自从去年年底生成式 AI 成为热门商业话题以来，“为未来做好准备”的想法与采用 AI 已经变得密不可分。借助这项强大的技术，企业可以获得所需的速度、敏捷性并做出更准确的决策，从而在当今瞬息万变的环境中占据优势。
早在生成式 AI 出现之前，AI 的应用就已经如火如荼。Economist Impact 最近的一项研究中指出，AI 和机器学习 (ML) 技术在受访者为未来做好准备的过程中已经采用或计划采用的六大技术中占据两席（见图 1）。Cognizant 与 Economist Impact 合作开展了这项研究，该研究对全球不同行业的 2,000 名高管进行了调查，这是我们持续开展工作的一部分，目的是明确为未来做好准备需要什么，以及企业距离达到为未来做好准备的状态还有多远。（研究报告全文见“Ready for anything: what it means to be a modern business.”）
在我们对数据的分析中，近七成的人将 AI/ML 列为首要投资领域，这表明他们认为 AI/ML 对于当今有效开展业务至关重要。
然而，与此同时，只有 39% 的受访者表示 AI/ML 已经给其企业贡献了可观的商业价值。实际上，尽管 AI 在最常采用的技术中排名第六，但就其感知价值而言，它在榜单中的排名倒数第二（见图 2）。
事实是，无论是生成式 AI 还是其他类型的 AI，成功实施 AI/ML 计划都需要企业做出各种不可预见的调整。好消息是，许多企业已经开始充分发挥其 AI 实施的价值。首先是要抛开 AI 的炒作，了解成功运用这项技术需要些什么。
根据我们的分析和经验，我们提出了五项建议来帮助传统企业主动拥抱 AI。这些建议的重点是在更广泛的生态系统中协调 AI，包括数据、技术、人才、负责任的 AI 实践和组织文化。通过整合这些要素，企业可以为未来铺平道路，让 AI 成为其成功的推动力。
许多企业都面临着数据不准确、不完整和不一致的艰巨挑战。数据质量低下可能会削弱 AI 模型的性能，导致资源浪费和机会错失。
投资于 AI 但不解决数据质量问题，无异于在不稳定的地基上建造房屋。AI 系统在很大程度上依赖于高质量的数据来生成准确的见解，并帮助您做出明智的决策。忽视数据质量会从根本上损害 AI 潜力。这可能破坏人们对 AI 系统的信任，削弱利益相关者的信心，并危及预期成果。
数据现代化是有效管理和利用数据资产的关键，为 AI 驱动的洞察力和变革性决策铺平了道路。
随着人工智能应用的增长，组织必须面对一个严峻的挑战：过时而僵化的 IT 基础设施。旧有系统集成复杂，缺乏标准化 API，难以满足人工智能的计算需求和实时数据处理需求。
旧有基础设施也会带来重大安全风险。这些系统建立在数字时代之前的基础上，其设计无法抵御当今威胁环境下的复杂攻击。
通过拥抱未来并致力于基础设施的现代化改造，组织可以提高效率、加速创新并重新定义可能性。
许多企业都在努力寻找 AI 人才，包括机器学习、自然语言处理和计算机视觉，以及创造力和解决问题等软技能。然而，寻觅到这类人才往往意味着企业要付出高价。
AI 的快速发展要求专业人员不仅要掌握现有技能，还要具备不断学习和适应的能力。
事实证明，留住这些专业人员同样困难重重。有才华的 AI 专业人员不断受到新的和令人兴奋的机会的追捧。
资料来源：Google
资料来源： World Economic Forum
从算法偏见到隐私问题，公司发现自己正面临一个新的道德挑战，从如何确保 AI 系统公平公正，防止其被用于有害之处，同时确保其透明和可追责。
如果不解决自主系统的算法偏见、隐私侵犯和道德规范等问题，可能会引发一系列不良后果。促进AI 使用符合道德规范不是一种选择，而是势在必行。
通往 AI 准备就绪之路需要的远不止技术实力。它需要一种文化蜕变，从根本上接受变革、消除误解和恐惧。
例如， 对工作岗位流失和不确定性的恐惧会激起人们对 AI 潜力的怀疑，而对 AI 的有限理解也会因为怀疑或缺乏对其见解的信任而阻碍其应用。
企业还需要坚实的文化基础来应对与 AI 相关的复杂道德规范挑战，包括制定负责任的 AI 使用的指导方针和框架、促进公开讨论和多元视角。
随着 AI 在变革方面的影响日益显著，具有前瞻性思维的公司认识到，AI 不只是一个流行语，而是一种战略工具，是解锁创新、效率和增长的关键。问题是如何利用 AI， 让这项强大的技术充分发挥其价值。
