定制报告-个性化定制-按需专项定制研究报告

行业报告、薪酬报告

联系：400-6363-638

《GLG格理：2024在AI驱动的未来占据一席之地：发掘AI在企业中的潜能报告（19页）.pdf》由会员分享，可在线阅读，更多相关《GLG格理：2024在AI驱动的未来占据一席之地：发掘AI在企业中的潜能报告（19页）.pdf（19页珍藏版）》请在薪酬报告网上搜索。

1、在 AI 驱动的未来 占据一席之地 发掘 AI 在企业中的潜能GLG 格理集团专家团成员 目录摘要.1研究简介 .2研究洞见 .4结论.16 AI 驱动的未来 1商业领袖想要了解如何确保与同行和供应商围绕生成式 AI 同频交流，如何确定最相关的应用案例，以及如何确保技术的成功部署并减少相关风险。摘要近年来，市场对生成式 AI 技术的关注度不断提高，这也给业务和 IT 负责人带来了压力，如何评估这一变革性的技术是否有助于提高企业的效率和生产力，成为迫在眉睫的挑战。然而，由于缺乏必要的关键信息，这些负责人无法决定以何种方式和程度采用生成式 AI 和其他 AI 技术。本项调研对象为在 AI 方面具有

2、决策权和影响力的商业领袖。结果显示，企业在踏上采用生成式 AI 的路途中，依旧存在诸多阻碍，例如：无法确定投入成本与预期产出，或所需技能；在不同的行业环境中，AI 到底能发挥什么作用，应该发挥什么作用。这些根本性的困惑亟待解答。调研显示：59%78%87%的受访者认为，其所在行业对该行业采用的生成式 AI 没有统一的定义的受访者不确定如何获得专家建议，以了解支持生成式 AI 项目所需的成本和投资的受访者倾向于吸取行业专家对于生成式 AI 的建议调研结果表明，商业领袖们迫切希望向行业专家和同行学习部署生成式 AI技术的实操经验，并借鉴与实际需求高度相关的参考案例。通过学习该领域早期实践者的经验，

3、商业领袖们能够形成清晰的认知，自信地在企业内部和面向外部用户的应用中部署该项技术。”“ AI 驱动的未来 2GLG 格理集团致力于打造全球专业知识共享平台。凭借由超过 100 万名专家组成的全球专家网络及每天数千名的新入驻专家，GLG 汇聚全球各细分领域的一手专业洞见，助力卓越决策。2024 年下半年，GLG 面向美国和加拿大的 201 名高管开展了一项线上调研，这些商业领袖在其企业中对 AI 投资具有决策权和很大的影响力。研究结果显示，大多数受访者：对生成式 AI 充满热情，并希望发掘该技术的更多全新应用场景案例 认为其行业在生成式 AI 的定义、用途和价值主张方面缺乏共识 不确定从何处获得

4、有关部署生成式 AI 的关键建议（例如：所需的成本和投资），这使得他们对采用这项技术心存疑虑，举步踌躇 在进行投资规划时，最倾向于相信具有实际经验的行业专家和同行的建议，而不是供应商的建议以下数据显示了受访者的资历级别、职位及其所在公司的年收入和所属行业。研究简介行业重型装备行业房地产和行政信息技术金融行业健康和社会服务商品和服务31%19%16%13%9%7%娱乐休闲教育和非政府组织5%1%工作职能信息技术研究与开发行政/综合管理营销/广告销售法律专业人士34%24%11%10%6%6%人力资源客户支持4%4% AI 驱动的未来 35.001 亿到 10 亿美元10 亿美元以上年收入510

