Генеративный ИИ показывает быстрый рост, но дает неоднозначные результаты

В этом отчете рассматривается текущее состояние генеративного ИИ, подчеркивая ускоренное расширение и различные результаты, которые получили организации. Это первый из двух отчетов, в которых расследуется, где организации развернули ИИ за последние 12 месяцев, эффективность этих проектов и планы на следующий год. Чтобы узнать больше или запросить демо, посетите spglobal.com/451Research

Введение

За последний год генеративный ландшафт ИИ претерпел значительный переход. Если 2024 год характеризовался тем, что организации экспериментируют с технологией, то в 2025 году мы видим, что компании более глубоко интегрируют эти технологии и ожидают ощутимых результатов. Этот отчет является первым из двух, которые исследуют стратегии ИИ, которые принимают организации, и их размышления за последние 12 месяцев. Он обращает внимание на различные результаты от первоначальной волны генеративных инвестиций в ИИ и проблем, с которыми сталкиваются многие организации. Второй доклад, «Следующая глава в генеративном ИИ», расскажет о том, что ведущие организации делают по-другому, и подчеркнет технологические тенденции, направленные на усиление воздействия генеративного ИИ.

Об этом отчете

Отчеты, подобные этой, демонстрируют информацию, полученные из различных результатов исследований на рыночном уровне, включая финансовые данные, информацию о слияниях и поглощениях и другие источники рыночных данных, как являющихся собственностью S&P Global, так и общедоступных. Этот вклад сочетается с постоянным наблюдением за рынками и регулярным взаимодействием с поставщиками и другими ключевыми игроками рынка.

Этот отчет, в частности, включает данные из следующих источников. Более подробную информацию см. в разделе «Методология» в конце доклада.

• Голос предприятия: AI & Machine Learning, Use Cases 2025 — этот онлайн-опрос 1006 респондентов был проведен в октябре. 21-ноябрь. 25, 2024.
• Голос предприятия: AI & Machine Learning, Use Cases 2024 — Этот онлайн-опрос 1,001 респондента был проведен с ноября. 14 декабря. 14, 2023.
• Голос предприятия: производительность труда и сотрудничество, вовлечение сотрудников 2024 — этот онлайн-опрос 589 респондентов был проведен с октября. 17 ноября. 12, 2024.

Основные выводы

• Генеративный ИИ быстро распространился, превзойдя даже прошлогодние амбициозные прогнозы. По состоянию на конец 2024 года 60% организаций, которые инвестируют в ИИ, внедрили генеративный ИИ, опережая более долгосрочные категории ИИ, такие как модели, основанные на правилах (54%) и распознавание образов (51%).
• Ускоренное поглощение генеративного ИИ приводит к значительному всплеску числа отказов проектов. Доля компаний, отказывающихся от большинства своих инициатив в области ИИ до того, как они достигнут производства, выросла с 17% до 42%, при этом средняя организация отказалась от 46% своих проектов по проверке концепции до производства.
• Генеративный ИИ приносит ценность, но его влияние неравномерно. В то время как 46% компаний не сообщают, что ни одна корпоративная цель не оказала «сильного положительного влияния» от инициатив в области генеративного ИИ, 19% сообщают о сильном положительном влиянии по большинству целей.
• Значительные препятствия для успешных инвестиций в генеративные ИИ включают стоимость, проблемы конфиденциальности и проблемы доверия. Бюджетные ограничения и уверенность в точности являются ведущими проблемами, причем 29% организаций определяют их как значительные проблемы.

Взять

В 2024 году в экосистеме поставщиков появилось четкое сообщение о генеративном ИИ. Это сообщение охарактеризовало генеративный ИИ как преобразующую технологию, которую организации могли бы использовать для повышения эффективности и получения конкурентных преимуществ. Повествование разделило организации на «имущих» и «неимущих» — и руководители высшего звена стремились быть в бывшем лагере. Обширные бюджеты и исполнительная поддержка способствовали быстрому переходу от экспериментов с инструментами к широкой доступности для всех команд, причем некоторые организации даже предоставили возможности клиентам.

По мере того, как мы вступаем в 2025 год, многие организации размышляют о своих ранних инвестициях и обнаруживают, что результаты не оправдали их высоких ожиданий. В то время как технология приносит ценность, как эта стоимость соответствует затратам, может быть неясным. Из «имущих» и «неимущих» мы видим появление нового набора лагерей: «банки» (организации, эффективно использующие технологию) и «не могут» (организации, борющиеся за это).

