由于试点疲劳、盲目试验以及失败率较高，许多企业开始将GenAI的投资转向更具针对性且更有前景的商业用例。
随着企业减少试验并转向实现商业价值，专注于数量更少、更具针对性的用例，GenAI的试验阶段或许已经结束。
根据NTT DATA最近的一项调查，近九成的高级决策者表示，他们对GenAI试点感到疲劳，正在将投资转向能够提升业务绩效的项目。
NTT DATA北美地区首席数据和AI官Andrew Wells表示，企业仍将继续尝试新的GenAI试点，但一种更具针对性的方法，即专注于其业务特定的用例，正日益成为IT领导者AI战略的核心。
Wells表示，在某些情况下，高达50%或更高的试点失败率迫使企业重新考虑启动的试点数量。IDC在4月的一项调查中发现，平均而言，企业已经启动了37个AI概念验证(proof-of-concept)项目，但只有少数项目进入了生产阶段。
“要么你没有合适的数据来做这件事，要么技术还不够成熟，要么模型还不存在。”Wells谈及早期试点失败频发的原因时说道。
他表示，在其他情况下，试点项目在商业上并不可行。“你会构建概念验证项目，但解决方案的有效性并不一定符合最初的假设。”他补充道。
此外，超过三分之一的IT专业人士表示，他们参与的AI项目的目标并不是实用价值，而是向投资者和利益相关者展示其企业正在开展AI相关工作。
Wells表示，大量没有进展的GenAI试点正在消耗资源。
“当我们走进大多数公司时，他们积压的GenAI用例数量相当可观，具体来说有数百个，”他说，“他们现在更有目的地决定要在哪些项目上投入时间、精力和资金，而不是‘让我们先试试，看看这项技术能做什么’。”
低估成本
数字转型咨询公司SkyPhi Studios的CEO兼联合创始人Courtney Schuyler表示，企业常常在启动AI试点时没有考虑到隐藏成本。
在短时间内启动多个试点不仅成本高昂，而且往往会导致员工生产力下降，因为他们要努力学习如何使用新技术。
她说：“我经常看到的情况是，企业在这项技术热潮中一拥而上，却没有真正放慢脚步，从战略上思考如何在其企业内部利用这项技术，应该采取什么样的战略路径，以及只是看看企业基于其他技术实施可能正在经历的整体变革疲劳。”
Schuyler表示，将项目推进到实施阶段只是战斗的一部分。让员工采用新的GenAI工具是一个巨大的步骤。
“重要的是要真正意识到你的投资以及与之相关的成本，从技术成本到帮助人们采用它的成本，”她补充道，“从我的角度来看，花时间审视并规划这方面的预算，比贸然行动并可能损失数百万美元更重要，因为如果效果不如预期，那么损失将是巨大的。”
支出仍在增加
尽管过去一年的结果喜忧参半，但许多公司都计划在2025年及以后增加对GenAI的支出。在NTT DATA的研究中，39%的受访者表示他们现在在GenAI上有重大投资，这一比例将在未来两年内上升到61%。
NTT的调查与IBM委托进行的一项新调查结果一致，该调查发现62%的公司计划在2025年增加其AI预算。尽管如此，尽管存在试点疲劳，仍有超过四分之一的受访者表示他们的公司计划在2025年推出超过20个AI试点。
支持自动化公司QueryPal的CEO Dev Nag表示，尽管试验将继续进行，但许多企业可能会专注于能为其带来竞争优势的项目，而不是通用的人力资源、数字助手或聊天机器人项目。
Nag表示，作为早期AI项目，许多IT企业曾尝试创建自己的聊天机器人和人力资源AI，但现在有些企业正在将这些功能外包给AI供应商。
“我们在微观层面上看到了这一点，人们试图用并非专门用于支持且没有任何AI背景的团队来自己构建[聊天机器人]，”他说，“这造成了巨大的过度投资。我们让企业几乎变成了风险投资家，为IT项目提供资金，就像它们是初创企业一样。”
但Nag表示，让每个企业都构建自己的人力资源AI是没有意义的。
“你真的希望一万家企业都去尝试构建客户支持代理、人力资源代理和财务代理吗?”他说。
相反，他补充说，许多企业似乎正转向数量更少的、专注于其独特需求的GenAI试点，而不是通用的聊天机器人。
“对于大多数公司来说，如果它与你的底线不是特别相关，那么它就会分散注意力并导致失败，”他说，“你会失去员工，因为他们会被扔进这样的事情里，结果却是‘我们本以为这会是一个成功的中心’。”
特定需求
联络中心IT供应商TTEC Digital的分析和洞察总监Aaron Schroeder看到了一些相同的趋势。他表示，GenAI在公众宣传方面取得的主要进展大多来自专注于单个用例的通用模型，而不是复杂的商业用途。
“这些模型和功能基于来自互联网的广泛知识，而不是特定领域和上下文，”Schroeder补充道，“这让许多领导者看到了新兴AI解决方案如何在日常生活中帮助他们，但在那与看到AI解决方案在超特定、面向行业的用例中(这些用例需要了解公司如何运营)发挥有意义的生产力之间仍然存在差距。”
他表示，这一差距正促使企业将试点从通用项目转向与价值驱动领域更一致的项目。
“我们经历过的最成功的方法是，在更高层面提前设计AI试点和解决方案的治理——无论是为了加速生产力、节约成本、增加收入，还是提升客户体验，”Schroeder说，“通过提前确定关键原则，可以更容易地保持公司在同时进行的多个项目上的一致性。”
来源 ：企业网D1Net