5、万到 5,000 万美元5,010 万到 1 亿美元1.001 亿到 2.5 亿美元2.501 亿到 5 亿美元17%9%16%15%13%29%公司规模10,001-50,000 名全职员工超过 50,000 名全职员工不到 500 名全职员工501-2,500 名全职员工2,501-5,000 名全职员工5,001-10,000 名全职员工32%31%13%12%8%4%对 AI 技术的投资情况至少选择了一项 AI 技术并将其投入日常使用已经在使用各种 AI 技术已经评估了各种方案，但仍在试点或实验阶段41%41%18%职位40%41%19%首席高管执行副总裁/高级副总裁副总裁/助理副总裁

6、 AI 驱动的未来 4对 AI 技术十分青睐尽管调研发现，很多有关 AI 技术的问题尚无明确的答案，但受访者一致乐观地认为 AI 技术可以应对关键业务需求，有 84%的受访者表示他们相信 AI 有助于提高效率，72%的受访者认为 AI 会创造新的商机。这表明，如果填补了关键信息缺口，AI 技术的采用率可能会更高。研究洞见73%的受访者认为，快速归纳信息是其工作职能的关键需求之一AI 可能有助于应对关键工作需求业务和 IT 负责人青睐 AI 技术的原因之一，可能是他们认为 AI 技术是应对一些关键工作需求的最佳解决方案。在调研中，我们要求受访者列出常见业务活动，并确定这些活动是否代表了其工作的关

7、键部分。某些任务被受访者普遍对 AI 的观点占受访者总数的百分比有助于提高效率84%72%64%有助于创造新的商机有助于改进产品或服务认为是其关键工作所需的组成部分，例如：快速归纳信息(73%)、贡献创意(65%）、预测结果(63%)、工具使用的便捷化(59%)以及决策自动化(58%）。受访者被要求回答：AI 是否被认为是合适的工具，用于完成工作中的重要任务？是否是最佳选择？受访者反馈结果显示，受访者强烈认同生成式 AI 提供快速归纳信息的解决方案。在将快速概括信息视为核心业务需求的受访者中，有 97%的受访者认为生成式 AI 是合适的工具，87%的受访者表示它是理想工具。大多数受访者列出了关

8、键工作需求，这意味着，AI 可以作为加速器，对企业的一些高频基础任务发挥重要作用。 AI 驱动的未来 5与此同时，受访者认为，针对一些特定的需求，生成式 AI 在合适工具还是理想工具之间，存在较大差距。例如，针对贡献创意这一关键业务需求，有 83%的受访者认为生成式 AI 是适合的工具，但仅有 36%的受访者认为它是理想之选。类似的差距也存在于以下这类应用场景中：便捷化要求专业技能的工具或软件的使用，以及在工作流程中实现自动化的决策。这些差距可能反映了以下情况：要实现上述目的，市场上已有的成熟技术具备更大的吸引力；或者说，目前还没有优化的模型或应用可用来展示生成式 AI 有能力应对这些需求。I

9、T 决策者通常会借鉴同行经验和行业成功案例，以评估新兴技术是否适合某一特定应用场景。企业可能需要更多的证据来确信生成式 AI 可以应对这类需求。关键工作职能需求占受访者总数的百分比（总人数=201）快速归纳大量信息73%激发创意/促进头脑风暴预测可能的结果使原本需要专业技能的工具或软件使用起来更便捷在工作流程中实现决策自动化为知识库或工作流程提供自然语言/对话界面打破复杂设计的条件限制，发掘新的产品可能性在大型数据集中发现数据间不明显的关联或检测异常识别情绪或语气生成图像或文本的变体以补充目录或制作营销内容模拟系统的行为以实现更快速的测试或实验分析图像以识别特定特征创建大量用于研究或测试的合成

10、数据65%63%59%58%44%38%36%27%26%21%19%15% AI 驱动的未来 6针对不同的工作职能需求，对 AI 相关陈述的认同度在认为该需求属于工作职能关键需求的受访者中所占百分比为知识库或工作流程提供自然语言/对话界面（人数=78）59%快速归纳大量信息（人数=89）在大型数据集中发现数据间不明显的关联或检测异常（人数=64）在工作流程中实现决策自动化（人数=87）分析图像以识别特定特征（人数=38）识别情绪或语气（人数=54）生成图像或文本的变体以补充目录或制作营销内容（人数=52）模拟系统的行为以实现更快速的测试或实验（人数=39）创建大量用于研究或测试的合成数据（人

