人工智能将如何“快速而戏剧性地”重塑 IT 行业
IDC 表示，到 2025 年，组织将把超过 40% 的核心 IT 支出分配给人工智能相关计划，从而使产品和流程创新率实现两位数的增长。
人工智能有望重塑 IT 行业和企业运营方式。这一新预测来自市场情报公司 IDC，该公司预测，从现在到 2027 年，企业在生成式人工智能 (GenAI) 上的支出将是全球 IT 总体支出增长率的 13 倍。
IDC 预测，企业在 GenAI 服务、软件和基础设施上的支出将从 2023 年的 160 亿美元增长到 2027 年的 1,430 亿美元。在截至 2027 年的四年期间，生成式 AI 支出预计将达到 73.3 的复合年增长率 (CAGR) %。
为了帮助组织更好地了解如何利用 GenAI 技术实现业务成功，IDC 开发了一个新框架 - 生成式 AI 影响路径 - 解释了该路径上的关键活动和要素。
生成式人工智能的影响之路
IDC 认为，在探索 GenAI 的任何核心技术之前，需要开展以下关键活动：
制定负责任的 AI 政策：这必须包括与用于训练模型的数据以及如何使用结果相关的公平性、透明度、保护和问责制的明确原则。负责任的人工智能政策还应该提供开发人员、用户和其他利益相关者的角色和责任的透明度，同时解决法律和合规问题。
制定 AI 战略和路线图：需要一组定义明确、可衡量且按优先顺序排列的 GenAI 使用案例，使组织在关键领域保持一致，从而在短期、中期、中期和中期产生最大的业务影响。和长期的。
设计智能架构：管理每个用例的数据、模型和业务环境的生命周期和治理至关重要。该架构还应包括数据隐私、安全和知识产权保护的协议。
重新掌握技能并培训员工：构建和使用 GenAI 模型需要新的能力，例如提示工程师为 GenAI 系统编写和测试提示。每个组织都必须为核心 AI 技术和业务能力创建新的技能图，以便在整个组织中大规模部署 GenAI。组织还应该为关键角色制定个性化的培训计划。
到 2026 年，企业将利用生成式人工智能和自动化技术，将生产力提高 1T 美元。—IDC
定义 GenAI 影响路径的下一步是确定一组已识别用例的优先级。 IDC 将用例定义为由业务资助的计划，该计划由可提供可衡量结果的技术支持。需要评估三大类 GenAI 用例：
行业：这些涉及更多定制工作，在某些情况下，可能需要组织构建自己的 GenAI 模型。例子包括生命科学中的生成药物发现和制造中的生成材料设计。专门的用例往往围绕特定的模型和模型提供者构建，并具有为个人客户设计的定制集成架构。
业务职能：这些用例通常涉及将一个模型（或多个模型）与公司数据集成，以供特定部门或业务职能部门（例如营销、销售和采购）使用。许多组织已经在测试这些类型的用例，但担心知识产权泄露和数据治理。
生产力：这些用例与工作任务相一致，例如总结报告、创建工作描述或生成 Java 代码。用于提高生产力的 GenAI 功能正在被注入现有应用程序中，例如 Microsoft 360 Copilot 或 Google Duet AI。对于许多这样的用例，可以通过底层基础模型预先训练的内容和数据来交付业务价值。
IDC 建议采用“三个视野”框架来帮助组织使用 GenAI 转变其业务模式。
- 地平线 1 侧重于近期渐进式创新。
- 地平线 2 侧重于中期的颠覆性创新。
- Horizon 3 侧重于长期商业模式转型。
该框架推动所有业务领域的协调，并帮助确定关键计划的优先级。
@IDC 的企业 2023：
• 只有 12% 的企业在部门之间连接客户数据
• 42% 的企业未充分利用数据 - 从数据生成转向决策速度
• 42% 的核心 IT 支出用于云（从云优先转向云经济）#CNX23 pic.twitter.com/LSx6bUwXJh
IDC 对 2024 年的预测主要围绕人工智能的出现作为技术行业的一个主要拐点。 IDC 全球研究集团副总裁 Rick Villars 表示：“每个 IT 提供商都将人工智能纳入其业务核心，投入财富、脑力和时间。”以下是 IDC 的 2024 年全球 IT 行业十大预测：
1.核心 IT 转变： IDC 预计 IT 支出向 AI 的转变将会快速而剧烈，几乎影响每个行业和应用。到 2025 年，全球 2000 强组织将把超过 40% 的核心 IT 支出分配给人工智能相关计划，从而使产品和流程创新率实现两位数的增长。
2. IT 行业 AI 支点：IT 行业将比其他行业更能感受到 AI 分水岭的影响，因为每个公司都竞相推出 AI 增强型产品/服务，并协助客户实施 AI。对于大多数人来说，人工智能将取代云成为创新的主要推动力。
3.基础设施动荡：由于企业和云数据中心的主要工作负载和资源转移，许多企业的人工智能支出速度到 2025 年将受到限制。芯片供应的不确定性还将伴随着网络、设施、模型信心和人工智能技能方面的缺陷。
4.出色的数据抓取能力： 在 AI 无处不在的世界中，数据是至关重要的资产，为 AI 模型和应用程序提供支持。技术供应商和服务提供商认识到这一点，并将加快对额外数据资产的投资，他们认为这将提高他们的竞争地位。
5. IT 技能不匹配：人工智能、云、数据、安全和新兴技术领域的培训不足将直接对企业依靠此类技术取得成功的尝试产生负面影响。到 2026 年，资金不足的技能计划将阻止 65% 的企业从这些技术投资中实现全部价值。
6.服务行业转型：GenAI 将引发人工提供的战略、变革和培训服务的转变。到 2025 年，40% 的服务活动将包括支持 GenAI 的交付，这将影响从合同谈判到 IT 运营再到风险评估的方方面面。
7.统一控制：未来几年，IT 团队面临的最具挑战性的任务之一将是引导控制平台的成熟，因为它们从解决一些基本系统发展成为跨基础设施、数据协调操作的标准平台、人工智能服务和业务应用程序/流程。
8.融合人工智能：今天对 GenAI 的迷恋不应推迟或破坏现有或其他人工智能投资。组织必须思考、试验并将其投入生产完全融合的人工智能解决方案，使他们能够以低得多的价格解决新的用例和客户角色。
9.位置体验： Gen AI 的加速采用将使组织能够通过情境体验增强其边缘计算用例，从而更好地使业务成果与客户期望保持一致。
10.数字前沿： 基于卫星的互联网连接将在任何地方提供宽带，有助于弥合数字鸿沟并实现一系列新功能和商业模式。到 2028 年，80% 的企业将集成 LEO 卫星连接，创建统一的数字服务结构，确保弹性、无处不在的访问并保证数据流动性。