企业采用零散的AI方法并未带来有意义的回报,但对许多CIO而言,这一信息仍未引起足够重视。
在过去两年半中,许多企业在没有制定长期战略的情况下启动了数十个AI项目,导致大量概念验证实验失败。与此同时,两项新研究表明,完善的AI战略以及专门的AI领导力不仅能带来直接影响,还能推动长期成功。然而,专家表示,大多数组织仍未采取必要措施,比如指定AI负责人。
根据Gartner最近的一项调查,在AI成熟度较高的组织中,45%的领导者表示其AI项目能够持续运行三年或更长时间,确保了长期影响和价值。相比之下,AI成熟度较低的组织中,只有20%的领导者对其AI项目存续率给出了同样的评价。
Gartner通过多个因素来定义AI成熟度。该分析公司表示,高成熟度组织定期使用多种指标衡量AI项目的效益,大多数组织已将AI战略、治理、数据和基础设施能力集中化。大多数AI成熟的组织还会对风险因素进行财务分析,开展ROI分析,并衡量客户影响。
需要AI领导者
除了战略和治理等组成部分,领导力同样重要。在符合Gartner高AI成熟度定义的组织中,超过90%都任命了专门的AI领导者,无论是首席AI官还是承担AI职责的CIO、CTO或其他领导者。
在一项相关研究中,IBM商业价值研究院发现,拥有CAIO的组织在AI投资回报率方面高出10%,在创新表现超越同行方面的可能性高出24%。
IBM调研了约2300家组织,其中26%设有CAIO职位,高于2023年的11%。超过一半的CAIO来自组织内部人才库,三分之二的受访CAIO预计大多数组织将在未来两年内设立该职位。
IBM咨询全球生成式AI管理合伙人Matthew Candy表示,AI领导力需求与CAIO的实际任命之间似乎存在脱节,或者至少在赋予CIO更多AI权限方面存在差距。他说,超过一半的组织似乎仍处于AI试点阶段。
"这些组织仍陷入某种试点困境,"他说。"它们仍在进行测试/学习/试点活动,而这个角色是帮助它们从试点状态转向规模化执行的关键。"
Candy补充说,企业内的AI领导者需要预算和决策权限来将试点项目投入生产。然而,这个角色不应该只关注技术;CAIO或承担AI职责的CIO的重要目标之一是变革管理和员工认同。
"这远比技术采用和部署更广泛,"他说。"这关乎如何协调公司的业务转型,如何将AI嵌入运营,如何建立治理,如何提升人员和团队技能,推动文化转变,并带领整个组织踏上这一旅程,达到能够大规模衡量影响的境界。"
构建成熟度
Gartner高级总监分析师Birgi Tamersoy表示,考虑到所有这些因素,AI成熟度不是一蹴而就的。但他补充说,企业可以通过试错来创建成熟的AI战略,朝着更好的AI成果迈出小步。
"在AI之旅的开始,你缺乏正式的战略,"他说。"随着发展,你制定AI战略,然后将其深度整合到业务中——随着成熟度的提高,你的AI战略开始可能塑造你的业务战略。"
然而,他补充说,成熟度超越了战略,是多维度的。"你必须知道在工程方面要做什么,必须建立治理流程来提高解决方案的信任度、安全性和可靠性,"他说。"你从小实验开始。随着经验和知识的积累,你建立更成熟的流程。"
云基础设施提供商Vultr的COO David Gucker补充说,从小做起可能是一个好方法,组织应该专注于从运营级AI用户转向变革级用户。这种变化需要从实验转向AI的全面集成。
"大多数组织从孤立的用例或概念验证开始,"他补充说。"但随着这些项目展现价值,下一步是在多个部门和职能中扩展AI。"
Gucker补充说,为了达到成熟度,企业应该确保其领导团队在AI如何创造业务转型和可衡量价值的共同愿景上保持一致。专门的卓越中心可以推动AI战略向前发展。
"如果这太过复杂,建立一个专门的内部AI委员会也是一个选择,"他补充说。"这个跨职能团队应该包括高管和技术负责人,他们可以作为AI采用的倡导者,同时确保治理、安全和合规。无论哪种情况,都需要一个具名的个人作为AI领域的负责人,以确保项目保持势头。"
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。