11、数=30）激发创意/促进头脑风暴（人数=88）预测可能的结果（人数=87）使原本需要专业技能的工具或软件使用起来更便捷（人数=88）打破复杂设计的条件限制，发掘新的产品可能性（人数=67）95%97%92%88%89%69%86%92%90%83%86%83%65%36%3%1%57%40%2%47%45%6%2%41%47%8%3%39%50%5%5%39%30%22%7%2%38%48%10%4%38%54%5%3%37%53%7%3%34%49%9%8%29%57%8%6%27%56%13%3%1%22%43%18%15%1%前 2 项强烈反对反对不同意也不反对同意非常同意最常见的工作需

12、求“AI 是应对这一需求的适用工具。” AI 驱动的未来 7针对不同的工作职能需求，对以下 AI 相关陈述的认同度在认为该需求属于工作职能关键需求的受访者中所占百分比快速归纳大量信息（人数=89）47%为知识库或工作流程提供自然语言/对话界面（人数=78）在大型数据集中发现数据间不明显的关联或检测异常（人数=64）创建大量用于研究或测试的合成数据（人数=30）分析图像以识别特定特征（人数=38）识别情绪或语气（人数=54）生成图像或文本的变体以补充目录或制作营销内容（人数=52）预测可能的结果（人数=87）模拟系统的行为以实现更快速的测试或实验（人数=39）在工作流程中实现决策自动化（人数=8

13、7）使原本需要专业技能的工具或软件使用起来更便捷（人数=88）打破复杂设计的条件限制，发掘新的产品可能性（人数=67）激发创意/促进头脑风暴（人数=88）87%76%74%80%52%48%57%60%61%63%50%41%36%40%10%2%41%35%4%38%36%22%2%27%53%13%7%26%26%34%11%24%17%40%33%10%16%44%15%46%31%3%15%48%32%15%35%33%13%28%36%7%9%27%42%20%1%强烈反对反对不同意也不反对同意非常同意最常见的工作需求21%3%3%24%26%26%26%11%2%5%3%1%15%

14、2%15%“AI 是应对这一需求的最佳工具。”前 2 项 AI 驱动的未来 8关于 AI，潜力未知，风险亦然调研发现，受访者普遍看好生成式 AI 的前景，并且认为 AI 将带来更多未知的益处。77%的受访者认为 AI 还有许多应用场景尚待发掘，这意味着，许多企业不确定生成式 AI 可以多大程度或规模化地在企业中有效部署。受访者还指出，他们不确定采用生成型 AI 会带来何种风险：68%的受访者认为 AI 会带来意想不到的变化，57%的受访者担心 AI 伴随难以预料的新风险。即使企业愿意积极探索 AI 的可能性，巨大的不确定性可能导致企业难以获得所需预算、无法提供足够资源，甚至可能导致进行中的项目

15、受阻。在这些领域寻求专家指导或借鉴同行的成功经验，可以增加明确性，从而减少阻碍，加快企业采用 AI 技术的步伐。机会了然，部署落后大量研究结果表明：对如何有效部署生成式 AI 或预测成本和风险的不确定性，大大延缓了企业采用生成式 AI 的进程。如上所述，许多受访者认为，AI 是应对多种关键工作需求的理想工具；但当被问及他们在多大程度上应用了该技术，以及是否清楚哪些供应商能够帮助他们进行相应部署时，回答显著减少。在认为 AI 有助于完成其工作的关键需求的受访者中，只有 63%的受访者知道可能帮助部署该技术的供应商有哪些，而只有 46%的受访者已经部署了相应的解决方案。据观察，这种差距的大小随应用

