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
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。