调查显示，人工智能项目在过去一年中增长了 10 倍

最近对 700 名 IT 经理和高管的调查发现，问题在于人才短缺、集成挑战和治理要求。

我们知道人工智能一直在乘风破浪，但我们对它带来的问题和头痛没有听到足够多的消息。一项新的调查估计，在过去 12 个月中，已完成或接近完成的 AI 项目数量增长了 10 倍。这是个好消息，但这意味着 IT 团队正在争先恐后地跟上步伐。公司需要更多具有适当技能的人来整合这一切，高管和经理必须确保 AI 安全地提供业务所需的内容。

Juniper Networks 最近发布的一项针对 700 名 IT 经理和高管的调查发现，问题在于人才短缺、集成挑战和治理要求。 

最令人瞠目结舌的声音片段：完成或接近完成的 AI 实施从一年前的 6% 增长到今天的 63%。此外，与去年调查中占主导地位的狭窄用例相比，我们目前看到人们对全面采用 AI 的热情有所增加。表示他们希望部署完全支持的 AI 用例并在未来得到广泛采用的 IT 领导者的百分比从 11% 跃升至 27%。 

AI 项目已经浮出水面，即“不建即买”的难题。与内部构建的 AI 解决方案相比，公司在实施现成的 AI 解决方案方面存在分歧。近十分之四 （39%） 的高管表示，他们的组织将现成的 AI 解决方案与他们完全自己构建的解决方案相结合，十分之三的高管表示他们要么只使用现成的解决方案，要么只使用完全内部构建的解决方案。

在内部构建 AI 解决方案会带来一系列挑战。超过一半 （53%） 的受访 IT 领导者表示，这些内部 AI 应用程序的可靠性是最大的挑战，其次是与现有系统的集成 （46%）、寻找具有 AI 能力的新人才 （44%） 和开发时间 （44%）。

寻找或培养合适的人才来开发、运营和利用 AI 是当今许多 IT 领导者面临的挑战。调查发现，主要投资意向有三个领域（各占 21%）：雇用合适的人员来运营和开发 AI 功能，进一步训练 AI 模型，以及将当前 AI 工具的功能扩展到新的业务部门。

至少 42% 的受访者表示，他们现有的数据和分析团队正在整合 AI 技术并处于领先地位。类似数量的公司已经建立了 AI 卓越中心。

让员工采用 AI 的主要步骤包括提供工具和机会来应用新获得的 AI 技能 （43%）、更新绩效指标以纳入 AI （40%）、制定确定新技能和角色的劳动力计划 （39%） 以及改变学习和发展框架 （39%）。

另有 39% 的 IT 领导者通过实施和使用支持 AI 的低代码和无代码开发工具来应对这一挑战。大约三分之一 （34%） 正在采用 AI 建模自动化工具。

2021 年，公司面临着开发模型和标准化数据方面与 AI 相关的挑战。到 2022 年，这些挑战仍然存在，但与制定治理策略 （35%） 和维护 AI 系统 （34%） 相关的挑战的重要性有所上升。

强大的 AI 能力伴随着巨大的责任。只有 9% 的 IT 领导者认为他们的 AI 治理和政策（例如建立全公司的 AI 领导者或负责任的 AI 标准和流程）已经完全成熟。 越来越多的领导者将 IT 治理视为优先事项：95% 的领导者同意，拥有适当的 AI 治理是领先于未来立法的关键，高于 2021 年的 87%。近一半的受访者 （48%） 认为需要围绕有效的 AI 治理采取更多行动。

近一半 （44%） 的受访者表示，他们已经建立了 AI 道德和负责任的 AI 标准和流程。相同比例的调查还建立了全公司范围的 AI 领导者，负责监督 AI 战略和治理。

IT 领导者表示，对 AI 监管不足的最大风险是加速黑客攻击或调查作者所说的“AI 恐怖主义”（55%）。隐私也是最关心的问题，有 55% 的人提到了这一问题。法规遵从性 （49%） 和丧失人类能动性 （48%） 也被指出是主要风险。