Второй отчет в нашей серии фокусируется на «консервных банках» и тенденциях, которые могут привести к большей будущей ценности. В этом отчете подчеркивается «невозможность», выявление нехватки навыков, отсутствие целевого применения, отказ пользователей и плохая точность в качестве основных проблем.

Генеративный ИИ переживает взрывной рост, опережая амбициозные прогнозы

Генеративный ИИ захватил коллективное воображение с момента дебюта в ноябре 2022 года ChatGPT от OpenAI, первого из набора популярных генеративных чат-ботов, которые продемонстрировали значительную доступность и креативность, и, следовательно, широкие

Поглощение. Вскоре за ним последовала волна популярных приложений для генераторов изображений. Эти события побудили руководителей высшего звена изучить применение этой технологии общего назначения в цифровых дорожных картах своих организаций.

Это исследование быстро перешло в официальное принятие. По мере того, как мы вступаем в 2025 год, большинство организаций, которые инвестируют в ИИ, имеют генеративный ИИ в производстве. Из этой группы 27% сообщают об общеорганизационном принятии, в то время как 33% говорят, что она ограничена конкретными департаментами или проектами. Как показано на рисунке 1, это представляет собой ускоренное поглощение по сравнению с предыдущим годом, когда цифры составляли 13% и 28% соответственно.

Множество респондентов ожидают, что генеративный ИИ будет полностью интегрирован в их организации к четвертому кварталу 2025 года.

Рисунок 1: Генеративный ИИ показывает ускоренное поглощение

Q. Пожалуйста, выберите соответствующий уровень использования для каждого типа AI.
Q. Каков ожидаемый статус каждого типа ИИ в вашей организации через 12 месяцев?
Q. Какое из этих утверждений наиболее точно отражает использование генеративного ИИ в вашей организации? База: Все респонденты.
451 Исследовательский голос предприятия: ИИ и машинное обучение, варианты использования в 2024 и 2025 годах.

Скорость внедрения генеративного ИИ быстро превзошла более давние формы ИИ. В то время как 60% респондентов сообщают о внедрении генеративного ИИ, эта цифра составляет 54% для моделей, основанных на правилах, и 51% для моделей распознавания шаблонов. Респонденты из программного обеспечения, ИТ и компьютерных услуг, а также розничных секторов показывают особенно быстрое поглощение генеративного ИИ, причем более трети организаций сообщают о полной интеграции в свою организацию.

«В этом году произошел значительный стратегический сдвиг, чтобы с головой перейти на ИИ. В этом году была создана новая команда ИИ, чтобы сосредоточиться на изучении ИИ, выяснении того, как эффективно использовать его, где есть возможности в нашем бизнесе и в наших областях, приносящих доход, для внедрения возможностей ИИ».

- ИТ/инженерный менеджер/персонал, 250-499 сотрудников, $1B-$2,49B выручка, финансовые услуги

Notably, the telecommunications sector is poised for accelerated growth, with an 18-percentage-point increase in those anticipating full organizational integration of generative AI by late 2025 relative to 2024. In the next 12 months, telecoms plan to deliver generative AI capabilities across application areas including synthetic

генерация данных, автоматизация процессов, визуализация данных и помощь в кодировании. Большинство телекоммуникационных компаний (51%) планируют использовать генеративный ИИ для автоматизации или оказания помощи в программировании, опережая результат опроса в 38%.

Организации развернули генеративный ИИ даже быстрее, чем предполагали их амбициозные прогнозы год назад. Согласно опросу 451 Research’s Voice of the Enterprise: AI & Machine Learning, Use Cases 2024, 47% организаций ожидали, что к четвертому кварталу 2024 года они развернут инструменты генеративного ИИ. Наш последний опрос, проведенный в четвертом квартале 2024 года, отражает уровень развертывания на 60% — на 13 процентных пунктов выше, чем ожидалось.

