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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。