2025年各大公司将转变AI目标,但难免会遭遇挫折

简介: 2025年各大公司将转变AI目标,但难免会遭遇挫折

文章来源: 企业网D1net

Forrester 预测 2025 年将是企业从GenAI 实验转向实际价值实现的一年,但进展并非一帆风顺。尽管 AI 技术持续发展,企业对其带来的业务价值保持怀疑,许多企业将面临 AI 投资回报的挑战。自动化和 AI 的结合也在逐步重塑业务流程和基础设施。Forrester 预测,GenAI 在核心业务流程中的应用仍有限,而公民开发者和物理自动化项目将推动未来的创新。此外,代理型 AI 的实施将面临复杂的挑战,需要重新评估传统的企业流程和技术框架。


Forrester Research 对 2025 年的预测强调了从 2024 年大胆的GenAI 实验转向追求实质收益的变化,但并非所有进展都将呈现线性。


本周,Forrester Research 发布了一系列关于 2025 年的预测,该研究与咨询公司指出,2024 年,企业在GenAI 及其他新兴技术的推动下,进行了大胆的实验,但预计将转向实现实际价值。


“Forrester 的首席研究官 Sharyn Leaver 在周二的一篇博文中写道:‘2025 年将聚焦于追求短期的实质收益,同时竞争日益减少的消费者忠诚度和以数字为先的企业买家。’‘一些领导者将战略性地追求这一目标,为他们的企业实现长期成功奠定基础,另一些则不会,他们将面临快速解决方案的局限。’”


Forrester 表示,大多数技术高管预计 2025 年 IT 预算将增加。Leaver 认为,精明的 IT 领导者将利用这一增长来巩固基础,增强基础设施、简化运营并提高员工技能。


“在他们寻求将实验中学到的经验付诸实践时,他们将交付短期成果,并在GenAI 和其他新兴技术的长期赛道上取得成功,”Leaver 表示,“在面对从美国总统选举结果到欧盟 AI 法案的初期执行等未知挑战时,加强基础将帮助公司顺利应对。”


AI 将面临重置


在 AI 方面,Forrester 预测 AI 技术将继续以前所未有的速度增长,但企业对其所带来的业务价值持怀疑态度。分析师 Jayesh Chaurasia 和副总裁兼研究总监 Sudha Maheshwari 在一篇博文中指出,企业最初被 AI 实施的快速成功和立即的投资回报所吸引,但这导致许多企业忽视了对长期商业战略和有效数据管理实践的需求。


他们表示,到 2025 年,AI 领导者将不得不面对这样一个现实:AI 成功没有捷径。他们的主要预测包括:


大多数专注于 AI 投资回报的企业将过早缩减其 AI 努力。尽管对 AI 驱动的转型充满热情,Forrester 预测 AI 将面临重置。“对 AI 投资回报的即时期望将导致许多企业过早缩减其 AI 努力,”Chaurasia 和 Maheshwari 表示,“这种退缩将抑制长期增长和创新,因为领导者意识到 AI 的投资回报将在比最初预期更长的时间内实现。”为避免这一问题,他们表示,AI 领导者需要差异化的应用案例和一个能平衡短期收益与长期投资回报的战略,以对齐业务目标。


40% 的高度受监管企业将合并数据和 AI 治理。由于快速创新且缺乏统一的模板、标准或认证,AI 治理已经是一个复杂的问题。Forrester 预测,随着 2025 年新法规(尤其是 2025 年 2 月生效的欧盟 AI 法案)的出台,这一复杂性将进一步增加。Forrester 认为,这些压力将促使高度受监管的企业统一其数据和 AI 治理框架。“这种转变和融合不仅仅是为了合规,这代表了一种更加集成、透明、负责任且符合道德的 AI 方法的根本性转变。”Chaurasia 和 Maheshwari 表示。


75% 的企业在独立构建具有抱负的代理型 AI 架构时将失败。代理型 AI 是当前最受追捧的 AI 技术之一,但 Chaurasia 和 Maheshwari 表示,企业在 2025 年将面临实现代理型 AI 目标的巨大挑战。“问题在于,这些架构复杂多样,需要多种模型、复杂的检索增强生成堆栈、高级数据架构以及专业的技术人才。”他们指出。他们预测,较为成熟的企业将寻求 AI 服务提供商和系统集成商的帮助。


AI 重塑基础设施和服务台


尽管可能会出现 AI 的重置,Forrester 预测 2025 年将是企业开始展示 AI 项目投资回报率和具体价值的一年,这也将给技术基础设施和运营专业人员带来压力。


