最近的一项研究表明，美国企业对生成式人工智能（GenAI）提高其业务和员工生产力的潜力充满热情。但在高涨的热情背后，领导者认为，理解差距、缺乏战略规划和人才匮乏是实现和衡量技术全部价值的障碍。
这项研究是今年早些时候由科尔曼帕克斯研究公司进行的，由SAS赞助，调查了300名美国GenAI战略或数据分析决策者，以检查该领域投资和组织面临的主要障碍。在这项研究中，科尔曼帕克斯也调查了美国以外的领导人。这些全球结果将在今年晚些时候公布。在这份美国执行摘要中可以了解的信息是GenAI挑战和潜力揭示:如何实现竞争优势。
SAS战略人工智能顾问Marinela Profi表示:“企业意识到，仅靠大型语言模型（LLM）并不能解决业务挑战。GenAI应该被视为超自动化和加速现有流程和系统的理想贡献者，而不是帮助组织实现所有业务抱负的新闪亮玩具。花时间制定一个渐进的战略，投资技术，提供整合、管理和LLM的可解释性，这是所有组织在全身心投入并被‘锁定’之前应该采取的关键步骤。”
组织在四个关键的实施领域遇到了障碍:
增加对数据使用的信任并实现合规性：只有十分之一的企业组织拥有可靠的系统来衡量LLM中的偏见和隐私风险。此外，93%的美国企业缺乏针对GenAI的全面治理框架，大多数企业在监管方面面临不合规的风险。
将GenAI集成到现有系统和流程中：组织透露，当他们试图将GenAI与当前系统相结合时，他们遇到了兼容性问题。
天赋和技能：由于人力资源部门缺乏合适的员工，组织领导者担心他们无法获得必要的技能来充分利用GenAI投资。
预测成本：领导者列举了与使用LLM相关的令人望而却步的直接和间接成本。模型创建者可以提供了一个令牌成本估算(组织现在意识到这也是令人望而却步的)。但是专业知识准备、训练和ModelOps管理的成本是漫长而复杂的。
Profi说:“这将归结为确定能够以可持续和可扩展的方式提供最高价值并解决人类需求的现实用例。”“通过这项研究，我们将继续致力于帮助组织保持相关性，明智地投资并保持弹性。在人工智能技术几乎每天都在发展的时代，竞争优势高度依赖于接受弹性规则的能力。”
这一消息是在SAS创新大会上宣布的，SAS创新是为商业领袖、技术用户和SAS合作伙伴提供的数据和人工智能体验。
