零售、金融服务和医疗保健等行业如何管理数据和人工智能的复杂性？我们调查了来自大型国际知名组织的 200 名 IT 领导者，以了解他们使用生成式人工智能 (GenAI) 的方法并确定他们遇到的运营挑战。
与 Dataiku 的现场 CDO Gernot Klein和 Cognizant 的全球产品负责人Sandeep Upadhyay一起深入探讨调查结果中的四个关键领域，并讨论顶级公司可以采用的实用策略，以有效驾驭不断变化的环境。
—> 立即观看：弥合现代分析中的执行差距
组织是否从 GenAI 投资中看到战略回报？
越来越多的组织认识到 GenAI 是一股变革力量。85% 的组织正在投资 GenAI，无论是通过专项预算还是其他预算。在这群人中，46% 的组织计划投资超过 100 万美元，11% 的组织计划在未来一年投资超过 1000 万美元。尽管做出了这些承诺，但那些面 塞内加尔 电话号码数据 临组织或内部政策障碍、无法以他们希望的方式使用 LLM 的人中，39% 仍将投资超过 100 万美元，74% 的人至少投资 50 万美元。
这引出了一个重要的问题：这些巨额财务承诺是否与预期的战略成果相符？
Sandeep 指出，GenAI 仍处于早期阶段。从历史上看，变革性技术需要几十年才能完全成熟。目前，企业在 GenAI 方面大多处于实验阶段，主要关注运营效率。因此，虽然投资额巨大，但将这些支出与长期战略目标相结合仍是一个不断发展的过程，尚未看到全部收益。
应对 GenAI 部署中的新层面运营风险
随着对话的深入，Gernot Klein 和 Sandeep Upadhyay 深入探讨了 GenAI 部署的一个关键方面：组织必须应对的运营风险。
调查揭示了几个普遍存在的问题：基础设施挑战、组织或内部政策阻碍了 LLM 的正常使用，88% 的受访者表示他们缺乏管理 LLM 的特定工具和流程。此外，43% 的受访者认为他们的数据分析堆栈不够现代。
鉴于这些挑战，组织应如何有效部署 GenAI？Gernot 强调采用端到端、集成的 AI 部署工作流程的重要性，而不是依赖一系列脱节的工具。他还警告说，如果不仔细管理这些问题，不合规将带来高昂的成本，并且可能需要进行昂贵的系统重建。