傳統組織對人工智慧寄予厚望，但戰略缺陷嚴重限制了他們的雄心壯志。
這是來自芬蘭新創公司Silo AI 的新報告。該公司最近因建立具有多語言功能的大型模型（LLM）而成為頭條新聞，但主要致力於將人工智慧引入成熟的企業。這為它提供了進入該技術主流採用的窗口。新的研究描繪了一幅更詳細的圖景。
該報告分析了各種傳統企業和組織。 Silo 調查了各行業的公司，從製造業、建築業到金融服務和公共部門。儘管他們的平均年齡為87 歲，但他們都在某種程度上接觸過人工智慧。
近70% 的企業正在進行實驗或正在開發項目，而86% 的企業預計其項目將在未來12 個月內投入生產。近三分之二(65%) 的人之前也有過已經投入生產的人工智慧專案。
然而，他們的努力並不總是成功。幾乎一半的人對結果最多持中立態度。
透過深入研究數據，西洛發現，策略不明確和高階主管缺席正在阻礙公司發展。大多數受訪者沒有專門負責資料和人工智慧管理的C級代表，而且大多數專案都是在每個業務部門進行本地管理。
這種破碎的景觀造成了一些問題。
Silo AI 執行長兼聯合創始人Peter Sarlin 告訴TNW：“一個風險是資料管理非結構化且治理不明確。”
“另一個風險是，對人工智慧的投資和人工智慧的整合被歸入不同的孤島，並在整個組織中去中心化，而研發則在很大程度上是中心化的工作。”
為了減輕這些風險，Silo 建議讓高階主管負責將人工智慧納入組織的策略。所有舉措也應明確符合特定的業務目標。
除了更廣泛的策略之外，Silo 還提出了幾項具體措施。一是創建框架來評估人工智慧專案的投資報酬率。
新研究提供了好處的證據。超過四分之一的受訪者已經建立了此類框架。然而，37.5% 對人工智慧計畫感到滿意的組織已經開發了這些結構。在那些認為最好的情況下保持中立的人中，只有15.7% 的人持這種態度。
Silo 也建議組織建立人工智慧卓越中心。這些部門與不同部門合作，使整個公司的專案易於使用且具有成本效益。
「這種整體方法使組織能夠從人工智慧投資中獲取最大價值，」薩林說。
他補充說，這種方法不會在一夜之間產生結果。
“越來越明顯的是，與任何其他技術一樣，人工智慧不會快速獲勝。”
「人工智慧創造價值的最大潛力是當該技術部署在產品、服務或流程的核心時。
「雖然這需要長遠的眼光和巨大的努力，但這些產品、服務和流程使用得越多，它們產生的價值就越大，因為人們會更習慣使用它們，而且模型會學習並變得更好。 」
資訊來源：由0x資訊編譯自THENEXTWEB。版權歸原作者所有，未經許可，不得轉載
