仅有10%的企业拥有可靠性系统，可用于评估大语言模型带来的风险

最新研究显示,尽管美国企业对使用生成式AI提升效率兴趣浓厚,但他们在理解、战略规划和人才方面的挑战阻碍了对这项技术价值的完全实现。研究由SAS赞助,Coleman Parkes执行,调查了300位美国决策者,结果将与其他国家的调查一同在2024年底发布。

SAS的AI战略顾问Marinela Profi强调,企业不应期望大语言模型单独解决所有问题,而应将生成式AI视为加速流程和系统的工具,并在投资前制定策略,特别是在模型整合、治理和可解释性方面。

企业在实施生成式AI时面临四大挑战:确保数据信任和合规性,只有10%的企业有评估模型偏见和隐私风险的系统,93%缺乏全面治理框架;集成AI到现有系统时存在兼容性问题;缺乏AI人才和技能;以及高昂的直接和间接成本,包括Token成本、知识储备、培训和ModelOps管理。

Profi建议,企业应采取可持续和可扩展的方法,将生成式AI应用于实际业务场景,以最大化价值并满足实际需求。研究旨在帮助企业在快速变化的AI时代保持相关性和灵活性,并做出明智的投资决策。