对基础设施的主要预测包括:


一家主要的高科技供应商将缩减其 25% 的 AI 基础设施投资。Forrester 预测,微软、Oracle、亚马逊或 IBM 等主要供应商将在 2025 年减少 AI 基础设施投资,原因是供应短缺、期望未达以及投资者的压力。“GenAI 推动的 AI 芯片和服务器需求已超出了供应商的交付能力,”首席分析师 Michele Pelino 和 Naveen Chhabra 在一篇博文中写道,“此外,尽管 2023 年投入了数十亿美元用于 AI 基础设施和GenAI,只有 20% 的企业报告称在 2024 年获得了 AI 带来的收益。”他们预测,这一差距将导致一大供应商在 2025 年缩减投资,并促使其他供应商效仿。Forrester 表示,IT 领导者应预期这一连锁反应将在明年对 AI 服务和基础设施的可用性施加额外压力。


自助服务将取代人工成为服务台的首选联系方式。Forrester 预测,2025 年 50% 的企业将把自助服务台作为首选的联系点,并指出数字员工体验驱动的自动化终端故障排除以及企业服务管理规范化工作流程等改进,正在扩大自助服务的能力。


AI 驱动的软件开发遇到障碍


GenAI 正在渗透到软件交付的各个阶段。Forrester 指出,几乎所有软件工具供应商都在 2024 年将GenAI 助理功能整合到他们的工具中,或宣布计划这样做。Forrester 认为,在未来十年内,GenAI 和 AI 编码助手将改变软件开发的定义,


但在短期内,Forrester 预测 2025 年将出现:


至少一家企业将尝试用 AI 取代 50% 的开发人员,但以失败告终。Forrester 的 2024 年开发人员调查显示,开发人员大约 24% 的时间用于编写代码。其余的时间用于创建设计、编写测试、修复漏洞以及与利益相关者会面。“因此,尽管我们预计GenAI 编码助手的使用将提高开发人员的生产力,但很容易看出,开发人员的工作远不止写代码,”首席分析师 Christopher Condo 在一篇博文中写道,“这就是为什么领导者需要从炒作中退一步,真正了解开发人员的工作环境,以评估这种炒作的现实性。”


AI 对企业运营的混合影响


在自动化领域,Forrester 预测成功的关键将是平衡 AI 创新与传统自动化工具和方法的规模和可靠性。


Forrester 对 2025 年自动化的主要预测包括:


GenAI 将仅编排不到 1% 的核心业务流程。Forrester 表示,GenAI 将影响流程设计、开发和数据集成,从而减少设计和开发时间,并减少对桌面和移动界面的需求,然而,现有的数字化和RPA平台仍将在核心流程的编排中占主导地位。“在 2025 年,决策者可以通过认识到确定性自动化将继续控制核心、长期运行的流程,而 AI 模型将支持短暂的洞察和效率提升,从而在 AI 创新与传统自动化工具和方法的规模和可靠性之间找到平衡。”副总裁兼首席分析师 Craig Le Clair 在一篇博文中写道。


四分之一的机器人项目将致力于结合认知与物理自动化。物理机器人开发人员正重新审视由于GenAI 创新、边缘智能和通信服务进步带来的体现型 AI。“这将使机器人能够感知并响应其环境,而不是遵循预编程的规则和工作流程,从而使其能够应对更复杂和不可预测的情况,”Le Clair 说道,“资产密集型行业的决策者将开始看到这种结合的价值,并投资于物理自动化项目,以提高运营效率。”


公民开发者将交付 30% 的GenAI 自动化应用。Forrester 认为,公民开发者是扩展GenAI 自动化应用创建的最实际途径。“IT 部门之外的公民开发者具备所需的灵感和领域专长,能够设想GenAI 解决方案的可能性,有效地提示大型语言模型 (LLM),并将结果融入到有用的应用程序中。”Le Clair 说道。


实施挑战将使 25% 的代理型 AI 项目停滞不前。Forrester 预测,模糊的业务目标和决策中的过早整合将导致在利用 AI 代理时产生困惑。“确定最佳的自主性水平,以平衡风险和效率,将成为企业领导者的难题,”Le Clair 说道,“整合人类监督并确保 AI 代理培训时对企业数据的可靠访问是另外的挑战。”Le Clair 还指出,供应商的分散格局将使问题更加复杂。要有效利用 AI 代理,他表示,企业需要重新评估为人类交互设计的流程,并替换过时的技术。


