科尔尼：2024 年全球人工智能评估 ( 英文 23页)

2024 年全球人工智能评估 (AIA)：推动实现更高的成熟度、规模和影响力

关键信息总结

在过去的十年中，数据洞察从一种专门的“科学”发展成几乎各项业务环节中不可或缺的一部分。如今，员工被期望产出实时的见解，并逐渐被纳入其日常职责中。众多企业都开始优先考虑搭建高级分析能力，使用数据来改善运营和财务绩效。随着生成式人工智能（GenAI）的出现，这些要求变得更加紧迫，因为它有能力改变企业甚至整个行业的运作方式。

在如今人工智能日益成为通往洞察之门的重要工具时，源头数据的高质量和一致性十分重要。低质量的数据可能导致不准确的见解和有缺陷的决策。与传统分析方式不同，人工干预（如数据清理）可以降低问题出现的概率，AI系统会大规模自动处理数据，放大存在的任何错误或不一致性。

随着AI越来越多地融入实时决策过程，对高质量、高一致性的原始数据需求对于确保获得值得信赖的结果至关重要。

考虑到这种变化，企业们往往会关注“酷”的部分——构建AI使用案例并探索更多可能性。一些典型的GenAI案例是：

• 提高生产力的单点解决方案

• 通过战略性的使用案例创建愿景

• 通过商业模式转型实现创新

然而，真正的挑战在于“困难”的部分——通过AI使用案例找到持续扩展的途径。一些常见的陷阱包括：

• 缺乏职能间协调和专业知识

• 对人工智能未形成清晰理解

• 不了解在风险和审计方面的影响

• 缺乏健全的成本管理框架

根据科尔尼的最新研究，虽然企业们已经取得了进步，但仍有很多工作要做才能达到真正拥有AI和分析能力的地步，以实现对业务的颠覆性影响。在参与调研的企业中，仍有超过一半（51%）的企业在AI方面的能力尚不成熟——尽管他们可能已经制定了AI发展战略，并开发出使用案例，但仍在艰难地构建将AI大规模落地所需的能力，并将其应用在真正的管理实践中。该群体中的一部分，占我们调查样本的3%，是我们认为的落后者，他们也正在艰难地探索如何利用AI和分析的力量来改变他们的业务。

在我们的调研中，接近49%的企业已经开发出更为成熟的AI和分析能力。在我们的调查样本中，有4%的企业在这方面表现卓越。这些领先企业的特点和实践，使他们能够建立和扩展AI和分析能力，这些能力正在帮助他们实现真正的竞争优势。

我们的调研还揭示了当前不同行业的AI和分析成熟度水平差异。电信、媒体与科技以及消费与零售行业中拥有最多数量的分析能力处于成熟阶段的企业，分别占7%和5%。能源和金融服务行业相对落后，各仅有2%的企业属于分析能力成熟的“领先者”，低于4%的平均水平。

在这份报告中，我们展示了对全球1000多家企业在AI和分析方面的能力进行全面调查的结果。我们将讨论企业在思考、构建、扩展和管理其AI和分析能力方面取得的进展，以及他们在此过程中面临的挑战。我们还研究了企业如何将预算分配给AI和分析项目，并探讨企业在构建成熟的AI和分析能力道路上出现的关键趋势和最佳实践。

×