人工智能已从实验阶段发展成为企业运营的核心组成部分，但部署挑战依然存在。
Zogby Analytics代表Prove AI进行的研究显示，大多数组织已从测试人工智能的初步阶段过渡到全面部署生产就绪系统。尽管取得了这一进展，企业仍在数据质量、安全性和有效训练模型等基本挑战上面临困难。
从数据来看，情况令人瞩目。68%的组织已部署了定制化人工智能解决方案并投入生产使用。企业也用实际行动证明了其决心，81%的组织每年在人工智能项目上投入至少100万美元。约四分之一的组织每年投入超过1000万美元，这表明我们已远超“先试水”阶段，进入到对人工智能的长期、严肃承诺阶段。
这一转变也在重塑领导架构。86%的企业已任命专人负责AI业务，通常采用“首席AI官”等头衔。这些AI领导者的影响力几乎与CEO相当，43.3%的企业表示AI决策由CEO主导，而42%的企业将此责任交由AI负责人。
但AI部署之旅并非一帆风顺。超过半数的企业高管承认，训练和微调人工智能模型比预期更为困难。数据问题频频出现，导致质量、可用性、版权和模型验证等方面的问题，从而削弱了这些人工智能系统的有效性。近70%的组织报告称至少有一个人工智能项目延期，数据问题是主要原因。
随着企业对人工智能的熟悉度提高，他们正在探索新的应用方式。尽管聊天机器人和虚拟助手仍广受欢迎（55%的采用率），但更具技术性的应用正在崛起。
软件开发以54%的占比位居榜首，与用于预测分析和欺诈检测的52%并列。这表明企业正从注重客户体验的炫酷应用转向利用人工智能提升核心运营效率。曾是许多人工智能部署项目切入点的营销应用，如今正逐渐失去关注。
在人工智能模型本身方面，生成式人工智能备受关注，57%的组织将其列为优先事项。然而，许多组织采取了平衡策略，将这些新型模型与传统机器学习技术相结合。
谷歌的Gemini和OpenAI的GPT-4是最广泛使用的大型语言模型，但DeepSeek、Claude和Llama也表现强劲。大多数公司使用两种或三种不同的LLM，这表明多模型方法正成为标准实践。
最值得注意的是，企业在部署人工智能时的场所发生了变化。尽管近九成组织使用云服务来支持部分人工智能基础设施，但越来越多的企业倾向于将相关业务重新迁回内部。
三分之二的企業高管現在認為非雲端部署能提供更好的安全性和效率。因此，67%的企業計劃將其AI訓練數據遷移至本地或混合環境，以獲得對數位資產的更大控制權。數據主權是83%的受訪者在部署AI系統時最優先考慮的因素。
上一条： 爱立信和AWS押宝人工智能，打造自愈网络
下一条： 没有了