16、场景的变化而变化：例如，针对通过自然语言界面访问知识库这种需求，84%的受访者表示，他们能够找到部署相应生成式 AI 工具的供应商，67%的受访者表示他们已经进行了部署；而针对贡献新产品创意的这种需求，只有 50%的受访者表示他们能找到相应供应商，只有 28%的受访者进行了部署。这些差异表明，关于生成式 AI 的公开讨论仅限于少数常见应用场景，这使得那些希望将该技术应用于应对更专业的任务或细分行业特定需求的商业领袖，对该技术的前景以及可能面对的阻碍缺乏清晰的认识。对 AI 的看法占受访者总数的百分比还有许多应用场景尚待发掘77%68%57%会带来意想不到的变化产生难以预见的新风险 AI 驱动的

17、未来 9前 2 项17%42%19%19%3%21%48%15%13%2%创建大量用于研究或测试的合成数据（人数=30）为知识库或工作流程提供自然语言/对话界面（人数=78）针对不同的工作职能需求，对以下 AI 相关陈述的认同度在认为该需求属于工作职能关键需求的受访者中所占百分比快速归纳大量信息（人数=89）37%识别情绪或语气（人数=54）分析图像以识别特定特征（人数=38）生成图像或文本的变体以补充目录或制作营销内容（人数=52）在大型数据集中发现数据间不明显的关联或检测异常（人数=64）激发创意/促进头脑风暴（人数=88）在工作流程中实现决策自动化（人数=87）预测工作流中的决策（n=8

18、7）使原本需要专业技能的工具或软件使用起来更便捷（人数=88）模拟系统的行为以实现更快速的测试或实验（人数=39）打破复杂设计的条件限制，发掘新的产品可能性（人数=67）84%73%67%67%69%69%59%55%68%58%49%61%50%47%9%6%33%40%27%40%23%24%43%17%15%40%14%54%20%14%44%25%13%36%26%13%28%36%7%7%43%15%24%强烈反对反对不同意也不反对同意非常同意最常见的工作需求16%10%16%13%23%2%15%“我知道有供应商可以为这一需求提供 AI 解决方案。”9%2%17%24%45%16%

19、8%8%24%6%14%3%10% AI 驱动的未来 10前 2 项为知识库或工作流程提供自然语言/对话界面（人数=78）31%快速归纳大量信息（人数=89）创建大量用于研究或测试的合成数据（人数=30）识别情绪或语气（人数=54）分析图像以识别特定特征（人数=38）在大型数据集中发现数据间不明显的关联或检测异常（人数=64）在工作流程中实现决策自动化（人数=87）生成图像或文本的变体以补充目录或制作营销内容（人数=52）预测可能的结果（人数=87）打破复杂设计的条件限制，发掘新的产品可能性（人数=67）使原本需要专业技能的工具或软件使用起来更便捷（人数=88）激发创意/促进头脑风暴（人数=8

20、8）模拟系统的行为以实现更快速的测试或实验（人数=39）67%49%70%54%44%44%39%43%46%28%35%40%44%36%15%1%25%24%20%50%19%35%11%18%26%16%28%19%10%29%10%10%33%23%9%37%19%8%27%26%7%33%19%41%21%26%3%强烈反对反对不同意也不反对同意非常同意最常见的工作需求“我的组织已经部署了 AI 来应对这一需求。”17%25%24%3%17%10%3%24%11%21%24%11%28%9%26%24%25%10%23%25%9%9%21%34%16%27%11%31%10%10%针

21、对不同的工作职能需求，对以下 AI 相关陈述的认同度在认为该需求属于工作职能关键需求的受访者中所占百分比 AI 驱动的未来 1187%的受访者认为生成式 AI 是快速归纳信息的最佳工具风险未知，阻碍部署部署任何新兴技术都会引发一系列的疑问：如何降低潜在风险、预测成本和资源需求？如何应对新的安全考虑因素？当被问及是否能够获取所需的资讯以应对与 AI 相关的风险时，大多数受访者表示，他们在安全性、部署成本、输出可靠性，以及减少与模型和训练数据相关的偏差方面缺乏足够的洞见。如果这些问题得不到解答，那么业务和 IT 负责人在为业务应用场景争取批准，或在获取内部支持以推进试点或部署方面，将面临重重困难。

