共计 830 个字符，预计需要花费 3 分钟才能阅读完成。
人工智能技术在企业应用中的回报率一直是个难题。最新研究揭示了企业在成功实施 AI 时面临的三大障碍，并提出了更简单且人性化的解决方案。
尽管存在信任问题，企业仍在积极采用人工智能工具。治理、技能和数据基础设施是决定信任度的关键因素。这种不匹配可能阻碍人工智能投资的回报。
麻省理工学院的研究显示，高达 95% 的企业应用案例基本上毫无成果。为何失败率如此之高？根据 SAS 和国际数据公司（IDC）的研究，其中一个原因是企业在内部部署的人工智能工具中普遍缺乏信任。
为何重要
虽然对技术缺乏信心，企业仍在大规模采用人工智能。SAS-IDC 调查中 65% 的受访者表示他们的组织目前正在使用 AI，32% 计划在明年内开始使用。Gartner 预测，到 2027 年，多达一半的内部业务决策过程将完全自动化或至少部分由 AI 增强。
基于对全球 2300 多名 IT 专业人士和商业领袖的调查，研究发现 78% 的受访者对 AI“完全信任”，但只有 40% 实施了治理和可解释性保障措施。这种不匹配导致 AI 的潜力未被充分挖掘，缺乏信任的地方回报率较低。
三大障碍
- 薄弱的云基础设施
- 治理不足
- 现有员工缺乏 AI 特定技能
虽然前两个问题可以通过第三方合作伙伴关系和更多技术得到缓解，但第三个问题可能更为复杂，也可能加剧对失业的担忧。
对员工来说，幸运的是，大多数企业领导者优先考虑培训计划而非裁员。此外，在简历中添加一项与 AI 相关的技能，可能会在下一份工作中显著提高薪资。
一种非常人性化的偏见
调查受访者往往比传统机器学习模型更信任生成式 AI 系统，尽管后者更老、更透明。这证明了人类的一种心理怪癖：我们倾向于反射性地对看似更人性化的 AI 系统产生更多信任。
像 ChatGPT、Gemini 和 Claude 这样的生成式 AI 工具擅长生成类人语言，这可能会产生一种错觉，即它们不仅仅是检测和复制大量训练数据模式的算法。在某些极端情况下，这种错觉可能会产生严重的心理后果。
“AI 感觉越‘人性化’，我们就越信任它，不管它的实际可靠性如何，”研究作者写道。