Несколько факторов подпитывают быстрое принятие, связанные как с возможностями, так и с риском. Две основные проблемы, с которыми сталкиваются организации при внедрении генеративного ИИ, - это риски конфиденциальности и безопасности данных, каждый из которых определяется 38% организаций. В этой среде

выраженная осведомленность о риске, миграция пользователей на инструменты с большим организационным контролем является первоочередной задачей. Другим фактором является скорость, с которой существующее корпоративное программное обеспечение интегрирует генеративный ИИ, уменьшая проблемы с выбором и закупками, которые в противном случае могли бы привести к узкому месту. Согласно исследованию 451 Research’s Voice of the Enterprise: Workforce Productivity & Collaboration, исследование Employee Engagement 2024, только 42% респондентов не имели доступа к помощникам или агентам ИИ. Большинство из них использовали некоторую комбинацию автономных инструментов, предоставленных их работодателем (26%), несанкционированных инструментов (19%) и инструментов, интегрированных в существующее программное обеспечение (26%).

«[ИИ здесь] в первую очередь ... через сторонние продуктовые предложения, которые включают генеративный ИИ, но мы также работаем над некоторыми отечественными внутренними приложениями, которые используют большие языковые модели ... в значительной степени применяя генеративный ИИ к внутренним продуктам или внутренним процессам».

-IT/engineering manager/staff, 100,000+ employees, consumer/retail

Технологии ИИ становятся все более распространенными во всех областях бизнеса. Большинство организаций, инвестирующих в ИИ, внедрили технологию в ИТ-операции (63%). Кроме того, 45% организаций применяют ИИ для рабочих процессов обслуживания клиентов.

Маркетинг привел к росту инвестиций. Маркетинговые процессы привели к увеличению доли организаций, применяющих ИИ, в годовом исчислении на 7 пунктов. В то время как наиболее инвестируемым в маркетинговый инструмент - это маркетинговый анализ, к которому 27% организаций применили ИИ, управление маркетинговой кампанией также является областью внимания. Управление маркетинговыми кампаниями является вторым наиболее часто идентифицируемым случаем использования, когда организации еще не инвестировали в ИИ, но планируют до этого года после финансового планирования и анализа.

Accelerated uptake derailing many AI projects

Учитывая, что организации находятся под давлением, чтобы предоставлять генеративные проекты ИИ в темпе, возможно, неудивительно видеть рост числа отказов проектов. Доля проектов, не сумевших перейти от доказательств концепции к производственным возможностям, заметно возросла в годовом исчислении (см. рисунок 2). Доля компаний, которые отказываются от большинства своих инициатив в области ИИ, увеличилась с 17% до 42%, при этом средняя организация отказалась от 46% своих проектов до начала производства.

Рисунок 2: Растущие показатели отказов проекта

Q. Насколько вам известно, какой процент проектов ИИ в доказательство концепции в вашей организации заброшен перед производством?
База: ИИ/машинное обучение находится в производстве или доказательстве концепции.
451 Исследовательский голос предприятия: ИИ и машинное обучение, варианты использования в 2024 и 2025 годах.

Компании с более высокими показателями отказов проектов более склонны к столкновению с сопротивлением пользователей. По сравнению с общей выборкой опроса, респонденты, отметившие, что уровень сбоев проекта выше среднего, на 77% чаще идентифицируют репутационный ущерб, на 41% чаще идентифицируют сопротивление клиентов и на 36% чаще идентифицируют сопротивление персонала в зависимости от проблем, с которыми сталкивается их организация с инициативами ИИ. Это говорит о том, что многие организации не эффективно сообщили о ценности возможностей ИИ или эффективно нацелены там, где эти возможности лучше всего применяются, что препятствует их способности эффективно выполнять проекты. Сопротивление персонала представляется особенно проблематичным в секторе образования и профессиональной подготовки, где 41% респондентов считают его проблемой по сравнению с общим показателем в 28%.

«Есть значительное количество людей, которые сопротивляются ИИ. Они не используют ИИ, чтобы помочь им в их кодировании, и они определенно не хотят помогать внедрять ИИ в продукты. Я не знаю, философская это вещь или что, но они, кажется, почти религиозно настроены против ИИ по какой-то причине. Я удивлен этим».

-Высшее управление, 100-249 сотрудников, программное обеспечение, ИТ и компьютерные услуги

«Мы постоянно тормозим любые цели ИИ, которые в основном люди C-suite толкают вниз по трубе здесь. Самая большая причина, по которой мы это делаем, заключается в том, что мы на самом деле не видим там реального большого анализа затрат и выгод, например, где преимущества перевешивают затраты на интеграцию. И мы не видим слишком большого преимущества наличия ИИ или покупки продукта ИИ, который все будут использовать, что дает какую-либо выгоду по сравнению с бесплатным продуктом, таким как ChatGPT».

