📢 转载信息
原文作者：MIT Technology Review Insights
在人工智能领域，四年就相当于漫长的一生。自本研究的第一版于2021年发布以来，AI的能力正飞速发展，特别是在生成式AI取得突破后，这种进步丝毫未减。例如，多模态——处理文本、音频、视频及其他非结构化信息的能力——正成为AI模型的常见特征。AI自主推理和行动的能力也在增强，组织现在开始使用能够执行此类任务的AI智能体。
在所有这些变化中，有一个恒定的真理：AI模型输出的质量永远只取决于喂给它的数据的质量。数据管理技术和实践也在不断进步，但本研究的第二版表明，大多数组织未能足够快地利用这些进步来跟上AI的发展步伐。由于这一和其他阻碍因素，相对较少的组织能够从其AI战略中获得期望的业务成果。在我们调查的受访者中，只有不到2%的高管认为其组织在利用AI交付成果方面表现出色。
为了确定在生成式AI和其他AI进步出现后，组织数据性能的提升程度，MIT Technology Review Insights 对800名高级数据和技术高管进行了调查。我们还对15位技术和业务领导者进行了深入访谈。
报告的主要发现包括以下几点：
- 很少有数据团队能跟上AI的步伐。 组织在交付数据战略方面的表现与生成式AI出现之前相比，并没有更好。在2025年接受调查的组织中，只有12%的组织自评为数据“高成就者”，而2021年这一比例为13%。熟练人才的短缺仍然是一个制约因素，但团队在获取最新数据、追踪数据沿袭以及处理安全复杂性等方面也面临挑战——而这些都是AI成功的关键要求。
- 部分原因是AI尚未完全发挥作用。 在AI方面，“高成就者”的比例更低。仅有2%的受访者认为其组织在利用AI交付可衡量业务成果方面表现出色。事实上，大多数组织仍在努力扩展生成式AI的应用。虽然有三分之二的组织已经部署了生成式AI，但只有7%的组织实现了广泛部署。
本内容由 MIT Technology Review 的定制内容部门 Insights 制作。它并非由 MIT Technology Review 的编辑人员撰写。它由人类作家、编辑、分析师和插画师进行研究、设计和撰写。可能使用的人工智能工具仅限于经过严格人工审查的次要生产流程。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区