从技术人才问题到数据处理困难，IT领导者们正在通过实践艰难地揭示GenAI的独特挑战。
随着GenAI的采用率飙升，这项技术在企业内部引发了各种情绪——既有兴奋和期待，也有压力和担忧。
麦肯锡在5月进行的一项全球调查显示，65%的企业正在使用GenAI，比该公司10个月前的上次调查几乎翻了一番，随着这一增长，使用案例也在激增。
正如过去的技术采用模式一样，大多数企业开始在能够带来战术利益的领域使用GenAI，例如改进现有流程和降低成本。德勤咨询公司合伙人Jim Rowan表示，这种方法有助于从“低垂的果实”中获得价值，同时积累对新技术的知识、经验和信心。
尽管如此，企业在GenAI的使用阶段上处于大相径庭的阶段。一些早期采用者现在通过将多个使用案例联系在一起来展示实际的效率收益，正在将试点项目扩展到生产中。Rowan表示，其他人则一直在投资流利度，尝试一些概念验证，并主要寻求采用嵌入第三方软件的AI技术。还有一些企业采取了观望的态度。
在企业从学习GenAI到启动试点，再到部署能够真正带来变革的全面实施的过程中，IT领导者们迄今为止总结出了以下六个艰难的现实。
1. 技术人才仍然是采用的首要障碍
据德勤的一份GenAI报告显示，那些报告称拥有较高AI专业知识的企业（33%）往往对GenAI持更积极的态度，但他们也感到更大的采用压力，因为他们认为GenAI对其商业模式构成了更大的威胁。
“这表明，即使那些认为自己精通AI的企业，也在为潜在的逆风做准备。”Rowan说道。
因此，即使那些团队报告称拥有高水平AI专业知识的IT领导者，也在重新考虑围绕AI的人才战略，而技能提升在弥补AI技能差距中扮演着至关重要的角色。
2. GenAI对利润的影响还需时日
麦肯锡的高级合伙人兼全球领导者Aamer Baig在5月的MIT CIO联盟会议上谈到了GenAI的艰难现实，他指出“蜜月期已经结束”，但目前可能很少有GenAI项目能够对利润产生直接影响。
麦肯锡调查的公司中，只有15%的公司对GenAI项目的收入增长有明确的预期。Baig表示，“并非所有的使用案例都具有同等价值，并不是很多案例都能增加价值。”他建议企业专注于“解决实际业务问题的、在技术上可行且风险较小的项目。”
德勤的报告发现，48%的企业预计GenAI的转型效果将在一到三年内显现。
英国的CNH Industrial是微软Copilot的早期采用者，并于2023年11月开始创建自己的大型语言模型（LLM），该公司的全球首席数字与信息官Marc Kermisch表示。
Kermisch表示：“我们确实学到了很多限制条件，”他补充道，“这并不是我们所有人所认为的万能药。”
虽然在某些方面取得了生产力的提升，但Kermisch原本预期这些提升在发票处理等领域会更加显著。他认为GenAI“主要是一种信息综合工具。”他还表示，目前现成的GenAI工具“在任何财务或数字分析方面都没有效果。”
另一个问题是工具和技术的泛滥，Baig认为这一点需要得到抑制。“实现GenAI大规模应用的最大障碍之一是过多的GenAI平台。”他说。
凤凰儿童医院的首席创新官兼执行副总裁David Higginson对此表示认同，他说：“几乎每周都会有一个新工具发布，其功能和潜在影响力令人惊叹。”但目前GenAI“只能由少数科技巨头执行，而不是在医疗企业的本地创新部门进行试验。”他还说，“因此，感觉我们处于一种暂停状态，等待成熟的供应商推出能够提供我们所期待的切实价值的成熟解决方案。”
Higginson表示，有效的工具将会出现，以解决医疗服务提供者的实际问题。当那一刻到来时，它将“迫使人们在风险容忍度、成本、提供者满意度和患者结果之间做出不舒服的决策。”
3. 法律问题使IT处于停滞状态
Higginson认为，放慢平台大规模交付的两个因素是依赖这种技术的法律和监管未知数，以及作为早期采用者的高成本。
他说：“由于使用这项技术的法律风险仍不明朗，供应商成本和媒体推动的‘出错’恐慌依然很高。” “因此，许多管理人员选择不成为这项新兴技术的第一个试验对象——尤其是在他们对这项技术的运作方式不甚了解，无法向律师提供关于其实际工作原理的任何保证时。”
德勤的研究发现，合规性问题（28%）和治理问题（27%）被认为是AI采用的障碍。根据报告，只有不到一半（42%）的受访者认为他们已经采取了足够的措施来管理GenAI的采用并减轻其潜在风险。
“这表明在未来一年内，关于AI如何被监管仍然存在很大的不确定性，尤其是对于在多个地区运营的全球性企业，”Rowan指出。“从更广的视角来看，GenAI在企业治理和风险管理中带来的挑战，与其在社会治理和风险管理中面临的挑战类似。”
超过一半的研究受访者表示担忧，认为GenAI的广泛使用将集中全球经济权力（52%）并加剧经济不平等（51%）。
“在这两个领域中，技术的潜在利益和潜在危害都很高，”Rowan说，“国家企业和政府需要在确保GenAI利益得到广泛且公平分配的同时，不要过度阻碍创新或为遵循不同规则的公司提供不公平的优势之间找到平衡。”
4. 成本管理是一个巨大的问题
呼应Higginson对实施GenAI成本的担忧，麦肯锡的Baig强调，企业必须管理成本——否则成本将控制他们，这是因为GenAI要求高计算强度和高变更管理。
