人工智能的採用達到了意想不到的高度，正在改變當代商業的格局。公司已經採用旨在優化其操作的系統，但實施卻面臨重大挑戰。半數的領導者譴責與數據質量和安全性相關的問題的複雜性。這一現實導致多個項目延誤，儘管在AI 措施上投入增加，有時達到驚人的金額。領導結構正在發展，出現了首席 AI 官的角色，但他們必須適應持續存在的困難。向混合或內部解決方案的轉型以提高安全性反映了這種日益成熟。
人工智能的逐步採用
人工智能的格局迅速變化，企業積極投入生產解決方案。最近由 Zogby Analytics 為 Prove AI 進行的一項研究顯示，68% 的組織目前已開發出運行中的人工智能系統。朝著大規模 AI 措施的演變伴隨著重大投資，81% 的公司每年至少撥出一百萬美元用於與 AI 相關的項目。在這些公司中，四分之一超過每年一千萬，顯示出朝著長期承諾的轉變。
領導結構的演變
人工智能的興起也重新組織了管理結構。近 86% 的企業已指定一位負責人工智能工作的領導者，通常稱為‘首席 AI 官’。這些 AI 領導者現在影響著公司的戰略，與 CEO 的權力幾乎平等：43.3% 的公司表示 CEO 負責與 AI 相關的決策，而 42% 將這一責任歸於其 AI 總監。
部署中的持續挑戰
儘管有這些進展，人工智能的部署之路依然布滿艱難。超過一半的領導者一致認為，訓練和調整 AI 模型比預期更具挑戰性。數據問題依然存在，涉及品質、可用性、版權和模型的驗證。近 70% 的企業報告至少有一個 AI 項目延遲，這往往是由於這些數據問題造成的。
人工智能應用的演變
隨著企業對 AI 的信心增強，新的應用不斷出現。雖然聊天機器人和虛擬助手仍然流行（55% 的採用率），但更技術性的使用逐漸興起。軟件開發現在高居優先事項之首（54%），緊隨其後的是用於欺詐檢測的預測分析（52%）。這一演變標誌著 AI 用於改善基本操作的轉變。
聚焦生成性 AI 模型
生成性 AI 受到特別關注，57% 的企業將其作為優先目標。然而，仍然存在均衡的做法，將這些新模型與傳統機器學習技術相結合。大型語言模型，如 Google 和 OpenAI 的模型，特別是 Gemini 和 GPT-4，占據市場主導地位，儘管 DeepSeek、Claude 和 Llama 等替代產品正迅速崛起，許多企業已開始標準化使用多個 LLM。
向內部解決方案的趨勢
一個顯著的趨勢是向內部解決方案返回 AI 的部署。近 90% 的企業利用雲服務作為其 AI 基礎設施，但三分之二的領導者認為非雲部署提供更好的安全性和效率。因此，67% 的計劃將其 AI 訓練數據轉移到混合或本地環境，以尋求對其數字資產的更大控制。數據主權被 83% 的受訪者視為一項重要優先事項。
在 AI 管治方面的信心與挑戰
大多數領導者對其 AI 管治能力充滿信心。約 90% 的人表示能夠有效管理 AI 政策，建立必要的保障措施並跟踪其數據的來源。這種信心與拖延許多項目的實際挑戰形成對比，包括標籤、訓練和模型驗證方面的問題。其他障礙中，人才短缺和與現有系統整合方面的困難經常被提及。
人工智能的未來展望
過去嘗試人工智能的時代已過。現在，人工智能已深深融入企業運營中。隨著組織的巨大投資、領導結構的重組以及發現將 AI 融入其業務的新方法，商業格局正在快速轉變。觀察到的成熟體現在對控制、安全和管治的更加重視。
有關人工智能與各種技術之間的協同作用的更多思考，包括區塊鏈，請參閱這篇文章：人工智能與區塊鏈的關係。其他文章探討了例如阿里巴巴雲的人工智能進展，請在此處查閱：人工智能與新模型。
關於人工智能挑戰的深入分析，為何 80% 的項目無法投入生產的原因詳細介紹在此：80% 的人工智能項目困難。此外，人工智能在政府職能中的相關性也在討論中，如本文所述：人工智能與公共職能。
關於人工智能採用及其部署挑戰的常見問題
企業在人工智能部署中面臨的主要挑戰是什麼？
企業面臨著數據質量、信息安全以及有效訓練和調整其人工智能模型的必要性等挑戰。
目前有多少百分比的組織在其運營中使用自定義 AI 解決方案？
目前，68% 的組織擁有運行中的自定義 AI 解決方案。
企業今天如何對 AI 項目進行投資？
約 81% 的企業每年在 AI 項目上至少支出一百萬美元，其中四分之一的組織每年投資超過一千萬。
AI 總監在企業策略中扮演什麼角色？
截至目前，約 86% 的組織已經任命了一名 AI 領導者，其在制定策略中的影響力幾乎與 CEO 相當。
為什麼許多 AI 項目的實施會延遲？
超過 70% 的組織報告稱，數據問題，包括質量和驗證，是其 AI 項目延遲的主要原因。
企業使用最廣泛的人工智能技術有哪些？
大型語言模型，例如 Google Gemini 和 OpenAI GPT-4，得到廣泛採用，通常與其他模型一起使用，如 Claude 和 Llama。
轉向非雲部署對 AI 部署的影響是什麼？
在雲興起五年後，三分之二的領導者認為非雲部署可以提供更好的安全性和效率，因此 67% 的人計劃將其訓練數據轉移到混合或本地環境。
企業是否越來越重視 AI 系統的管治？
是的，約 90% 的領導者表示他們有效地管理 AI 政策，並能夠建立必要的保障措施，儘管面臨操作性挑戰。
轉向本地或混合解決方案如何反映組織的成熟度？
這一方向強調對數據的控制、增強的安全性以及尊重數據主權，展示出在部署 AI 上朝著更結構化和成熟的方式演變。
