GenAI的现实回归与未来机遇:从炒作到变革的关键转折点

简介: GenAI的现实回归与未来机遇:从炒作到变革的关键转折点

本文来源:企业网D1net


在经历了早期的巨大炒作后,GenAI正进入更加理性的阶段,类似于上世纪90年代互联网泡沫的回落,然而,尽管面临投资回报率和技术成熟度的质疑,GenAI仍展现出广阔的前景。随着越来越多企业开始部署AI应用,并从中获得生产力提升和成本节约的实际收益,AI的潜力正在逐步释放。通过开源模型和生成增强技术,企业有机会解锁未被充分利用的数据资产。尽管眼下AI行业略显冷静,但那些积极准备的企业将在未来的技术热潮中占据优势。


我们应该欢迎当前GenAI革命中注入的现实主义,但从中期来看,前景仍然令人振奋。


围绕AI的炒作和兴奋感迟早会回归现实,而今年夏天就是这一时刻。那些有足够记忆的人会记得,类似的情况发生在90年代末和2000年代初的互联网泡沫破灭时期,以及最近的加密货币领域。


今年前六个月,AI明星公司英伟达的股价上涨了近200%,但在7月和8月却下跌了20%,这与Gartner在最新的“炒作周期”图中将GenAI置于“低谷期”相符,甚至此前对AI持乐观态度的高盛也开始对许多技术投资的回报率表示担忧,然而,鉴于围绕AI的一些不切实际的期望,这些担忧和预测是不可避免的。在新兴技术发展的这一阶段,适当的现实主义和怀疑态度是健康的,但认为AI已经走到了尽头则是不明智的。



警惕反对者



预测未来通常是徒劳的,正如诺贝尔奖获奖物理学家Niels Bohr所说:“预测是非常困难的,尤其是对未来的预测。” 这一点在20世纪90年代初互联网刚刚兴起时尤为真实。即使是互联网先锋、以太网标准的共同发明人Robert Metcalfe也曾对互联网的可行性表示怀疑,1995年他曾预测互联网的未来只有12个月。两年后,在1997年的WWW大会上,他将自己预测的印刷版与水混合后当场喝下,真正地“吞下了自己的话”。


但在某个阶段,新技术的潜在好处会逐渐显现出来,尽管其发展路径尚不明晰。我们现在正处于AI的这个阶段,快速发展的大型语言模型及其生成能力正稳步渗透到企业中。未来的道路上还会有更多的坎坷,但现在已经有足够多的部署和应用案例可以让我们看到,这些技术在企业和公共部门的数字化转型中具有广泛的潜力。



商业领袖们在告诉我们什么?



今年早些时候,咨询公司BCG发布了一项对1400名C级高管的调查,超过一半的人预计AI和GenAI今年将带来成本节约。虽然大多数还处于试验阶段,但大约四分之一的受访者预计通过运营、客户服务和IT方面的生产力提升,节约超过10%的成本。尽管有相当一部分人对其公司在AI投资方面的进展表示担忧,但其中大约一半的人认为问题主要出在投资优先级不明确以及缺乏可用技能和连贯的战略,而非AI技术本身的问题。


在最近一次达沃斯经济学家、政策制定者和商业领袖的会议上,美国KPMG首席执行官Paul Knopp表示:“我们正处于一个阶段,GenAI将从试点和实验走向实施和工业化。” 这一说法得到了Salesforce AI首席执行官的支持,该公司已经通过客户使用AI工具看到了生产力的提升。



来自前线的报告



金融服务公司Klarna公开表示,其90%的员工每天使用AI,Klarna的AI助手在运营的第一个月内处理了三分之二的客户服务对话,相当于700名全职客服人员的工作量。除了节约成本外,该公司声称Klarna AI在解决问题时更加准确,重复咨询减少了25%,并为公司增加了4000万美元的利润。


许多AI的部署和集成并非革命性突破,而是为现有产品和服务带来渐进式的改进和增值,比如,图形和演示软件供应商Canva已集成了Google的Vertex AI,以简化其视频编辑功能,Canva用户可以避开一些繁琐的编辑步骤,在几秒钟内完成视频制作,而不再需要几分钟甚至几小时,而全球营销服务巨头WPP则将Anthropic的Claude AI服务集成到其内部营销系统WPP Open中,该系统被公司旗下114000名员工用于帮助制定广告创意、生成内容以及解读复杂的客户需求。



AI正在不断演变



随着使用案例的增多,企业开始了解哪些方法有效、哪些是瓶颈,我们可以预见到AI部署的稳步增长。开源和小型模型的兴起也使得定制化变得更加可行。AI资源库Hugging Face目前列出了近135000个Apache 2.0许可证下的模型,允许商业重用和重新开发,这些以及其他模型共享平台为开发者提供了丰富的资源,可以根据具体的用例和行业需求对模型进行适应和定制。


