企业治理框架缺位;仅一成企业满足法规遵从性要求
一项最新研究表明,美国企业对生成式AI热情高涨,希望借助它来提高业务生产力和员工工作效率。但在热情背后,企业领导者认为,因为存在理解偏差、缺少战略规划和人才,他们难以实现并衡量该技术的全部价值。
这项研究是今年早些时候由SAS主办、科尔曼·帕克斯(Coleman Parkes )研究公司承办的,调查了300位美国生成式AI战略决策者或数据分析决策者,研究了其重点投资领域及其组织所面临的挑战。除美国以外,科尔曼·帕克斯也调查了其它国家的企业领导者,调查结果将于2024年晚些时候公布。美国研究结果详见摘要《揭秘生成式AI的潜力与挑战:如何实现竞争优势》。
“企业开始意识到,仅靠大语言模型是无法解决业务挑战的。”SAS AI战略顾问Marinela Profi表示:“生成式AI应被视为可加速现有流程和系统的、理想的高度自动化工具。企业不应指望这一新鲜事物能帮他们实现所有业务目标。在全面投入这一领域之前,应该先花时间制定一个阶段性战略,并在大语言模型的整合、治理和可解释性等方面进行技术投资,这对所有企业都是至关重要的。”
企业在以下四个关键实施领域面临挑战:
●提高数据使用信任度并实现合规性。只有一成企业已有可靠的系统,可用于评估大语言模型的偏见和隐私风险。此外,93%的美国企业没有建立起针对生成式AI的全面治理框架。在监管方面,大多数企业都面临不合规的风险。
●将生成式AI集成到现有系统和流程中。企业领导者透露,当他们试图将生成式AI与现有系统相集成时,遇到了兼容性问题。
●企业内部缺少生成式AI人才和能力。由于人力资源部门很难招到合适的人才,企业领导者担心现有员工不具备必要的AI技能,不能充分支撑生成式AI投资项目并使其发挥最大价值。
●成本的预测。企业领导者表示,大语言模型的直接和间接成本十分高昂。模型创建者给出了预估的Token成本(如今企业认为其价格太过高昂)。然而,其它成本项目周期长、复杂度高,成本预计更高,例如内部知识储备、培训和ModelOps管理等。
Profi继续说道:“归根结底,应采用可持续和可扩展的方式,将生成式AI应用于真实业务场景,最大限度地获取价值并满足人们的实际需求。通过这项研究,我们将继续致力于帮助企业保持业务相关性和韧性,明智地进行投资。在这个AI技术日新月异的时代,竞争优势将高度依赖于企业拥抱韧性规则的能力。”
今日资讯是SAS Innovate大会上发布的。SAS Innovate大会是分析领导者SAS面向商业领袖、技术用户和SAS合作伙伴举办的数据和人工智能领域的盛会。了解SAS的最新消息,请关注SAS的Twitter账户@SASsoftwareNews。
