2023年被记为生成式人工智能（generative AI）主流化的一年，这是在公司寻求ChatGPT成功案例的启发下，开始自行采用、推出和应用于企业应用程序的生成式AI之后。现在，随着2024年的到来，公司们正寻求通过将生成式AI更多地融入他们的工作流程来充分实现其对企业的承诺。

然而，Forrester咨询公司对北美公司的220名AI决策者进行的调查发现，许多公司仍担心与该技术相关的风险，并看到存在阻碍其采用的障碍。

这项调查凸显了主要障碍（包括众所周知的问题，如幻觉），这些障碍让组织停留在探索或实验阶段，使他们无法真正将基础模型投入到计划中的用例中去。

如果团队计划加倍投入生成式AI，这是他们将不得不努力解决的问题。

理解生成式AI的变革潜力

鉴于互联网上的成功案例堆积如山，各行各业的组织已经理解了生成式AI的变革潜力。

在代表Dataiku进行的Forrester调查中，有83%的受访者表示他们正在探索或试验生成式AI。

同时，有超过60%的受访者声称，他们认为生成式AI对其业务策略至关重要或极其重要，并计划在未来12个月内将数据/AI倡议的投资增加多达10%。

领导者们还强调他们已经有了正在推进中的用例。超过一半的受访者表示他们已经确定了该技术的多种潜在应用，包括提升客户体验（64%）、产品开发（59%）、自助数据分析（58%）和知识管理（56%）。

“这反映了一种探索和好奇的情绪，其中组织被其潜在应用可能性的广度所吸引，预计在未来两年内将全面拥抱其变革能力的多样性。”调查指出。受访者还说，这些应用预期的更广泛优势包括增强现有产品/服务、创造新产品/服务以及优化内部和外部操作。

采用仍存在障碍

尽管前景乐观，但领导者们指出成功采用生成式AI的道路上有一些障碍，包括违反数据保护和隐私法的风险（31%）以及开发技能和管理（31%）以熟练操纵生成式人工智能复杂性的挑战。

超过50%的受访者还强调了生成式AI输出质量受到偏见和幻觉影响的风险。

更重要的是，当组织未能提供采用生成式AI所需的基础设施前提时，所有这些风险进一步放大。调查中提到的这一领域的最大障碍是缺乏强大的数据基础设施。

多达35%的受访者将不足以支持消费、存储和共享大量数据的基础设施列为痛点。

同样数量的受访者还提到与现有基础设施集成的困难，而27%的受访者指出计算能力的局限。

他们指出的其他障碍涉及治理机制的处理（35%）、AI的可解释性和解释能力（25%）、人才和技能缺口（31%）以及涉及模型的可扩展性。

“组织可以通过采用一种提供协作功能集合的方法来减轻许多实施挑战。他们可以借助AI平台实现这一点，这些平台为加速开发提供预打包的解决方案，为便捷集成提供结构化环境，并为标准化、治理和合规提供强大的框架和安全特性。”调查指出。

据麦肯锡所称，生成式AI单独一项就能每年为全球企业利润增加2.6万亿到4.4万亿美元。据估计，这项技术AI可能会在银行业、高科技和生命科学领域产生最大影响。