沃卡惠移动端logo

沃卡惠  行业资讯

资讯详情

人工智能成熟之路——2023 LXT报告

2023-02-27 14:09:464636

如今,创新驱动型企业正在人工智能 (AI) 系统中投入大量资源,以推进其 AI 成熟度之旅。据IDC称,到 2026 年,全球在以 AI 为中心的系统上的支出预计将超过 3000 亿美元,而 2022 年为 1180 亿美元。

过去,由于流程不够成熟,人工智能系统失败的频率更高。过去,大约60-80% 的人工智能项目因计划不周、缺乏专业知识、数据管理不当或道德和公平问题而失败。但是,随着时间的推移,这个数字每年都在增加。

根据最新的 LXT 报告,如今 AI 项目的平均失败率已降至46%。随着公司在其 AI 成熟度之旅中取得进展,AI 失败的可能性进一步降低至 36%。

让我们进一步探讨组织走向 AI 成熟的路径、它可以采用的不同模型和框架,以及构建有效AI 战略的主要业务驱动力。

什么是人工智能成熟度?

AI 成熟度是指公司在采用、实施和扩展 AI 支持技术以改进其业务流程、产品或服务方面取得的进步和复杂程度。

根据LXT AI 成熟度报告 2023,48% 的美国大中型组织已经达到更高水平的 AI 成熟度(下文讨论),比上一年的调查结果增加了 8%,而 52% 的组织正在积极试验人工智能。

该报告表明,最有前途的工作是在自然语言处理 (NLP)和语音识别领域(人工智能的子类别)中完成的,因为它们在各行业中部署的解决方案数量最多。

此外,制造业和供应链行业的人工智能项目失败率最低(29%),而零售和电子商务最高(52%)。

探索不同的 AI 成熟度模型

通常,人工智能驱动的组织会开发适合其业务需求的人工智能成熟度模型。然而,成熟度的基本理念在各个模型中保持一致,专注于开发与 AI 相关的功能以实现最佳业务绩效。

Gartner、IBM和Microsoft开发了一些著名的成熟度模型。它们可以为组织的 AI 采用之旅提供指导。

让我们在下面简要探讨 Gartner 和 IBM 的 AI 成熟度模型。

Gartner 人工智能成熟度模型

Gartner 有一个 5 级 AI 成熟度模型,公司可以使用该模型来评估其成熟度级别。让我们在下面讨论它们。

Gartner AI 成熟度模型说明。资料来源:LXT 报告 2023

  • 级别 1 – 意识:这个级别的组织开始讨论可能的 AI 解决方案。但是,目前还没有正在进行的试点项目或实验来测试这些解决方案在这个层面上的可行性。
  • 2 级 – 活跃:组织处于 AI 实验和试点项目的初始阶段。
  • 第 3 级 - 运营:这一级别的组织已采取具体步骤采用 AI,包括将至少一个 AI 项目投入生产。
  • 第 4 级 - 系统化:此级别的组织将 AI 用于其大部分数字流程。此外,人工智能驱动的应用程序促进了组织内外的高效互动。
  • 第 5 级 - 转型:组织已将人工智能作为其业务工作流程的固有部分。

根据这个模型,公司从第 3 级开始实现 AI 成熟度。

IBM 人工智能成熟度框架

IBM开发了自己独特的术语和标准来评估 AI 解决方案的成熟度。IBM 人工智能成熟度框架的三个阶段包括:

IBM AI 成熟度框架阶段

  • 银牌:在此级别的 AI 能力下,企业探索相关工具和技术以为采用 AI 做准备。它还包括了解 AI 对业务的影响、数据准备以及与 AI 相关的其他业务因素。
  • 金奖:在此级别,组织通过 AI 交付有意义的业务成果来获得竞争优势。这种 AI 功能提供由数据支持的建议和解释,可供业务线用户使用,并展示了良好的数据卫生和自动化。
  • 白金:这种复杂的 AI 功能对于任务关键型工作流来说是可持续的。它适应传入的用户数据并为 AI 结果提供清晰的解释。此外,强大的数据管理和治理措施也到位,支持自动化决策。

实现 AI 成熟度的主要障碍

组织在达到成熟度的过程中面临多项挑战。LXT2023 报告确定了 11 个障碍,如下图所示。让我们在这里讨论其中的一些。

人工智能成熟度挑战图。资料来源:LXT 报告 2023

1. 将人工智能与现有技术相结合

大约 54% 的组织面临将遗留或现有技术集成到 AI 系统中的挑战,这使其成为实现成熟的最大障碍。

2. 数据质量

高质量的训练数据对于构建准确的人工智能系统至关重要。然而,收集高质量数据仍然是实现成熟的一大挑战。报告发现,87% 的企业愿意为获取高质量的训练数据支付更高的费用。

3.技能差距

如果没有合适的技能和资源,组织就很难构建成功的人工智能用例。事实上,31% 的组织面临着缺乏技能人才来支持其 AI 计划和走向成熟的问题。

4.弱人工智能策略

我们在现实世界系统中观察到的大多数人工智能都可以归类为弱人工智能或窄人工智能。它是一种 AI,可以执行一组受过训练的有限任务。大约 20% 的组织没有全面的人工智能战略。

为了克服这一挑战,公司应该明确定义和记录他们的 AI 目标,投资于质量数据,并为每项任务选择正确的模型。

推进 AI 战略的主要业务驱动因素

LXT成熟度报告确定了 AI 的十个关键业务驱动因素,如下图所示。让我们在这里讨论其中的一些。

AI 关键业务驱动因素的图示。资料来源:LXT 报告 2023

1. 业务敏捷性

业务敏捷性是指组织使用创新业务解决方案适应不断变化的数字趋势和机遇的速度。对于大约 49% 的组织而言,它仍然是 AI 战略的主要驱动力。

人工智能可以通过更快、更准确的决策制定、自动化重复性任务和提高运营效率来帮助公司实现业务敏捷性。

2. 预测客户需求

大约 46% 的组织认为预测客户需求是人工智能战略的关键业务驱动力之一。通过使用 AI 分析客户数据,公司可以深入了解客户的行为、偏好和需求,从而使他们能够定制产品和服务以更好地满足客户的期望。

3.竞争优势

竞争优势使公司能够从竞争对手中脱颖而出,并在市场上获得优势。41% 的组织认为,它是人工智能战略的关键驱动因素。

4. 简化决策

基于人工智能的自动化决策可以显着减少做出关键数据决策所需的时间。这就是为什么大约 42% 的组织将简化决策制定视为 AI 战略的主要业务驱动因素。

5. 产品开发

创新产品开发从被公认为 2021 年 AI 战略的首要业务驱动力下降到第七位,39% 的组织认为它是 2023 年的业务驱动力。

这表明AI在业务流程中的适用性并不完全取决于产品的质量。高弹性、可持续性和快速上市时间等其他业务方面对于业务成功至关重要。