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
|
7月前
|
人工智能 JavaScript 前端开发
【利用AI让知识体系化】TypeScript目标:扩展JavaScript能力(二)
【利用AI让知识体系化】TypeScript目标:扩展JavaScript能力
|
7月前
|
人工智能 JavaScript 前端开发
【利用AI让知识体系化】TypeScript目标:扩展JavaScript能力(一)
【利用AI让知识体系化】TypeScript目标:扩展JavaScript能力
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
CodeWave智能开发平台--试用--目标:AI应用广场试用1
CodeWave智能开发平台--试用--目标:AI应用广场试用1
|
26天前
|
机器学习/深度学习 人工智能 算法
【AI系统】AI系统概述与设计目标
本文介绍了AI系统的全栈架构,涵盖设计目标、组成和生态。AI系统旨在连接硬件与应用,提供高效的模型服务和开发支持。文中探讨了高效编程语言、开发框架、工具链的重要性,以及AI任务系统级支持、自动编译优化和云原生自动分布式化等关键设计目标。此外,还详细讨论了AI训练与推理框架、AI编译与计算架构、AI硬件与体系结构等组成部分,以及AI算法和框架、更广泛的生态系统等。
59 1
|
9天前
|
机器学习/深度学习 人工智能 算法
转载:【AI系统】AI系统概述与设计目标
本文介绍了AI系统全栈架构,涵盖AI系统的设计目标、组成和生态,强调了系统性能、用户体验、稳定性及开源社区运营的重要性。文章详细解析了AI系统的基本概念、定义及其设计挑战,旨在为读者构建AI系统知识体系,助力AI技术的全面发展。通过对比传统软件和云计算架构,阐述了AI系统在连接硬件与应用间的独特作用,探讨了高效编程语言、开发框架和工具链的设计,以及AI任务的系统级支持,包括计算能力的扩展、自动编译优化、云原生自动分布式化等方面,为应对AI技术的新挑战提供了全面视角。
|
2月前
|
机器学习/深度学习 人工智能 安全
【AI系统】AI系统的设计目标与挑战
本文探讨了AI系统设计的核心目标及其面临的挑战。AI系统作为硬件与应用间的桥梁,需提升开发效率、优化用户体验,并支持数据处理、模型训练等全生命周期环节。此外,还需在系统级上灵活支持多样化AI任务,应对新技术带来的挑战,如动态图支持、大规模部署及安全需求。未来,AI系统设计将更注重高效、灵活与安全。
105 0
|
3月前
|
传感器 人工智能 算法
AI计算机视觉笔记二十七:YOLOV8实现目标追踪
本文介绍了使用YOLOv8实现人员检测与追踪的方法。通过为每个人员分配唯一ID,实现持续追踪,并可统计人数,适用于小区或办公楼出入管理。首先解释了目标检测与追踪的区别,接着详细描述了使用匈牙利算法和卡尔曼滤波实现目标关联的过程。文章提供了基于IOU实现追踪的具体步骤,包括环境搭建、模型加载及追踪逻辑实现。通过示例代码展示了如何使用YOLOv8进行实时视频处理,并实现人员追踪功能。测试结果显示,该方法在实际场景中具有较好的应用潜力。
|
5月前
|
人工智能 BI
客户在哪儿AI助大客户销售最高成功概率的见到目标客户决策层
文章摘要:大客户经理触及决策层可使成交率翻倍,但初次成功接触是关键。通过AI技术,可挖掘目标客户决策者的真实关系网,匹配公司人脉,找到合适的外部引荐人;分析历史活动,预测未来参与,提高非办公地偶遇概率;同时,识别并接触目标企业内部员工,促其主动引荐决策层,最大化首次会面成功率。
|
4月前
|
机器学习/深度学习 人工智能 并行计算
VMware产品问题之VMware Private AI的目标定义如何解决
VMware产品问题之VMware Private AI的目标定义如何解决
38 0
|
5月前
|
人工智能
客户在哪儿 AI:如何用最少场次的活动覆盖最多的目标客户
在ToB市场,线下活动是高效获客的关键。面对面交流增进信任,潜在客户集中,直接展示产品能缩短销售路径。然而,高成本和低效活动是挑战。通过分析目标客户历史活动数据,客户在哪儿AI帮助企业精准定位,以最少投入触达最多潜在客户,如仅10场活动即可覆盖44.9%年营收客户。
下一篇
DataWorks