关于人工智能重塑工作方式的广泛讨论中,关于这一变化如何具体发生的确凿数据一直相对稀缺,但这种状况正在发生改变。Amazon Web Services 与 Access Partnership 合作发布了 “AWS 生成式 AI 采用指数”,旨在通过严谨的追踪,记录人工智能对各组织及其采用策略的影响。
本月发布的该指数通过数据驱动的洞见,展示了企业如何将生成式 AI 融入其运营。该指数基于来自九个国家、超过 3,739 名 IT 决策者的反馈,而不是依赖于假设性预测。
其目标是为高管们提供制定 AI 战略决策的实证基准,用真实数据剖析 AI 所产生的实际影响,撇开那些空洞的炒作。
以下是 AWS 生成式 AI 采用指数报告中的 10 个关键收获:
1. 组织将 AI 支出置于安全支出之前 该指数显示,在受访 IT 决策者中,有 45% 将生成式 AI 工具列为 2025 年预算中的首要重点,超过了传统优先级,如安全工具 (30%)。这一变化凸显出各组织对依靠 AI 驱动的创新与增长日益重视。 影响:企业在分配 IT 预算时应谨慎平衡创新与安全,确保 AI 的采用不会削弱整体安全防护水平。
2. 首席 AI 官的崛起 令人瞩目的是,60% 的组织已经任命了首席 AI 官,另有 26% 计划在 2026 年前任命该职位。这一趋势反映出,各组织对 AI 的认识已发生根本性转变——不再仅将其视为普通技术工具,而是一项需要最高层战略监管的突破性技术。 影响:组织应考虑建立明确的 AI 领导者角色,以确保跨部门的协调与战略性实施。
3. 从实验阶段走向生产应用 目前,90% 的组织已经部署生成式 AI 工具,而其中 44% 已从初步测试阶段迈向生产部署。数据显示,2024 年各组织平均开展 45 项 AI 实验,但到 2025 年只有 20 项能面向终端用户,这突显了实施过程中所面临的诸多挑战。 影响:企业应着力解决技术及组织层面的障碍,缩短从实验到生产的转化过程。
4. 生成式 AI 人才缺口 组织认为,缺乏具备 AI 技能的人才是阻碍生成式 AI 实验转向生产的最大障碍,占比达到 55%。其他挑战还包括认为成本高昂 (48%) 以及对偏见和幻觉问题的担忧 (40%)。 影响:组织需要制定全面的人才策略,通过招聘、培训以及与外部专家合作,共同应对人才短缺问题。
5. 混合自建与购买策略占据主导 大多数组织不会从零开始开发解决方案,而是会定制预先存在的 AI 模型,以适配各自的工作流程和数据集。仅有 25% 的组织计划部署自研解决方案,而 58% 则打算在现成模型的基础上构建定制应用。 影响:企业应根据自身具体需求,评估并选择定制开发与现成解决方案的最佳组合。
6. 金融服务业引领现成解决方案的采用 有趣的是,44% 的金融服务公司计划采用现成的解决方案,从而背离传统的定制开发路径。这反映出业界越来越认可现成应用能够实现更快部署和提供先进 AI 能力的优势。 影响:即使是高度监管的行业,也可通过适当定制和监管,从预构建的 AI 解决方案中获益。
7. 第三方供应商的关键作用 外部合作伙伴正日益成为 AI 转型的重要推动力,65% 的组织计划在部署过程中与供应商进行合作。外部专业知识与内部能力的紧密结合,对于成功部署生成式 AI 至关重要。 影响:组织应与能够提供技术及实施专长的供应商建立战略合作伙伴关系。
8. 培训计划势头增强 为应对人才缺口,56% 的组织已制定生成式 AI 培训计划,另有 19% 计划在 2025 年底前推出。然而,有 52% 的组织反映,对员工 AI 培训需求的认知不足是制定培训方案的最大挑战。 影响:企业在设计 AI 培训项目之前,应进行全面的技能需求评估,以确保培训计划的针对性与有效性。
9. 积极 AI 招聘势在必行 到 2025 年,92% 的组织计划招聘需要具备生成式 AI 专长的新岗位。在受访者中,有 26% 的组织表示,新招聘岗位中至少一半将要求 AI 技能,而 ICT 行业以 35% 的比例引领了这一趋势。 影响:组织应尽早构建以 AI 为重点的招聘策略,以在激烈的人才竞争中占据优势。
10. 变革管理的需求 目前仅有 14% 的组织拥有 AI 采用的变革管理策略,但这一比例预计将在 2026 年底上升至 76%。然而,令人担忧的是,届时仍将有 24% 的组织缺乏正式的转型策略。 影响:企业必须制定全面的变革管理方案,从运营模式、数据实践到企业文化,各方面共同推进 AI 的成功整合。
展望未来,AWS 的研究表明,生成式 AI 在职场中的作用将持续演变与扩展。把 AI 视为合作伙伴而非替代技术的组织,将最有可能充分享受其带来的优势。成功的关键在于持续投资于员工培训、密切关注新兴 AI 能力,并致力于营造拥抱 AI 与人类协同合作的企业文化。
在这一全新格局中,繁荣的关键不在于全面自动化,而在于深思熟虑的整合——既能提升人类能力,又能保留员工所带来的独特价值。能够实现这一平衡的组织,将在日益由 AI 增强的商业环境中占据竞争优势。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。