个核心企业职能中，只有 IT 和财务部门实现了 AI 的广泛使用，其他部门仅实现了有限的应用。
• AI 应用目标： 超过 60% 的公司预计，到 2025 年，AI 将在其 IT、财务、产品开发、营销、销售等核心职能中发挥关键作用。
• AI 发展挑战： 公司认为，组织结构僵化、流程僵化、预算限制、现有数据和技术限制以及 AI 人才短缺是 AI 发展的主要挑战。
• 数据管理优先事项： 公司认为，提高数据处理速度、数据质量、数据治理和外部数据整合是数据管理的首要任务。
• 投资增长： AI 领导者计划在未来三年内大幅增加对数据安全、数据治理、新数据/AI 平台和现有平台的投资。

研究结论

• 公司正在积极投资于数据基础设施和 AI 平台，以支持 AI 应用的扩展和规模化。
• 多云策略和开放标准将帮助企业克服 AI 发展的挑战。
• 数据管理是 AI 成功的关键，公司需要解决数据质量、数据治理和外部数据整合等问题。
• AI 领导者将通过自动化、数据民主化和开放合作等方式，加速 AI 应用的开发和应用。