也许人工智能会带来两种结果。
我的收件箱里每天都会收到有关人工智能的新研究。 当它不是关于提高性能或新架构的某些新技术的技术论文时,它就是对消费者和企业生活中的人工智能的看法和计划的调查。
我们也深入研究了人工智能的应用。 在了解了年度研究的进展情况后,我们进行了深入研究,真正了解了组织当前如何以及计划如何利用人工智能的力量。
我们对结果并不失望。 但我们并不感到惊讶。 我们有自己的研究成果,而且如上所述,我们的收件箱里充满了来自整个行业的统计数据和见解。
但我们确实发现了一些细节,它们更加生动地展现了当今世界企业采用人工智能的情况。 这并不是全都是 OpenAI,也不是全都是关于生产力。 事实上,当你从新兴堆栈的角度来看待人工智能的状态时,你可以清楚地看到,组织正在疯狂地执行各种各样的计划,这些计划在很大程度上是为了支持未来的人工智能应用,而不是实现其目前的价值。
例如,生产力用例——似乎无处不在的副驾驶和聊天机器人——已经得到广泛实施。 近一半(40%)的组织采用了人工智能员工生产力工具,超过三分之一(36%)的组织部署了你喜欢或讨厌的聊天机器人,有时两者同时出现。
但这些细节并不是那么有趣。 有趣的是,组织究竟采用了哪些模型,以及原因是什么。
因为企业并没有采用单一模型进行标准化。 平均而言,他们使用 2.9 个模型,并且所使用模型的具体细节因用例而异。 我们看到各行各业都在大力采用开源和专有模型。 像 Llama 和 Mistral 这样的名字正变得像 ChatGPT 和 Hugging Face 一样常见。
这预示着明年当各大企业执行其首要 AI 重点——工作流自动化时,AI 的多样性将更加丰富。 因为该用例不太适合 AI 即服务,因为它需要嵌入到组织的工作流程中。 这是业务和运营流程的技术术语,自计算机诞生以来,它们在很大程度上一直是公司竞争优势的基础。
从从业者或 IT 领导者的角度来看,更有趣的是技术堆栈及其形成方式。 我们知道人工智能应用是现代应用,它增加了正在使用的API数量,但堆栈是什么样的,以及堆栈部署在哪里? 您可能会注意到,我们在 AI 技术堆栈视图中包含了 AI应用服务。 这是因为对安全性和规模的担忧将加强应用服务在交付和保护各种应用方面所发挥的重要作用。
人们对如何防御针对 API 和应用的人工智能攻击、如何保护客户和企业公民的隐私以及如何保守公司机密存在诸多担忧。 这就是为什么我们毫不怀疑应用服务——现有的应用服务(如DDoS 保护和API 安全、负载均衡和入口控制)以及新兴应用服务(如 AI 网关)将成为 AI 技术堆栈中关键且不可或缺的组成部分。
除了用于构建 AI 技术堆栈的所有其他支出外,各组织还计划将其 AI 预算的 9% 用于这些服务。
他们正在实施这一计划,超过一半 (54%) 的组织计划在本地部署 AI 模型和 AI应用。
现在,尽管如此,关于人工智能现状的很多细节我都不会分享,因为我们已经写了一份完整的报告,介绍您现在就可以在这里获得的细节。
深入研究一下,你就会明白为什么我们确信人工智能之路要么通向数字化疯狂,要么通向数字化成熟。