AI淘金热？新研究揭示AI采用率上升，但数据治理和ROI实现方面仍面临挑战

客户世界 | 2024年10月25日 | 场景研究 | 评论已关闭 | 273

一项由SAS委托的最新研究《IDC数据与AI脉搏：亚太地区2024》显示，虽然印度企业正在迅速采用AI，但仍有15%的企业处于评估和规划阶段，44%的企业在AI部署中只关注短期或功能性目标。因此，只有18%的印度企业被认定为AI领导者，这凸显了那些推动长期变革的企业与大多数缺乏明确AI战略、仅在试验的企业之间的显著差距。

在接受调查的印度企业中，AI领导者表示，他们的AI计划主要着眼于扩大市场份额、提高员工生产力和降低成本。

尽管对AI推动业务增长的潜力充满热情，印度企业在实施过程中仍面临挑战——37%的高管认为AI开发和部署的成本是一个障碍，27%的高管提到了缺乏有说服力的商业案例或难以实现ROI。此外，32%的高管报告称在数据治理流程上存在困难，进一步复杂了AI的部署。

为应对这些挑战，研究强调了加强基础设施投资和利用数据平台以提升AI性能的重要性。计算能力、持续的数据监控以及数据隐私/安全对于确保强大且值得信赖的AI解决方案仍然至关重要。

印度企业也在努力通过关注可解释性、人为监督和偏见减轻来实施负责任的AI平台。大约35%的高管表示，他们的AI平台设计采用了可解释AI（XAI）技术，确保了透明度和问责制。研究还指出，利用数据平台和先进的模型管理技术如ModelOps，将有助于印度企业提高运营效率，实现实时洞察和精简的决策流程。

在评论该调查时，SAS印度副总裁兼董事总经理Noshin Kagalwalla表示：“印度企业在AI采用方面无疑取得了进展，但仍有大量工作要做。挑战不仅在于部署AI，还在于以值得信赖、可扩展并与长期业务目标一致的方式部署AI。在数据治理和AI基础设施方面的战略性投资对于推动印度各行业的可持续AI性能至关重要。”

SAS亚太及EMEA新兴市场高级副总裁Shukri Dabaghi表示：“AI领导者和AI追随者在目标成果上的差异表明缺乏明确的战略和路线图。AI追随者关注短期、基于生产力的结果，而AI领导者则超越了这些，着眼于更复杂的功能性和行业用例。”

据治理流程上存在困难，进一步复杂了AI的部署。

Dabaghi先生补充道：“当企业希望利用AI的变革潜力时，业务领导者应该从AI领导者和AI追随者的差异中学习。避免‘淘金热’式的思维方式，确保长期转型建立在可信赖的AI以及数据、流程和技能的能力之上。”

IDC亚太区数据、分析、AI、可持续性和行业研究副总裁Chris Marshall表示：“《IDC数据与AI脉搏：亚太地区2024》研究是数百家大型亚太地区组织在AI采用和实施方面的重要快照，突出了各行业的领导者和追随者。这些洞察使我们有机会剖析成功实施AI的障碍，允许企业在这些新兴技术上进行更明智的投资，而不至于被淘金热所迷惑。”

生成式AI只是AI旅程的一部分

虽然大量的AI炒作集中在生成式AI上，但研究显示，亚太地区的组织也一直在投资预测和解释性AI。2023年，生成式AI仅占亚太地区AI投资的19%，但预计到2024年将增加到34%，这反映了在这三种AI类别之间更均衡的支出分配。

IDC的最新支出指南显示，亚太地区的AI支出将在2024年达到450亿美元，到2028年将以24%的复合年增长率（2023-2028年）增长至1100亿美元。

研究显示，组织正在重新分配预算以增加2024年对生成式AI的投资，三分之一的组织表示这将来自基础设施现代化资金的重新分配，37%的组织将从应用程序现代化中重新分配资金。

对ROI的期望值很高

研究揭示了这种潜在的淘金热是由对AI潜在投资回报的过高期望所推动的。研究发现，40%的亚太地区受访组织期望至少获得三倍的投资回报，“害怕错过”的心理继续刺激着AI支出。结果，研究显示AI有时在没有明确的投资与其成果和业务价值之间的对齐的情况下被采用。

随着43%的亚太地区组织计划在未来12个月内将其AI投资增加20%或更多，组织可能会因这些战术性投资的可能回报而对AI感到失望。相反，业务领导者应该意识到，构建AI能力需要时间，需要坚实的AI基础，以确保长期的价值增值。

Dabaghi先生表示：“虽然消费者对生成式AI工具的使用使AI感觉神奇，但将其集成到企业环境中需要大量工作、适当的基础设施，而且对这些工具的高期望往往不切实际。理解这些陷阱为我们提供了机会，学习如何解决这些问题，提高成功率，并在采用和成功实施AI时实现业务目标。”

各行业的AI脉搏

该研究对AI如何影响亚太地区不同行业部门进行了详细分析，重点关注银行、保险、医疗保健和政府部门。

在成功采用和实施AI方面，技能差距在各行业中仍然是一个持续的挑战。医疗保健行业对此感受最深（41%），其次是政府部门（38%）、保险业（32%），银行业则较少（29%）。尽管面临这一挑战，这些行业继续投资于提升其数据和AI能力，以提供更精简的决策、更大的自动化、更快的新产品和服务上市时间、成本节约以及其他一系列好处。

尽管如此，一些用例正在被持续且成功地部署——例如在银行业，其前三大用例是流动性风险管理、资产和负债管理以及金融犯罪分析。在保险业，研究表明我们正在看到保险理赔欺诈、全渠道产品交付和智能定价的AI用例。在医疗保健中，值得注意的用例包括医疗保健欺诈和成本控制，而在政府中，流行的AI用例与确保社会福利项目的完整性、支持紧急响应以及税收和收入合规有关。

各国的AI采用趋势各不相同

亚太地区的AI格局因国家而异，每个市场都显示出独特的采用趋势。中国在AI投资方面处于领先地位，未来12个月内AI项目大幅增加（59%），印度和日本紧随其后（分别为51%和46%）。此外，中国和韩国在AI采用和集成方面的进展比其他国家更为迅速。这种差异是由投资水平、监管框架以及AI人才和基础设施的可用性等因素驱动的。在日本、澳大利亚、韩国和东南亚的许多地区，技能人才的缺乏是一个国家以及行业关注的问题。

研究强调了未来几年在亚太地区增加AI投资所带来的机遇和挑战。它建议，为了释放AI的全部潜力，企业必须培养内部技能，建立强大的战略用例组合，并从一开始就规划AI的成本和风险。通过这样做，他们可以实现一些承诺的更高回报，并在未来的AI投资中培养更大的信任。

《客户世界》编译

资料来源：https://indiatechnologynews.in/ai-gold-rush-new-research-reveals-ai-adoption-on-rise-but-challenges-remain-in-data-governance-and-roi-realisation/

业务咨询：info@digital-silkroad.org