他建议企业在这些领域的投资应与推动数字化转型的投资相当，因为GenAI将需要在工作流程、业务流程和新的KPI方面进行变革。Baig还表示，企业还需要考虑风险和幻觉训练，并为持续维护预留预算。
Higginson表示，采用GenAI的根本障碍是训练模型所需的硬件、电力和数据的稀缺性和高成本。“随着这种稀缺性的增加，必须优先考虑那些对大众具有最广泛吸引力并能产生最长久收入的解决方案，”他说。
CNH的Kermisch对GenAI“能够帮助我们降低成本曲线”抱有很高的期望，但这并没有发生。他说，平台实施非常昂贵，而且GenAI的使用越多，成本就越高。
“如果我能通过生产力回收投资，那当然很好，但我们没有看到一对一的转化效果，”他说。CNH Industrial公司拥有有限数量的Copilot许可证，并且IT部门会在那些通常对使用新技术感兴趣的员工之间轮换使用这些许可证。
这种现象往往会消退。“通常在30天内，使用率会急剧下降，”Kermisch指出。“这肯定是‘新工具的吸引力’现象。他们会打开一个Excel电子表格，尝试使用Copilot，但很快发现他们无法使用它。”
他补充说，当使用正确的提示时，Copilot是有效的。“你的提示越精确，效果越好。”然而，“我们还没有找到能够熟练使用它的高级用户。”
Briggs & Stratton公司的副总裁兼CIO Brian Olsson已大规模部署了Google Gemini，并表示，虽然成本会有些问题，但更令人担忧的是如何监控其采用和使用情况。与Kermisch一样，Olsson认为这将有助于IT部门确定该工具是否是一项好的投资。
“关于AI领域的问题在于它发展得如此之快，我们正努力保持灵活，并在推出时尝试寻找效率提升的途径，”他说，“我们在关注财务状况和采用率，但我们并没有设置太多的障碍，以至于被甩在后面。”
5. 获取合适的数据很困难
目前，许多企业面临着使用高质量数据的挑战，因为GenAI模型需要大量准确、相关的数据才能有效发挥作用。
麦肯锡的Baig表示，企业不应该专注于寻找完美的数据，因为这是一个“巨大的、令人生畏的挑战。”许多企业正在从上而下地审视数据，而“那最终看起来像一个巨大的电子表格，”他说，“专注于能够帮助你处理多个用例的数据。”
虽然研发工作继续推动GenAI的能力，但“我们知道数据是实现AI解决方案的关键方面，我们也认识到许多企业正在发现构建正确的数据基础以支持规模化AI部署所需的工作量。”德勤的Rowan说。
CNH的Kermisch表示，他们已经了解到，使用文档或基于文本的数据存储库创建大型语言模型（LLMs）“具有相对较高的价值，并且相对容易快速实现。”
他说，最终，CNH的高管们相信GenAI将对他们的业务产生重大影响，但目前仍处于早期阶段。“我们以为几个月内，我们的车辆设计能力和通过自动化任务降低成本的能力会有巨大的提升，”Kermisch说，“但这些都没有真正实现。我们确实看到了积极的结果和积极的成果——但仅限于有限的用例。”
因此，Kermisch采取的做法是训练一组技术领导者掌握这项技术，并与微软合作为更广泛的员工群体提供培训。“我们鼓励实验，并让业务团队出去学习，”他说，“我感觉我们就像在一个大型科学展览会上，设计假设，而其中八成都失败了。只要它们失败得足够快，对我们来说现在就没问题。”
6. 它将继续存在
尽管经历了种种困难，IT领导者们认识到GenAI不会消失。
“可以肯定的是，这将是一段崎岖的旅程，伴随着一些惊人的成功和失败，我迫不及待地想看到未来五到十年内这个行业的变化。”凤凰医院的Higginson说。
Michael Corrigan，World Insurance 的CIO表示，虽然GenAI非常强大且发展迅速，但其成熟过程非常缓慢。他还提到，关于GenAI存在很多炒作和误解。
“要使GenAI对企业产生积极影响，增强企业能力，实现业务目标，必须有一个战略和路线图。”Corrigan说。
此外，企业还需要建立用例和他们想要使用的工具，因为“影子GenAI”正在逐渐渗透。
“即使公司没有推出特定的AI工具，员工们也在使用ChatGPT和各种第三方AI工具，因为它们让他们变得更高效，”Briggs & Stratton的Olsson说，“一个残酷的事实是，如果你不给他们提供工具，他们就会自己找到，……即使他们没有直接使用AI，数据风险依然存在，这是一种新的信息安全风险。”
Consumers Energy的IT执行董事Dave Pawlak同意这一观点，并表示GenAI必须安全实施，“这并不像公众在使用OpenAI或其他开放GenAI工具时体验的那样简单。”
尽管面临这些挑战，Kermisch、Pawlak、Baig以及其他人仍认为，快速、安全地大规模实施GenAI是有价值的。
“这将使你能够从试点阶段过渡到规模化应用，”Baig说，“与其他数字化变革不同，我相信我们正处于GenAI的发展阶段，这需要一定程度的投资”，以及对技术的更好理解。“你现在有一个难得的机会来利用这个技术，这也让CIO在推动企业前进方面的领导角色变得更加重要。”