22、关键业务需求快速归纳大量信息（人数=87）激发创意/促进 头脑风暴（人数=73）预测可能的结果（人数=75）使原本需要专业技能的工具或软件使用起来更便捷（人数=73）在工作流程中实现决策自动化（人数=77）为知识库或工作流程提供自然语言/对话界面（人数=74）潜在风险与现有工具和工作流程的兼容性66%64%63%52%56%65%成本/所需投资56%53%57%48%55%64%AI 所做决策的可解释性或透明度49%40%48%47%40%49%输出的可靠性/一致性57%48%59%55%49%62%与模型/训练数据相关的偏差44%33%48%48%38%55%环境影响/可持续性45%34%4

23、9%51%49%36%与安全相关的 风险43%34%51%40%39%57%与知识产权相关的风险46%38%51%49%44%58%需要新技能62%58%68%59%69%66%对现有劳动力的影响67%58%60%62%68%62%在表示已掌握降低风险所需信息的受访者中所占百分比 AI 驱动的未来 12虽然关于生成式 AI 的讨论常常聚焦于技术障碍（例如，训练数据的可用性和质量，或特定模型的性能等），调研结果表明，关键业务因素的不确定性是采用生成式 AI 的更大障碍。当被问及哪些因素对企业部署生成式 AI 技术的意愿影响重大，受访者指出，与缺乏数据等技术因素相比，难以确定哪些技术与其特定业务需

24、求相关、领导层缺乏愿景、以及不清楚所需的成本和投资，这些因素的影响更为显著。当我们要求受访者具体说明这些造成阻碍的影响因素，他们指出以下问题：无法预测或量化潜在的负面影响，以及不确定如何获取解决这些问题的专业知识和所需资源。阻碍投资的因素占受访者总数的百分比后 4 项影响最小中间 4 项前 4 项影响最大变化速度太快，无法确定解决方案不知道如何为类似解决方案选择供应商缺乏来自同行的成功案例或佐证缺乏推动 AI 所需的文化变革的工具/框架缺乏第一手数据，无法使 AI 应用实现差异化担心 AI 对可持续性和环境的影响会影响 ESG 得分担心存在侵犯知识产权的风险管理层对 AI 的使用缺乏愿景和管理

25、方向成本/所需投资不明确在优先级最高的生成式 AI 应用场景方面缺乏跨部门的一致性不知道如何获得在企业中管理 AI 所需的技能难以确定哪些 AI 技术与我们的业务相关46%32%22%44%27%29%39%36%25%38%35%26%38%37%25%38%30%32%36%31%33%30%38%31%30%32%38%28%46%26%26%32%42%8%22%70% AI 驱动的未来 13部署面临挑战，亟需相关支持在被问及关于具体的生成型 AI 投资计划时，受访者表示，他们高度依赖第三方供应商提供的生成式 AI 技术，52%的受访者依赖商业解决方案，45%的受访者考虑与合作伙伴共同

26、开发解决方案或进行内部开发。出现如此反馈的部分原因，可能是训练全新生成式 AI 模利用第三方应用中内置的生成式 AI 功能与生成式 AI 供应商合作，共同打造定制的生成式 AI 功能在企业内部构建 生成式 AI 功能28%52%17%我们不太可能进一步 投资生成式 AI2%未来三年的预期投资占受访者总数的百分比（总人数=201）生成式 AI 的业界通用定义占受访者总数的百分比（总人数=201）无59%41%有52%的受访者使用第三方供应商提供的生成式 AI 商业技术解决方案型的成本高昂，结合其他调研的结果，这也表明，企业通过与供应商合作，来减少不确定性，并简化采用该技术的路径。对于生成式 AI