-IT/инженерный менеджер/персонал, $100M-$249.99M выручка, производство

Организации, которые испытывают более низкие показатели отказов проектов, как правило, учитывают более широкий круг факторов при приоритизации проектов. В то время как 54% респондентов из организаций с показателями отказов проектов ниже среднего учитывают факторы доступности данных при определении приоритетов в случаях использования ИИ, эта цифра падает до 42% среди тех, у кого показатели отказов выше среднего. Существует также разница более 10 процентов

пункты в скорости рассмотрения на соответствие и факторы риска. Организации с более высокими, чем в среднем, показателями отказов проектов учитывают в среднем 4,2 фактора в процессе определения приоритетов по сравнению со средним показателем 4,9 для тех, у кого лучшие показатели. Два фактора, которые, как представляется, не коррелируют с показателями отказов по проектам, - это время доставки и наличие существующих партнерств с заинтересованными сторонами. Это говорит о том, что акцент на быстрой доставке может не привести к наиболее эффективным проектам.

Генеративный ИИ приносит ценность, но влияние неравномерно

Общее повествование, влияющее на инвестиции предприятия в генеративный ИИ, заключается в том, что технология будет приносить большую ценность по мере ее интеграции в рабочие процессы и расширения пользовательской базы. Однако данные свидетельствуют о том, что это ожидание не было реализовано. Доля организаций, сообщающих о положительном влиянии от генеративных инвестиций в ИИ, снизилась по всем оцененным целям предприятия. Хотя большинство организаций по-прежнему признают положительное влияние, последнее исследование показывает значительный год подряд.

Годовое снижение в таких областях, как цели роста выручки (76%, по сравнению с 81%), управление затратами (74%, по сравнению с 79%) и управление рисками (70%, по сравнению с 74%).

Эти снижения заслуживают внимания, учитывая ожидание того, что выгоды генеративных инициатив ИИ будут увеличиваться с созреванием и переходом организаций от экспериментов к производству.

Среди респондентов, чьи организации инвестировали в генеративный ИИ, 46% сообщают, что ни одна цель предприятия не оказала «сильного положительного влияния». Для сравнения, 19% сообщают о сильном положительном влиянии по большинству из семи оцененных целей предприятия, которые включают операционную эффективность, удовлетворенность клиентов, удовлетворенность сотрудников, рост доходов, управление затратами, управление рисками и устойчивость. Учитывая организационные инвестиции в генеративный ИИ и четкие альтернативные издержки, проблема ограниченной эффективности этих приложений для значительной части организаций вызывает обеспокоенность.

Рисунок 3: Число организационных целей, видящих «сильное положительное влияние» от генеративного ИИ

Q. Как генеративный ИИ повлиял на производительность вашей организации в следующих целях за последние 12 месяцев? База: GenAI используется (n=932).
451 Голос предприятия: ИИ и машинное обучение, варианты использования 2025.

Смешанная производительность также распространяется на прямую оценку инициатив ИИ относительно их поставленных целей. Компании измеряют значительно больше ключевых показателей эффективности для оценки эффективности проектов, но проекты не обязательно работают лучше против них. Как иллюстрация, доля респондентов, измеряющих снижение риска, эффективность процессов, удовлетворенность персонала, подверженность риску, точность моделей и достигнутые KPI социального воздействия, увеличилась более чем на 6 процентных пунктов

год за годом. Однако для некоторых из этих KPI, в частности, включая подверженность риску, процент компаний, которые считают свои проекты «очень успешными», упал из года в год. Влияние доходов, время безотказной работы, стоимость проекта и потребление энергии входят в число KPI, где организации сообщают об ухудшении производительности.

«Основной болевой точкой сейчас, вероятно, будет внедрение ИИ в разных процессах. Некоторые из них были действительно успешными — процессы автоматизации бизнеса, и тому подобное. Но есть и другие, которые просто отстают».

-IT/инженерный менеджер/персонал, 10-49 сотрудников, $2.50M-$4.99M выручка, программное обеспечение, ИТ и компьютерные услуги

Ценностное предложение для генеративного ИИ охватывает многие области применения в организациях. Чуть менее половины (47%) организаций, использующих генеративный ИИ, говорят, что за последние 12 месяцев он обеспечил ценность за счет генерации данных, что определено в опросе как создание синтетических данных для тестирования, анализа или обучения. Как иллюстрирует рисунок 4, эти инвестиции представляют собой лишь один аспект воспринимаемой технологии.

