根據 IBM 最近對 2,000 名 CEO 進行的調查，只有四分之一的 AI 計劃達到了預期的投資回報。這調查結果於 IBM 年度 Think 大會期間發佈，顯示雖然生成式 AI 備受注目，企業要從這個新技術中獲取真正價值仍然不容易。
調查顯示，僅略超過一半（52%）的 CEO 受訪者表示，他們的組織正在從生成式 AI 投資中獲得超出成本削減的價值。然而，企業並未放棄利用 AI 實現工作自動化的夢想。研究表明，CEO 預計未來兩年 AI 投資的增長率將增加一倍以上，61%表示他們已經在採用 AI 代理並準備在整個組織中擴大規模。
AI 代理不同於我們熟悉的聊天機械人、圖像生成器或搜尋引擎，它們試圖通過串聯多種工具、模型和數據源來自動化完成整個任務，過程中可能有人參與也可能完全自動化。目前，企業 AI 部署範圍相當有限。調查發現，僅 16%的計劃已在整個企業中擴展。IBM 指出，在投資 AI 的企業中，65%的 CEO 根據潛在投資回報優先考慮用例。
IBM 發現，這種採用很大程度上是由「錯失恐懼」（FOMO）驅動的。沒有人想在 AI 真正兌現其承諾的情況下被甩在後面。這似乎促使近三分之二（64%）的受訪者在弄清技術是否真正有益於組織之前就採用了該技術。鑑於生成式 AI 發展迅速，IBM 表示，一半（50%）的受訪者發現自己在處理越來越多的不連貫和/或零散技術。AI 硬件的成本，無論是雲端還是本地部署，也仍然是一個持續的挑戰。
IBM 調查中超過一半的參與者承認，當發生意外變化時，他們的組織難以平衡現有營運資金和創新投資。這種緊張關係可能有助於解釋為何對許多人來說，AI 投資仍未帶來期望的回報。雖然大多數受訪者（72%）認為利用專有數據集將是釋放生成式 AI 真正「價值」的關鍵，但 IBM 指出，許多組織仍在努力實現這目標。正如我們之前討論的，數據通常需要標準化和過濾，然後才能整合到 AI 工作流程中，如檢索增強生成或用於微調模型。
員工可能還需要再培訓，或建立專門職位來構建和管理這些 AI 系統。超過一半的受訪者表示，他們正在招聘一年前不存在的全新 AI 職位，而研究表明，未來三年內可能需要對三分之一以上的廣大勞動力進行再培訓或再技能培訓。然而從長遠來看，高管們仍然樂觀地認為他們的生成式 AI 投資最終會有所回報。IBM 表示，85%的受訪者預計至少還需要兩年才能實現正投資回報。
參考調查結果，企業可採取更現實的 AI 投資方法，特別是在評估潛在回報時。企業應該從小規模、針對性強的項目開始，這些項目有明確的成功指標和可衡量的業務價值。這種方法可以幫助避免投資分散或在尚未證明其價值的技術上過度投資。此外，數據準備也是成功的關鍵。企業應優先考慮數據組織、標準化和治理，確保數據在被用於 AI 系統前是高品質、可用的。這可能需要在數據清理、標籤和管理方面進行前期投資，但這是實現有意義 AI 部署的必要步驟。
同時，企業應關注人才發展。調查結果表明，超過一半的企業正在為一年前不存在的 AI 職位招聘人才。企業應考慮制定全面的人才策略，包括內部技能發展和外部招聘相結合，以建立所需的 AI 專業知識。這包括技術角色（如機械學習工程師和數據科學家）以及能夠識別和實施 AI 用例的業務分析師。企業還可建立長期 AI 策略，了解實現投資回報可能需要時間。大多數受訪者預計至少需要兩年才能看到正面回報，這表明企業應該做好長期投資的準備，同時建立明確的里程碑和檢查點來評估進展。
IBM 的調查結果揭示儘管短期內回報不確定，AI 投資預計將在未來兩年加速。這表明，無論目前挑戰如何，企業仍然相信 AI 的長期潛力，並擔心在這範疇落後。業界焦點正在從基礎生成 AI 工具轉向更複雜的 AI 代理，這些代理能夠自動化整個任務和流程。這種轉變表明，企業正在尋求超越簡單應用的方法，轉向更具變革性的 AI 實施。
目前數據整合仍然是一個重要障礙，72%的受訪者認為專有數據是關鍵，但許多組織仍在努力有效利用這些數據。未來幾年，我們可能會看到更多專注於幫助企業連接、標準化和利用其數據資產的工具和服務。而人才轉型將成為 AI 採用成功的關鍵決定因素。隨著企業尋求擴大 AI 計劃，對技術能力和業務理解的需求將推動勞動力的重大轉變，包括對現有員工的再培訓和新角色的建立。
IBM 的調查結果呈現了 AI 採用的現實，例如期望與成果之間的差距、長期投資需求以及在實施過程中的實際挑戰。對於企業來說，關鍵是平衡對 AI 潛力的熱情與實用而有紀律的實施方法。通過設定現實的期望、聚焦於明確定義的用例、優先考慮數據準備並投資於人才發展，企業可以提高實現 AI 投資回報的機會。
來源：IBM
