麻省理工學院技術評論洞察（MITTR）進行的一項全球研究發(fā)現，盡管大多數企業(yè)正在尋求利用生成式人工智能來顛覆其所在行業(yè)，但只有很少一部分認為他們擁有正確水平的技術以及其他支持其快速采用的屬性，如資金、文化和技能。
那些在推出生成式人工智能方面經驗最豐富的人對他們的信息技術（IT）甚至更不自信，這表明許多企業(yè)低估了有效部署所需的要求。這意味著他們成為顛覆者而不是被顛覆者的計劃可能會因許多受訪者似乎未完全意識到的問題而失敗。
該研究報告是與電信和技術公司之一Telstra的全球部門Telstra International合作制作的。MITTR調查了亞太地區(qū)、美洲和歐洲的300名企業(yè)領導人，了解他們的組織如何實施或計劃實施生成式人工智能技術，以及有效部署的障礙。
受訪者主要負責管理信息技術、數據和數據工程相關職能，并覆蓋金融服務、銀行和保險、消費品包裝和零售、制造業(yè)和汽車、技術和電信等行業(yè)。
該研究包括以下主要發(fā)現：
高管們預計生成式人工智能將在全球各經濟體的行業(yè)中引發(fā)顛覆：10位受訪者中有6位認為，未來五年生成式人工智能技術將大幅顛覆他們所在行業(yè)。盡管必然存在差異，但預見到顛覆的受訪者在每個行業(yè)中均超過了不預見到的受訪者。
大多數人不認為AI顛覆是風險，而是希望成為顛覆者：78%的受訪者將生成式人工智能視為競爭機會。只有8%認為它是一種威脅。大多數人希望成為顛覆者：65%的受訪者表示，他們的企業(yè)正在積極考慮利用生成式人工智能開發(fā)新的創(chuàng)新方式，從數據中挖掘隱藏的機會。
盡管對變化有期望，但很少有公司在2023年超越了對生成式人工智能的實驗或有限采用：盡管大多數（76%）受訪公司在2023年以某種方式使用過生成式人工智能，但很少（9%）已廣泛采用了該技術。其余進行實驗的公司僅在一個或幾個有限的領域部署了該技術。此外，最常見的用例是自動化非必要任務——這是一種低至中等收益，但風險最小的技術使用方式。
公司有雄心勃勃的計劃在2024年增加采用：到2024年底，他們將尋求在功能或一般用途上部署生成式人工智能的數量將增加一倍以上。他們預計到2024年底，將在客戶體驗、戰(zhàn)略分析和產品創(chuàng)新領域頻繁應用該技術。同時，受訪者計劃增加在與其個體行業(yè)相關的特定領域中使用生成式人工智能。這些領域包括IT公司的編碼、物流中的供應鏈管理和金融服務中的合規(guī)性。
公司需要解決IT不足問題，否則將無法實現其生成式人工智能的雄心壯志：不到30%的受訪者將其公司的IT屬性排名為有利于快速采用生成式人工智能。此外，這些結果可能過于樂觀。那些在推出生成式人工智能方面經驗最豐富的人對他們的IT甚至更不自信。在這一組中，許多人（65%）表示，他們的可用硬件最多只能在一定程度上促進快速采用。
其他因素也可能破壞生成式人工智能的成功應用：
風險：77%的受訪者認為，他們的監(jiān)管、合規(guī)性和數據隱私環(huán)境是快速采用AI的主要障礙。
預算：56%的人將IT投資預算列為主要障礙。
競爭環(huán)境：早期采用生成式人工智能的人超過兩倍可能將競爭環(huán)境視為快速采用的促進因素，而不是障礙。
文化：早期采用生成式人工智能的人更有可能將對創(chuàng)新的開放態(tài)度視為快速采用的促進因素。
技能：對于重大AI項目所需的技能供不應求；但在受訪者中，早期采用者更加清楚現有人才短缺的問題。（美通社頭條）
