共计 1609 个字符，预计需要花费 5 分钟才能阅读完成。
最近，德勤发布了一份关于生成式 AI 在企业中应用的报告，里面有不少有趣的预测。
企业对 AI 助手的兴趣似乎越来越浓厚。根据德勤的预测，到 2025 年，大约四分之一的企业会部署 AI 助手，而到 2027 年，这个数字可能会翻倍。这份报告主要关注生成式 AI 对科技、媒体和电信行业的影响，并把 AI 助手定义为能够在几乎没有人类干预的情况下完成复杂任务的软件。
报告里还有一些其他有趣的预测：
- 女性在生成式 AI 领域的参与度正在快速提升： 到 2025 年，女性对生成式 AI 的实验和使用可能会与男性持平甚至超过男性。不过，科技公司还需要在模型训练中提高信任度、代表性和多样性。2023 年，女性对生成式 AI 的使用率仅为男性的 50%。
- 生成式 AI 将大幅增加数据中心的能源消耗： 随着生成式 AI 的电力需求快速增长，全球数据中心的电力消耗预计到 2030 年将翻倍至 4%（1,065 太瓦时）。
- 生成式 AI 将让设备变得更智能： 到 2025 年，配备生成式 AI 的智能手机出货量占比可能超过 30%，而大约 50% 的笔记本电脑将具备本地生成式 AI 处理能力。
报告还深入分析了 AI 助手的采用趋势，指出：“AI 助手的增长将由初创企业和成熟企业通过创新寻找新收入机会推动。基于大型语言模型，这些 AI 助手将比传统的机器学习或深度学习方法提供更大的灵活性和更广泛的应用场景。尽管最终目标是实现完全自主和可靠的助手，但随着这些技术的快速发展，德勤预计 2025 年这些助手的能力将显著提升，AI 助手将在某些市场和应用中超越试点和概念验证阶段。”
根据德勤的定义，AI 助手具有以下共同特征和能力：
- 基于基础模型构建： 基础模型如大型语言模型（LLMs）使 AI 助手能够推理、分析和适应复杂且不可预测的工作流程，使其比 RPA 和专家系统更灵活。LLMs 正在迅速改进，最近的突破包括增强的推理能力和将任务分解为更小步骤的能力。
- 自主行动： 尽管自主程度各异，AI 助手可以被训练来计划和执行复杂的任务，主要依靠自身。通过引入推理标记，链式思维模型可以解决比之前的 LLMs 更复杂的挑战。
- 感知环境： AI 助手可以感知环境、处理信息并理解所分配任务的上下文。先进的 AI 助手可以处理多模态数据，如视频、图像、音频、文本和数字。
- 使用工具： AI 助手与工具和系统交互以完成任务，如软件、企业应用和互联网。
- 协调： AI 助手可以指导其他系统和机器人参与完成任务。在多助手系统中，这意味着与其他自主生成式 AI 助手协作。
- 访问记忆： LLMs 是无状态的。每次交互都是独立处理的，交互完成后信息不会保留。通过添加检索机制和数据库，AI 助手可以访问短期记忆以在执行特定任务时保持上下文，并访问长期记忆以从经验中学习和改进。
德勤还强调了生成式 AI 聊天机器人和副驾驶功能虽然复杂，但它们缺乏 AI 助手所承诺的自主性和自主性。
德勤指出，AI 助手和聊天机器人之间有一个关键区别。根据德勤的定义，“AI 助手具有‘代理’——即行动和选择行动的能力。代理意味着自主性，即独立行动和做出决策的能力。当我们将这些概念扩展到 AI 助手时，可以说它能够自主地计划、执行和实现目标——它变得‘代理化’。目标是人类设定的，但助手决定如何实现这些目标。”
Salesforce 的一项研究显示，三分之一的消费者更愿意与 AI 助手合作以获得更快的服务。许多消费者乐于与 AI 助手沟通，但也希望知道何时正在进行这种对话。
此外，根据 Gartner 的数据，AI 助手是 2025 年的顶级战略技术趋势。随着工作世界的永久改变，企业将大力投资于 AI 助手。研究表明，一位高管是解锁这些转型价值的关键。生成式 AI 和 AI 助手的加速采用给 IT 组织带来了巨大压力。根据 Salesforce 的调查，CIO 们还必须担任首席 AI 官。尽管大多数 CIO 认为 AI 是改变游戏规则的技术，但只有 11% 的人表示他们已完全实施了该技术，安全性和数据基础设施是他们面临的主要障碍。
要了解更多关于德勤对生成式 AI 和 AI 助手未来趋势的见解，请访问 此处。