27、 的不确定性，其中最明显的信号之一是，59%的受访者表示其行业内不存在通用的生成式 AI 定义，这意味着，在该领域尚未建立一致的应用场景和最佳实践。 AI 驱动的未来 14企业寻求行业专家和案例研究为了填补知识空白，企业最有可能通过案例研究(78%)或由拥有完整项目经验的专业人士主导的讲座或论坛(78%)来获得帮助，这表明，企业渴望从实际经验中借鉴实操，而非充实概念或假设性的知识内容。当被问及最信任的相关信息来源，受访者对行业专家的评分最高(87%)，其次是已经尝试过该技术的同行(85%)。成功部署 AI 的关键因素日渐明朗尽管就最佳实践尚未达成明确共识，有些开始部署 AI 解决方案的企业发现

28、，特定类型的资源对于成果落实部署至关重要。最常见的需求之一，就是明确技术应用的专业知识，这包括：识别可通过生成式 AI 有效解决问题的专业知识(47%)和识别生成式 AI 应用场景的专业知识(42%)，对于这些问题和应用场景识别的专业知识要求，远远超过用于训练模型所需的高质量的数据等基本技术层面的需求。与特定的技术能力相比，企业更看重分配资源和规划部署方面的战略洞见。关于生成式 AI 的信息渠道占受访者总数的百分比（总人数=201）案例研究78%专家讲座或论坛调研数据和比较报告博客和长篇数字化内容视频讲解社交媒体其他69%54%42%33%18%5%”“ AI 驱动的未来 1513%具备知道如

29、何在特定应用场景中通过生成式 AI 获取价值的专业知识具备知道哪些问题值得使用生成式 AI 来解决的专业知识成功部署生成式 AI 需要具备的基本特征占受访者总数的百分比具备为生成式 AI 确定应用场景的专业知识具备调整生成式 AI 应用场景或确定其优先次序的专业知识拥有高质量的第一手数据，可在公开源模型的基础上创建差异化模型拥有大量第一手数据，可训练自己的模型26%21%排名第 2排名第 1-最重要18%16%12%13%排名第 3排名第 4排名第 5排名第 6排名第 716%18%9%11%26%19%17%12%10%15%21%19%13%13%16%21%21%19%10%13%10%

30、15%26%22%8%12%9%22%33%1%2% AI 驱动的未来 16结论这项针对企业 AI 技术相关决策拥有影响力的负责人与领袖的 GLG 调研揭示了理想和现实之间的沟壑：尽管企业对新兴的生成式 AI 技术充满热情，但缺乏以供汲取经验的实践案例，因而无法确定如何实现该技术的价值。有意愿在生成式 AI 技术方面投资的企业，可能会因缺乏与其行业和应用场景相关的实际案例而踌躇不前，也可能会在缺乏明确价值路径的情况下贸然前行。更清楚地了解如何管理与生成式 AI 相关的成本和风险，将有助于提高企业采纳该技术的速度，降低部署失败或成本超支的风险，并提升企业开发全新应用场景的信心。借鉴生成式 AI 技术领域的专家或同行的成功经验，可为企业在预算、团队及客户方面做出最佳决策保驾护航。 AI 驱动的未来 17本文档涉及的调研、访谈研究和分析由 GLG 聘请的行业顾问负责开展。该顾问为 GLG 独立顾问与行业专家成员（GLG专家团成员）。受访者有偿参与本项调研与相关访谈。所有信息均截至 2024 年下半年，仅供参考，不构成法律、会计、税务、投资或其他专业建议。GLG 格理集团不对本文档作任何明示或暗示的声明或保证。GLG 格理集团或任何专家团成员概不承担与使用本文档有关的任何责任。感兴趣获取完整版调研报告？联系 GLG 格理集团更多丰富内容，关注 GLG 格理集团官方微信