德勤调查显示，企业难以利用生成式人工智能的原因有很多

不到一半的公司认为已经为最基本的要求（例如数据管理）做好了充分准备。

根据咨询巨头德勤的一份报告，大多数公司都在努力将其生成式人工智能（Gen AI）项目从初始阶段转移到生产阶段。

“70% 的受访者表示，他们的组织已将 30% 或更少的生成式 AI 实验投入生产，”主要作者 Jim Rowan 和团队在该公司最新一期的“企业生成式 AI 现状”报告系列中表示。

生产方面缺乏进展与围绕该技术的一系列活动形成鲜明对比。 “三个接受调查的组织中有两个表示，他们正在增加对生成人工智能的投资，因为迄今为止他们已经看到了强大的早期价值，”罗恩和团队报告说。

将 Gen AI 项目从概念验证阶段转移到生产的挑战就是 Rowan 和团队所说的“努力扩大规模”。

这项调查于 5 月至 6 月期间进行，收到了来自 6 个行业和 14 个国家的 2,770 名董事至高管级别受访者的回复。该调查还包括 25 名受访者的采访反馈，他们是大型组织的首席高管以及人工智能和数据科学领导者。

该研究提出了企业难以扩大人工智能规模的“多种原因”。报告指出，一般来说，组织“通过经验了解到大规模生成式人工智能部署可能是一项困难且多方面的挑战”。

当 Rowan 和团队要求调查受访者对他们认为自己的组织“做好充分准备”的能力进行评分时，公司难以扩展 Gen AI 的原因变得更加清晰。不到一半的受访者认为他们的组织已经为最基本的能力做好了充分准备。

平均而言，45% 的受访者表示他们在“技术基础设施”方面做好了充分准备，41% 的受访者表示他们认为组织在“数据管理”方面做好了充分准备。

调查显示，准备最差的领域是“战略”，37% 的受访者认为他们的公司准备充分，其次是“风险和治理”和“人才”，只有约五分之一的受访者表示在每个领域都做好了准备。

接受采访的高管的一些定性评论揭示了准备不足的更多细节。例如，一家媒体公司的前数据和情报副总裁告诉 Rowan 和团队，该公司“最大的扩展挑战”“实际上是我们可以访问的数据量以及缺乏适当的数据管理成熟度。 ”

这位高管继续说道：“没有正式的数据目录。整个企业没有正式的元数据和数据点标签。我们只能以尽可能快的速度来标记数据。”

Rowan 和团队在报告中表示，数据质量阻碍了许多公司：“数据相关问题导致我们调查的组织中有 55% 避免某些生成式 AI 用例。”

调查显示，治理问题包括人工智能固有风险和监管风险。一方面，公司正在努力应对“特定于新工具和功能的新出现的风险”，这些风险与任何以前的技术所面临的风险不同。这些风险包括 Gen AI 现在臭名昭著的缺点，例如“模型偏差、幻觉、新的隐私问题、信任和保护新的攻击面”。

新法规的不确定性也导致企业停下来思考，罗文和团队在报告中表示：“组织对未来可能存在的监管环境非常不确定（取决于它们所在的国家/地区）。”

罗文和团队发现，为了应对这两个问题，公司正在采取各种策略。这些策略包括：“关闭员工对特定生成式人工智能工具的访问”； “制定指导方针，防止工作人员将组织数据输入公共法学硕士”；以及“在私有云中建立围墙花园，并采取保护措施，防止数据泄漏到公共云中。”

Gen AI 项目缺乏规模化，这与最近的其他研究形成鲜明对比，这些研究显示出部署新兴技术的强烈意愿。例如，彭博资讯最新的人工智能报告发现，从去年 12 月到 2024 年 7 月，公司部署生成式人工智能“副驾驶”计划的比率翻了一番，占所有受访公司的 66%。

然而，德勤的研究结果可能有助于解释为什么 Gartner 最近一份关于企业中 Gen AI 的报告预测，三分之一的 Gen AI 项目在从概念验证阶段进入生产阶段之前将被放弃。

即使美国首席信息官正在“致力于”部署人工智能，并越来越多地“评估”副驾驶技术等，德勤的研究表明，他们在这样做时也遇到了很多障碍。