生成式人工智能项目的主要低效令人困惑。麻省理工学院的一项研究强调，95%的此类倡议未能产生可衡量的结果。美国企业在此方面投资介于350亿至400亿美元之间，却未能回收其投资。关键在于糟糕的解决方案整合与工作流之间的匹配。大多数努力停滞在试点阶段，没有增值。大规模的市场和销售投资几乎不能保证成功；后台自动化似乎提供了更多的收益。
生成式人工智能项目的停滞进展
根据麻省理工学院的一项新研究，美国公司在生成式人工智能项目上投资了350亿至400亿美元。尽管投资可观，这些倡议中大多数仍停留在试点阶段。分析表明，只有5%的项目能实现快速的收入增长。大多数项目未能产生显著影响，表明投资与结果之间存在显著差异。
实施中的真正障碍
用于这些项目的模型质量似乎并不是成功或失败的主要因素。实施过程中遇到的问题与整合、知识共享以及与企业现有工作流的对齐有关。许多企业专注于面向销售和市场的解决方案，但最高的投资回报似乎来自于后台活动的自动化。
优秀企业的策略
研究结果表明，在生成式人工智能领域中成功的企业通常选择专业解决方案并建立成功的合作伙伴关系. 与此同时，内部开发的项目的失败率往往高于成功率，这是许多企业必须面对的现实。
雄心与能力之间的张力
报告引发了一个主要担忧，即企业在整合人工智能方面的雄心与其实际有效进行这项工作的能力之间的差距。这个差距在长期内可能成为问题，尤其是当投入到这些倡议的资源未能产生预期结果时。应考虑提前干预以纠正这些轨迹。
对技术生态系统的影响
生成式人工智能项目的停滞可能会对技术领域产生更广泛的影响。如果大多数投资最终产生的结果很少或没有，这可能会导致对人工智能的普遍不信任，并限制创新机会。企业和投资者必须质疑其当前方法的有效性。
合作平台与可持续发展
合作平台在生成式人工智能项目的成功与失败中扮演着关键角色。投资于合适解决方案并有效合作的企业似乎更有可能获得显著成果。这突显出营造利于持续学习和创新的结构性环境的重要性。
对领导者的启示
企业领导者应考虑这些教训，以最大化在人工智能领域的投资回报。战略性的视野结合更好的执行整合可能促进组织结构的积极转变。领导者应关注成功企业所观察到的最佳实践。
关于企业生成式人工智能项目失败的常见问题
为什么根据麻省理工学院的研究，95%的生成式人工智能项目未能取得成功？
大多数生成式人工智能项目面临与企业工作流整合的问题，而不是与所用模型质量有关。
哪些主要因素限制了企业生成式人工智能倡议的成功？
主要障碍包括缺乏学习和与内部流程的对齐，以及解决方案的不良整合。
企业应该更多地投入内部开发，还是购买生成式人工智能的专业解决方案？
研究表明，购买专业解决方案并建立合作伙伴关系的企业通常比内部开发项目的企业更成功。
哪些行业从生成式人工智能倡议中受益最大？
投资回报率最高的似乎来源于行政任务的自动化和内部流程的优化。
企业如何最大化生成式人工智能项目的成功机会？
为最大化成功机会，企业应专注于将解决方案整合到其现有工作流中，并获取适合其特定需求的技术。
与企业流程的对齐在生成式人工智能项目成功中扮演什么角色？
与企业流程的对齐至关重要；因为没有对内部工作流的理解，生成式人工智能项目可能会产生很少或没有影响。
生成式人工智能项目的失败在各个行业中都是普遍问题吗？
尽管失败在许多行业中普遍存在，但具体原因可能因行业和内部流程的复杂性而异。
企业可以采取哪些措施来避免其生成式人工智能项目停留在试点阶段？
企业应实施明确的整合策略，投资于员工培训，并与技术专家建立合作关系。
