这一曲线的背后一方面体现了技术发展从萌芽到成熟的普遍规律,另一方面单就GenAI本身而言,也反映出了这项技术目前在实际落地过程中所暴露出的能力问题。
GenAI的能力问题
如今GenAI作为一种新的产品卖点,在消费电子领域确实风生水起,产品逻辑多为通过生成式能力带来如系统交互、图片处理、文字信息汇总等方面的升级。然而,当类似的逻辑应用于ToB领域的时候,GenAI技术本身目前的种种不足之处,却会被放大,从而成为落地过程中的掣肘。
首先便是所谓的致幻率问题,“一本正经胡说八道”的情况在消费电子领域或许可以被用户一笑了之,但在IT运营管理的过程中,却可能铸成大错,当ToB领域对于安全性和准确性的要求变高,以及对高可靠性的要求,就难以有过多的容错性。从而导致GenAI的方案可能难以被用户快速接受。
其次,准确性问题显然与训练数据的专业性与量级存在强关联,但企业往往并不愿意对外分享数据,如何在构建便利AI条件的情况下来平衡安全性和隐私性成为比较大的挑战。
第三,GenAI的出现也在打破企业内部的一些边界,对于员工而言很容易自然而然地去把如会议纪要、产品资料等内容上传在云端AI来快速获取会议总结。企业难以遏制这种员工简化工作流程的渴望,但对于合规与安全性又提出了更大挑战。
最后,在使用相关GenAI产品来实现产出的时候,知识产权问题也应运而生,生成的图像、归纳的总结、构建的代码的知识产权到底属于谁,企业对于此类的担忧同样一直与GenAI的发展而相生相伴。
上述这些GenAI技术本身还无法彻底解决的问题,无疑影响了企业对于部署相关落地方案的决心与判断。而从很多企业在今年所对外提供的AI解决方案中也不难发现,在产品功能上多聚焦于通过自然语言来简化操作流程,并一般会避免让AI涉及相关决策的环节。
与此同时,除了GenAI技术本身所面临的挑战外,企业的IT预算也正在收紧。
保守的IT预算
在Gartner对CIO进行调研时发现,相比以往每年不同公司增长1%~5%的IT预算,2025年的预算则平均缩减0.8%,其中尽管很多公司加大了对于GenAI与AI相关的投入比例,但有60%客户的实际在GenAI项目投入基础设施预算却低于500万元。
也就是说,从整体预算而言,企业对于AI的投入相对比较保守。企业对于“总体拥有成本”优先级也在变得比较高,考量占比高于第二名的消费体验的20%~30%。企业目前更多着眼于一年为周期的产出创新,而非为了创新对不确定性有比较高的容忍度。
对于ToB领域的很多客户而言,对于AI以及新技术的状态是“不见兔子不撒鹰”,即便可以进行尝试,但如果没有结果也会变得适可而止。
CIO们所面临的挑战在于如何在成本节约的情况下来改变组织能力与提升可靠性,这也成了2024年里相对最大的主旋律。
在此背景下,一些与GenAI方案能够达成相似目标的方案,也自然受到了更多的关注。
其他可行性方案的挑战
实际上,降低IT运维成本与难度一直是相关方案的重要目标,GenAI相关方案中的自动化、自然语言交互、代码辅助撰写,其实也正是为了满足上述目标需求。Low-Code/No-Code技术在如今的脱颖而出,自然也提供了另一种解决思路。
季新苏介绍称,Low-Code/No-Code背后的逻辑是“能不能把整体IT的能力用业务能够使用的语言,或业务能够使用拖拉拽的方式来让业务自己去构建自己想要的数据”。
头部银行目前在数据中心的Low-Code/No-Code业务场景就是一个很好的例证,由于各支行/分行需要的账务数据需求会让数据中心花费大量时间来对数据、对报表。银行开始将数据进行模块化,目前构建最多的是“私金”模块,只要人员获得授权就能登录系统进行查询,并有查询痕迹,不需要走账目查询跨部门的工单,减少了整体IT的工作压力,也带来了整体的成本优化与效率提升。
从了解到的客户反馈来看,无论Low-Code/No-Code还是RPA,对于已知流程的优化均能够带来明显的效率提升,不少企业也认为它们在目前相比AI更具落地和可行性。
总体而言,企业通往成功之路的关键在于,组织需要注重快速配置和整体应用程序管理,而不仅仅是基础设施或运营收益。最重要的是,真正的挑战在于实现IT的组织的转型而非基础设施本身的费用控制。