📢 转载信息
原文作者：MIT Technology Review Insights
在人工智能领域，四年就是漫长的一生。自本研究的第一版于2021年发布以来，人工智能的能力正以前所未有的速度发展，特别是生成式AI的突破性进展，其发展势头丝毫未减。例如，多模态——不仅能处理文本，还能处理音频、视频和其他非结构化格式信息的能力——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长，组织现在开始接触可以做到这一点的AI智能体。
在所有这些变化中，有一个永恒的真理：AI模型的输出质量，永远只取决于喂给它的数据质量。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，大多数组织利用这些进步的速度不足以跟上AI的发展步伐。由于这一和其他障碍，相对很少的组织能够从其AI战略中获得预期的业务成果。在我们调查的受访高管中，只有不到2%的人对他们组织在利用AI交付成果方面的表现给予了高度评价。
为了确定在生成式AI和其他AI进步兴起后，组织数据性能的提高程度，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。
报告的关键发现包括以下几点：
- 很少有数据团队能跟上AI的步伐。 组织在实现数据战略方面的表现与生成式AI出现之前的日子相比，并没有更好。在2025年接受调查的组织中，只有12%的组织是自我评估的数据“高成就者”，而2021年这一比例为13%。熟练人才短缺仍然是一个制约因素，但团队在获取最新数据、追踪数据沿袭以及应对安全复杂性方面也面临困难——而这些都是AI成功的关键要求。
- 部分原因在于，AI尚未完全发挥作用。 在AI方面，“高成就者”的比例更少。目前，只有2%的受访者在衡量可衡量的业务成果方面，对其组织的AI性能评价很高。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。它由人类写作者、编辑、分析师和插画师进行研究、设计和撰写。可能使用的AI工具仅限于经过全面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