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
|
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
|
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
|
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
|
人工智能 监控 自动驾驶
Migician:清北华科联手放大招!多图像定位大模型问世:3秒锁定跨画面目标,安防监控迎来AI革命!
Migician 是北交大联合清华、华中科大推出的多模态视觉定位模型,支持自由形式的跨图像精确定位、灵活输入形式和多种复杂任务。
449 3
Migician:清北华科联手放大招!多图像定位大模型问世:3秒锁定跨画面目标,安防监控迎来AI革命!
|
人工智能 搜索推荐 vr&ar
让教育更智能:HarmonyOS助力AI类目标签革新教育行业
在科技飞速发展的当下,教育行业正经历深刻变革,智能化转型成为提升教育质量与效率的关键。AI类目标签技术脱颖而出,通过分析学生多维度数据生成个性化学习标签,助力因材施教;智能管理教学资源,提高备课效率。HarmonyOS NEXT API 12及以上版本的分布式能力和强大的数据安全机制,为多设备协同学习和数据保护提供了有力支持。开发者可利用鸿蒙生态构建创新教育应用,推动教育智能化发展。
464 2
|
机器学习/深度学习 人工智能 监控
鸿蒙赋能智慧物流:AI类目标签技术深度解析与实践
在数字化浪潮下,物流行业面临变革,传统模式的局限性凸显。AI技术为物流转型升级注入动力。本文聚焦HarmonyOS NEXT API 12及以上版本,探讨如何利用AI类目标签技术提升智慧物流效率、准确性和成本控制。通过高效数据处理、实时监控和动态调整,AI技术显著优于传统方式。鸿蒙系统的分布式软总线技术和隐私保护机制为智慧物流提供了坚实基础。从仓储管理到运输监控再到配送优化,AI类目标签技术助力物流全流程智能化,提高客户满意度并降低成本。开发者可借助深度学习框架和鸿蒙系统特性,开发创新应用,推动物流行业智能化升级。
492 1
|
传感器 人工智能 搜索推荐
探索HarmonyOS在智慧出行领域的AI类目标签应用
在科技飞速发展的今天,智慧出行成为交通领域的重要发展方向。HarmonyOS凭借强大的系统能力,为智慧出行注入新活力,特别是在AI类目标签技术的应用上。通过精准分类和标签化处理车辆、路况及出行者数据,AI类目标签技术提升了出行体验与交通管理效率。HarmonyOS的分布式软总线技术和隐私保护机制,确保了设备间的无缝连接与数据安全。实际应用中,该技术助力智能交通管理和个性化出行服务,为解决交通拥堵、优化资源配置提供了新思路。开发者也迎来了广阔的机遇与挑战,共同推动智慧出行的美好未来。
369 0
|
机器学习/深度学习 人工智能 API
解锁HarmonyOS新姿势:金融风控中的AI类目标签实战
在金融行业中,风险控制是保障稳定与安全的核心。随着业务复杂化和数字化加深,传统风控手段难以应对新挑战。AI类目标签技术凭借强大的数据处理能力,为金融风控带来全新解决方案。本文探讨基于HarmonyOS NEXT API 12及以上版本,如何运用AI类目标签技术构建高效金融风控体系,助力开发者在鸿蒙生态中创新应用。通过精准风险识别、实时监测预警和优化信用评估,提升风控效果;结合鸿蒙系统的分布式软总线和隐私保护优势,实现无缝协同与数据安全。具体应用场景如信用卡欺诈防控和贷款审批风险评估,展示了技术的实际效益。
445 0
|
数据采集 人工智能 搜索推荐
影视行业大变革:HarmonyOS 下AI类目标签技术深度剖析
在影视行业蓬勃发展的背景下,AI类目标签技术凭借强大的分类与分析能力,成为数字化转型的关键驱动力。本文聚焦HarmonyOS NEXT API 12及以上版本,解析如何运用该技术提升内容管理、个性化推荐和用户体验,助力影视公司在鸿蒙生态下实现高效创作与创新。通过自动化标签生成,AI技术极大优化了素材管理和剪辑流程,提高了制作效率和质量。同时,基于用户行为数据的精准推荐,有效提升了平台流量和用户粘性。开发者需掌握相关API和深度学习框架,确保应用的准确性和兼容性,推动影视行业迈向智能化新时代。
386 0
|
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。
919 1