调查显示尽管期望值高，但生成式AI在企业中的采用进展缓慢

Telstra和MIT Technology Review Insights最近进行的一项全球调查揭示了生成式AI在企业中采用缓慢的现状，尽管该技术备受炒作和期望。令人惊讶的是，全球300多名商业领导人中，只有9%被发现有大量使用生成式AI，这与围绕其潜力的乐观情绪形成鲜明对比。

调查报告确定了阻碍生成式AI在各行业广泛采用的几个关键障碍。数据隐私、法规和技术基础设施成为主要障碍，突显了企业在实施这项尖端技术时面临的挑战。

澳大利亚国家人工智能中心首任主任Stela Solar强调了对运行成熟、企业就绪的生成式AI容易性的误解。她强调公司需要提高数据质量、隐私措施、AI技能培训，并在整个组织范围内实施安全且负责任的人工智能治理。

监管挑战和数据隐私问题

调查中确定的重大障碍之一是，需要强大的治理框架和安全程序来减轻与生成式AI相关的风险。AI Singapore的AI创新总监Laurence Liew在MIT报告发布期间强调，为AI模型建立清晰的治理框架和安全程序的重要性。

Liew强调企业必须确保适当的治理到位，并且内部文件得到适当分割或保护。他强调需要避免AI模型被诱骗披露私人信息（如员工薪水）的情况。

IT基础设施和投资采用障碍

调查还显示，IT资源和能力以及投资预算对生成式AI的快速部署构成了重大障碍。不到30%的受访者对其公司支持生成式AI快速采用的IT属性表示有信心。此外，56%的受访者表示，他们的IT投资预算限制了生成式AI的实施。

尽管采用率缓慢，但调查结果表明，大多数商业领导人预计，到2024年，生成式AI将被两倍以上的业务功能或一般用途所使用。2023年的早期采用者主要将技术用于自动化重复性、低价值任务，因为它们需要较少的人工监督。

到2024年，受访者预计将在各个领域实施生成式AI，包括客户服务（77%）、战略分析（74%）、产品创新、供应链物流和销售。然而，报告指出，由于上述障碍，这些计划可能过于“雄心勃勃和自负”。

随着生成式AI生态系统的不断演变，企业必须应对数据隐私、监管合规和IT基础设施限制等挑战。解决这些问题对于这项变革性技术在各种业务操作中的广泛采用和成功整合至关重要。

该调查强调，企业需要优先考虑对IT资源、数据质量和AI治理框架的投资，以释放生成式AI的全部潜力。通过克服这些障碍，公司可以利用这项技术的力量来推动创新，提升客户体验，并在日益数字化的 landscape 中获得竞争优势。