Значение. Более трети организаций, использующих генеративный ИИ, говорят, что это создает ценность в визуализации данных, автоматизации процессов, обобщении информации, создании контента, взаимодействии с клиентами, обучении сотрудников и помощи в кодировании.

Общецелевые и гибкие характеристики больших базовых моделей, поддерживающих генеративный ИИ, могут способствовать широкому спектру приложений, при этом респонденты определяют ценность в среднем в пяти областях. В некоторых организациях разрыв между широтой и глубиной стоимости может указывать на то, что варианты использования нуждаются в более целенаправленном или более четком отношении к более конкретным областям применения.

Рисунок 4: Области, где генеративный ИИ обеспечивает ценность

Q. За последние 12 месяцев, в какой из следующих областей генеративный ИИ обеспечил значимую ценность для вашей организации, если вообще обеспечил? Пожалуйста, выберите все, что применимо.
База: GenAI используется (n=950).
451 Голос предприятия: ИИ и машинное обучение, варианты использования 2025.

Разнообразие приложений также проявляется в генеративных методах, которые используют организации. Наибольшая доля респондентов занимается текстом (65%), в то время как изображения (47%), код (45%) и табличные синтетические данные (43%) также широко используются. Другие богатые методы работы средств массовой информации, такие как аудио и видео, по прогнозам, будут быстро расти.

Одним из факторов, который может быть стимулом широкого использования технологии, является растущее число заинтересованных сторон, участвующих в принятии решений по проектам ИИ. По мере того, как компании совершенствуют свои

Понимая генеративный ИИ, мы видим снижение на 4 процентных пункта в годовом исчислении доли респондентов, которые говорят, что поставщики программного обеспечения для машинного обучения и консультанты участвуют в одобрении проектов ИИ. Тем не менее, почти все другие группы заинтересованных сторон, оцениваемые, со временем стали более вовлеченными. Это включает в себя внутренние группы пользователей, такие как обслуживание клиентов и поддержка, управление маркетингом и управление продажами. Хотя это можно рассматривать как позитивное — потенциальное расширение возможностей различных сообществ в бизнесе и демократизация доступа к возможностям ИИ — потеря централизованного контроля может привести к распространению инструментов, увеличению затрат и менее целенаправленной стратегии ИИ.

Стоимость, конфиденциальность и доверие являются основными узкими местами для прогресса

Уверенность в точности и бюджетных ограничениях являются серьезными проблемами, с которыми сталкиваются организации с инициативами ИИ. Пятью наиболее распространенными проблемами являются уверенность в точности (29%), бюджетные ограничения (29%), устойчивость персонала к ИИ (28%), устойчивость клиентов к ИИ (27%) и нехватка навыков (27%). Бюджетные ограничения заметно поднялись на вершину списка, по сравнению с четвертой позицией в прошлом году. Это изменение, вероятно, отражает

повышенная видимость расходов на программное обеспечение и аппаратное обеспечение по мере того, как организации переходят от экспериментов к расширенным развертываниям ИИ. Смешение производительности также может привести к переоценке затрат и выгод от инвестиций.

«Я финансирую больше должной осмотрительности, чем мы, вероятно, когда-либо делали, прежде чем мы включим возможности GenAI, просто из-за риска раскрытия наших конфиденциальных данных».

- Менеджмент среднего звена, 10,000-49,999 сотрудников, доход $10B+, потребитель/розничная торговля

Уверенность в точности и, следовательно, доверие снизилась с появлением вероятностных моделей, связанных с генеративным ИИ. Доля респондентов, которые не доверяют или лишь несколько доверяют прогнозам ИИ, остается повышенной по сравнению с 2023 годом.

Раньше организации больше доверяли своим доморощенным возможностям по сравнению со сторонними моделями, но теперь между ними больше выравнивается.

Снижение уверенности в том, что модели обеспечат точные результаты, по-видимому, повышает интерес к моделям, основанным на правилах - возможностям ИИ, которые используют заранее определенные правила и логику, которые по своей сути более структурированы, чем вероятностные модели. Более трети респондентов (36%) считают, что основанный на правилах ИИ будет полностью интегрирован в их организации в течение следующих 12 месяцев, по сравнению с 20%, которые говорят, что технология уже полностью интегрирована.

«ИИ слишком полезен. Очевидно, что в нем есть тонны недостатков, и вы должны постоянно проверять. Вы не можете просто принять это за чистую монету. Но для поиска сходств, причин и мелочей, небольших нюансов для больших форматов данных ... он найдет эти вещи намного быстрее, чем вы когда-либо могли надеяться».