随着检索增强生成(RAG)和知识图谱的使用日益增加,再加上来自OpenAI和Anthropic等大厂的API,企业有了一条更加安全地利用其数据资源的路径。IDC最近声称90%的商业数据是非结构化的,这为企业提供了利用AI解锁这些未开发资产的绝佳机会。要做到这一点,尤其是在涉及关键业务流程的情况下,需要时间来确保安全性和高效性,但我们可以期待在未来几年内取得重大突破。


因此,虽然目前AI领域略显冷清,但那些现在做好准备的人将在AI回暖时占据成功的有利位置。


版权声明:本文为企业网D1net编译,转载需在文章开头注明出处为:企业网D1net,如果不注明出处,企业网D1net将保留追究其法律责任的权利。




相关文章
|
2月前
|
人工智能 算法 自动驾驶
人工智能浪潮下的伦理困境:我们如何面对?
随着人工智能技术的快速发展,其在医疗、交通、教育等多个领域的应用日益广泛。然而,技术的突飞猛进也带来了前所未有的伦理问题,如隐私泄露、算法偏见和责任归属等。本文将探讨人工智能带来的伦理挑战,并分析如何在享受技术红利的同时,有效规避潜在的道德风险。
107 4
|
3月前
|
人工智能 算法 数据挖掘
人工智能浪潮下的伦理困境:我们该如何面对?
【8月更文挑战第17天】 当人工智能技术日新月异,它所带来的便利与进步令人瞩目。然而,随之而来的伦理问题也日益凸显,从隐私泄露到决策偏差,从责任归属到失业问题,无不考验着我们的智慧与道德。本文将探讨在AI快速发展的背景下,社会、法律和个体应如何适应并引导这一变革,以确保技术的健康发展与人类的共同福祉。
30 1
|
3月前
|
人工智能 自动驾驶 算法
人工智能浪潮下的伦理困境与自我救赎
在人工智能技术飞速发展的今天,我们不仅见证了技术的进步,也面临着前所未有的伦理挑战。本文从AI技术的双刃剑特性出发,探讨了在智能时代中人类如何保持道德指南针,确保技术发展不偏离人本主义的初衷,同时呼吁全社会共同构建负责任的AI伦理框架。
51 4
|
3月前
|
人工智能 算法 自动驾驶
人工智能浪潮之下的伦理困境:我们如何应对?
【8月更文挑战第10天】本文深入探讨了人工智能技术发展带来的伦理挑战,包括隐私泄露、就业置换、偏见增强和责任归属等问题。通过分析这些伦理问题的具体表现,文章提出了一系列应对策略,旨在为AI技术的健康发展提供指导性建议。
|
3月前
|
机器学习/深度学习 人工智能 自动驾驶
人工智能浪潮下的道德困境:我们如何面对?
在人工智能的飞速发展中,我们不仅见证了技术的突破和创新,也面临着前所未有的道德挑战。本文将探讨AI技术带来的伦理问题,分析其对社会、经济和文化的影响,并尝试提出解决方案。我们将一起思考,如何在尊重人类价值的同时,引导AI技术的健康发展。
63 1
|
3月前
|
人工智能 监控 自动驾驶
人工智能浪潮中的伦理困境与自我救赎
在AI技术飞速发展的今天,我们站在了一个全新的历史节点。本文将探讨人工智能如何重塑我们的工作和生活方式,同时引发的一系列伦理问题和挑战。我们将深入分析AI技术背后的道德困境,并提出实现技术自我救赎的可能路径。通过这篇文章,读者将获得对AI技术影响的全新视角,并思考如何在享受其便利的同时保护我们的价值观和伦理标准。
|
3月前
|
人工智能 算法 自动驾驶
人工智能浪潮中的伦理困境:技术发展与道德责任的平衡
在人工智能技术飞速发展的今天,我们面临着前所未有的伦理挑战。本文深入探讨了AI技术带来的伦理问题,包括数据隐私、算法偏见和自动化失业等。通过分析这些挑战,本文提出了一系列解决策略,旨在促进AI技术的健康发展,同时保护人类社会的福祉。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能浪潮下,我们如何把握技术发展的脉搏
【8月更文挑战第20天】在人工智能的浪潮中,我们面临着前所未有的挑战和机遇。本文将通过深入分析人工智能技术的发展趋势、应用领域以及面临的挑战和机遇,探讨如何在这场技术革命中找到自己的定位和发展路径。
|
4月前
|
机器学习/深度学习 人工智能 监控
人工智能浪潮中的伦理困境:如何平衡创新与责任?
随着人工智能技术的快速发展,其在改善人类生活的同时,也引发了一系列伦理问题。本文将探讨AI技术在医疗、司法和隐私保护等领域的应用所带来的伦理挑战,并讨论如何在促进技术创新的同时确保社会责任的承担。通过分析具体案例,文章旨在提供对于制定AI伦理指导原则的建议,以期达到技术发展与社会价值的和谐共存。
|
5月前
|
人工智能 安全 机器人
知识经济已死!AI将催生“直觉经济”新时代!
知识经济已死!AI将催生“直觉经济”新时代!