企业正争相采用生成式AI，以提升生产力。
但许多AI解决方案提供商并未做好必要的工作，无法让该技术在具体应用场景中发挥作用。
一份新报告汇集了1,600名机器学习专家和企业领导者的观点，展示了如何成功采用该技术。
过去几个月里，关于生成式AI的炒作充斥着大众话语。许多企业已将生成式AI纳入其业务战略，因为它们认为，如果不采用这项技术，就会落后于同行。咨询公司和《财富》500强企业正在该技术上投入数十亿。
因此，我们很高兴地分享《规模时代精神：AI就绪度报告》第二版。该报告超越围绕生成式AI的炒作，探究企业真正采用该技术需要付出哪些努力。报告汇集了1,600多名与AI打交道的机器学习从业者和企业领导者的回应，涵盖保险、金融服务、物流、零售和电子商务以及软件等行业。我们既纳入了AI应用更为成熟的企业，也纳入了刚刚开始尝试的企业。
我们发现，70%的企业领导者认为，在未来三年内，AI对其业务而言要么至关重要，要么极其关键。此外，72%的企业领导者将在2023年增加对AI的投资，几乎涵盖所有行业。
然而，尽管大多数受访者（60%）正在试验生成式AI或计划在未来一年内与之合作，但只有21%的企业已将模型投入生产。这反映出要让生成式AI真正适用于企业应用场景，实际需要付出大量工作。这些模型并非即插即用。需要使用一种称为微调的流程，将特定领域的业务数据审慎地输入模型，并需要借助一种称为基于人类反馈的强化学习（RLHF）的技术，使模型与企业政策及期望行为保持一致。
对大多数企业而言，要让生成式AI达到企业就绪状态，仍需弥补技能和技术方面的差距。三分之一的受访者表示，在实施生成式AI时，其面临的最大挑战是需要更多的专业知识、软件和工具。正如我们此前提到的，大多数解决方案提供商同样是AI过客，他们利用当前的炒作，在自身无法采用该技术的情况下，向企业兜售能够帮助其实施该技术的服务。
由于大多数企业并不具备从零开始构建生成式模型所需的资源或授权，它们必须依赖第三方。在计划与生成式模型合作的企业中，绝大多数打算利用开源模型（41%）或云API模型（37%），而极少数企业打算自行构建模型（22%）。也存在例外，但这些并非常态。从零开始训练模型成本高昂、耗时长，并需要深厚的机器学习专业知识。但是，通过使用经过企业专有数据微调的现有基础模型，您无需自行构建模型，即可获得相近的性能。
在得到妥善采用的情况下，AI的影响总体上非常积极：89%的受访者受益于能够开发新产品或服务，78%的受访者受益于客户体验的改善，78%的受访者受益于现有产品或服务功能的增强。
为让您了解所有行业将如何从生成式AI中受益，以下列举了几个具体应用场景：
保险公司专注于理赔处理领域的AI应用（51%），这是运营效率的重要组成部分。理赔通常极为复杂，而生成式AI擅长对这些理赔进行妥善分派、摘要和分类。
零售和电子商务企业专注于客户聊天机器人（61%）。此类机器人过去未能兑现其简化运营和改善用户体验的承诺。然而，经过企业数据微调的最新生成式聊天机器人能够提供引人入胜的对话和推荐，并根据客户输入动态作出回应。
金融服务企业正在构建投资研究助手（47%），这些助手能够分析财务报表、历史市场数据及其他专有数据来源，并提供详细摘要、交互式图表，甚至可通过插件采取行动。这些工具通过呈现最相关的趋势并提供可操作的洞察，帮助提高投资者的效率和效果，从而助力提升回报。
通过我们的研究以及与客户共同构建AI的工作，我们预计未来一年将出现以下趋势：
增加AI投资：随着生成式AI的能力日益增强、应用日益广泛，企业正迅速将其融入运营之中。未来三年，72%的企业每年都将大幅增加其AI投资。
经专有数据微调的模型应用增长：基础生成式模型本身已是有价值的工具。与企业的专有数据相结合后，它们将成为强大的差异化优势，助力改善客户体验、产品开发和盈利能力。
模型还将具备多模态能力：模型将能够处理并生成文本、图像和视频，从而比当今更加实用。功能强大的助手可以提升开发人员、数据科学家和业务分析师的生产力。
2023年，数十亿美元将投入生成式AI领域。为优化这些投资，您需要将专有数据视为战略优势。释放数据力量的最佳途径是对基础模型进行微调和RLHF。您应立即开始使用生成式AI，无论以何种形式，因为您的竞争对手肯定已经在这样做。请警惕AI过客，并寻找具备实际经验的AI原住民。最重要的是，请自行深入了解AI，并立即阅读完整报告。