-IT/инженерный менеджер/персонал, 1,000-1,999 сотрудников, здравоохранение

При решении проблем, характерных для генеративного ИИ, часто подчеркивается стоимость, наряду с конфиденциальностью данных, рисками безопасности, качеством сгенерированного контента и проблемами интеграции. Как показано на диаграмме 5, многие из этих проблем могут негативно повлиять на эффективность проектов, снижая эффективность инвестиций в генеративные ИИ в достижение целей предприятия. Хотя предвзятость и справедливость воспринимаются как менее распространенные проблемы, организации, которые столкнулись с этими проблемами, часто изо всех сил пытаются полностью реализовать ценность своих генеративных инвестиций в ИИ.

Рисунок 5: Распространенность и серьезность генеративных проблем ИИ

Q. Какая из следующих областей представляет собой проблему для принятия вашей организацией генеративного ИИ? Пожалуйста, выберите все, что применимо.
Q. Как генеративный ИИ повлиял на производительность вашей организации в следующих целях за последние 12 месяцев? (Доля целей предприятия, в значительной степени пользующихся генеративным ИИ среди респондентов, которые ссылаются на данную проблему)
База: все респонденты (n=999).
451 Голос предприятия: ИИ и машинное обучение, варианты использования 2025.

Технологическая зрелость является проблемой, с исследованиями, возможностями и поставщиками, быстро развивающимися. Это проблема в изоляции, но она еще больше усугубляется нехваткой квалифицированных кадров. Компании не имеют оптимального статуса, чтобы максимизировать ценность генеративной технологии ИИ из-за отсутствия навыков в разработке, управлении и обеспечении безопасности ИИ. Пятая часть респондентов сообщает, что нехватка навыков кибербезопасности в их организации привела к отмене или провалу проекта. Еще 32% говорят, что нехватка навыков кибербезопасности привела к изменениям в масштабах проекта, задержкам или снижению стоимости. Более трех четвертей организаций выявили нехватку квалифицированных кадров в области опыта конечного пользователя, управления данными и управления, облачных вычислений и инфраструктуры, разработки программного обеспечения и инженерии, а также в области машинного обучения и развития ИИ. Без опыта организации будут изо всех сил пытаться понять, где технология лучше всего применяется и как ее эффективно применять.

«С точки зрения исполнительной власти, то, что они хотят ... решения, которые сейчас существуют, не совсем полностью созрели. Например, они будут смотреть на ИИ, чтобы создать этот фактический код. 30% кода, разработанного ИИ, неправильно. Таким образом, мы не совсем там на уровне зрелости».

-IT/инженерный менеджер/персонал, 500-999 сотрудников, программное обеспечение, IT и компьютерные услуги

Перспективы

Генеративный ИИ обладает значительным потенциалом, и некоторые организации уже признают его ценность, поскольку связанные технологии продолжают развиваться. Тем не менее, первоначальные инвестиции организаций находятся под микроскопом, и многие руководители менее чем впечатлены результатами. Генеративному ИИ может потребоваться перейти от разрушительной возможности технологии к более конкретному повествованию о возврате инвестиций и демонстрируемых случаях использования. Этот меняющийся шаг должен быть направлен на растущее осознание

Порождающие экономические последствия ИИ, и он должен учитывать, как потеря энтузиазма может повлиять на долгосрочные инвестиционные стратегии. Независимо от этих факторов, результаты показывают, что лица, принимающие решения, будут продолжать активно нажимать на развертывание в течение следующих 12 месяцев.

Более целенаправленный подход к генеративному ИИ, вероятно, будет определяться переоцененными соображениями затрат и выгод, а также технологическим переходом к возможностям ИИ, ориентированным на конкретные задачи или рабочие процессы. Модели, адаптированные к конкретным вызовам с высокой отдачей, интегрированные с приложениями и соответствующими данными, могут лучше оправдать финансовые инвестиции организаций. Однако, как обсуждается в нашем сопутствующем докладе «Следующая глава в генеративном ИИ», одной технологии недостаточно. Новая парадигма заключается не только в том, чтобы иметь генеративный ИИ, но и в том, чтобы использовать его наиболее эффективно — результат, который требует как технологий, так и усовершенствованных стратегий реализации.

Источник: www.spglobal.com

Комментарии: