微新创想（idea2003.com）7月21日 消息：一项最新研究深入剖析了Fortune1000（F-1000）企业在生成式人工智能（generative AI）领域的应用现状，揭示了高管在推动AI创新过程中面临的严峻挑战与资源瓶颈。这项由开源AI解决方案公司ClearML与AI基础设施联盟（AIIA）联合开展的研究，通过全球范围内的广泛调查，揭示了企业在AI转型过程中普遍存在的困境。
调查显示，高达59%的企业高管表示缺乏必要的资源来满足企业对生成式AI创新的期望。预算限制和资源匮乏已成为制约企业成功实施AI战略的关键因素，严重阻碍了有形价值的创造。更令人担忧的是，66%的受访者坦言无法准确衡量其AI/ML项目对利润的贡献及投资回报率（ROI）。这一数据凸显了大型企业在AI团队建设上的不足，包括资金投入不足、专业人才短缺以及管理机制不完善，导致AI项目难以产生可量化的实际成果。
值得注意的是，企业对AI和机器学习的投资回报预期正在持续攀升。超过半数（57%）的受访者透露，其董事会预计在未来财年通过这些投资实现两位数的增长，而37%的企业则设定了个位数的增长目标。这一趋势反映出企业对AI技术商业价值的强烈信心。
在生成式AI的采用方面，该研究呈现出一幅积极图景。绝大多数受访者（81%）将释放AI和机器学习用例以创造商业价值视为最优先事项之一。此外，78%的企业计划在2023财年将xGPT/LLM/生成式AI纳入其AI转型战略，另有9%的企业计划于2024年开始实施，合计占比高达87%。值得注意的是，88%的受访者一致表示，其组织正在制定针对跨业务部门生成式AI应用的政策框架。
尽管生成式AI和机器学习被视为企业收入增长和创新的关键引擎，但资源瓶颈问题依然突出。59%的高管坦言无法获得足够的资源来支撑AI创新需求。预算限制和资源短缺成为制约企业发挥AI价值的主要障碍。具体而言，在构建、执行和管理AI/ML流程时，人才短缺、技术平台不统一以及流程效率低下成为F-1000企业高管普遍关注的三大痛点。
人才缺口问题最为严峻，42%的受访者表示急需人工智能和机器学习领域的专业人才来推动项目成功。技术平台方面，28%的受访者指出缺乏统一的软件系统来整合管理AI/ML全流程。流程效率问题同样不容忽视，22%的受访者反映在数据收集、预处理和手动管道构建上耗费了过多时间。
研究进一步揭示了阻碍生成式AI应用推广的五大核心挑战：定制化与灵活性不足、数据保护与隐私问题、治理框架缺失、安全合规风险以及性能与成本控制。特别是在AI治理方面，54%的首席数据官、CEO、CIO、AI主管和CTO表示，因未能有效治理AI/ML应用而遭受了企业损失。更严重的是，63%的受访者指出，由于AI/ML治理不力，企业损失超过5000万美元。
针对生成式AI/LLMs/xGPT解决方案在企业级应用中的挑战，受访者总结出五大关键障碍。企业需要加大对生成式AI的投资力度，并寻求集成的端到端平台解决方案，以提升管理可见性、实现无缝集成并降低开发门槛，从而加速生成式AI的落地应用进程。这一发现为企业制定AI战略提供了重要参考，也为AI技术提供商指明了发展方向。