📢 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，AI的能力一直在快速发展，自从生成式AI取得突破以来，这种进展从未放缓。例如，多模态——处理不仅仅是文本，还包括音频、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的推理和自主行动能力也已增强，组织现在开始使用能够做到这一点的AI智能体。
在所有这些变化中，有一个恒定不变的因素：AI模型输出的质量，永远取决于喂给它的数据。数据管理技术和实践也在进步，但本研究的第二版表明，大多数组织没有足够快地利用这些进步来跟上AI的发展。由于这一和其他的阻碍，相对较少的组织正在从其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进步取得进展的背景下，组织数据性能改善了多少，MIT Technology Review Insights 调查了800名高级数据和技术高管。我们还对15位技术和业务领导者进行了深度访谈。
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。 组织在兑现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年接受调查的人中，只有12%的组织将自己评估为数据“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、追踪数据血缘关系以及应对安全复杂性等方面也存在困难——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方面表现出色的组织比例更少。目前，只有2%的受访者认为其组织在产生可衡量的业务成果方面取得了很高的AI绩效。事实上，大多数组织仍在努力扩大生成式AI的应用规模。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。
此内容由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。它由人类撰稿人、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