如今，質(zhì)疑生成式人工智能（GenAI）最終能否為企業(yè)巨額投資帶來正回報已經(jīng)成為一種時尚。例如，Gartner表示，到明年，30%GenAI項目將以失敗告終。但ThoughtSpot委托的一份新報告發(fā)現(xiàn)，早期采用者在使用GenAI進(jìn)行分析時看到了顯著的效果。

ThoughtSpot委托麻省理工Sloan管理觀察(SMR) 及其研究合作伙伴Kadence International調(diào)查了1000名商業(yè)領(lǐng)袖對GenAI的使用情況。根據(jù)GenAI計劃的成熟度，研究對象被分為三組，其中67%被歸類為已經(jīng)將一些GenAI應(yīng)用投入生產(chǎn)的早期采用者，26%的人計劃部署它，7%的人仍在評估。

在早期采用者中，47%的人期望GenAI應(yīng)用的投資回報率（ROI）在三年內(nèi)達(dá)到100%或更高，其中12%的人期望ROI超過300%，11%的人期望ROI在200%到299%之間。這一比例明顯高于規(guī)劃師群體，其中38%的人預(yù)計三年內(nèi)的投資回報率為100%，11%的人預(yù)計投資回報率為200%至299%，只有2%的人預(yù)計投資回報率為300%或更高。

這份題為《數(shù)據(jù)和分析的生成式人工智能：早期采用者如何收獲回報》的報告還表明，能夠有效運用GenAI這項技術(shù)將造成競爭差距。

在早期采用者中，37%的人表示他們對GenAI的使用“遠(yuǎn)遠(yuǎn)領(lǐng)先于市場和競爭對手”，而在計劃群體中，這一比例為11%，而另外46%的早期采用者表示GenAI使他們“略微領(lǐng)先于市場/競爭對手”，而計劃群體中這一比例為51%。

這些令人興奮的數(shù)字引起了ThoughtSpot首席數(shù)據(jù)戰(zhàn)略官Cindi Howson的注意，她對GenAI對數(shù)據(jù)和分析領(lǐng)域產(chǎn)生積極影響的潛力持樂觀態(tài)度。

Howson說：“我們可以從中獲得生產(chǎn)力提升和全新商業(yè)模式的價值——我們才剛剛開始?！薄叭斯ぶ悄艿陌l(fā)展就像正處于在互聯(lián)網(wǎng)撥號上網(wǎng)的時代，人們才剛剛開始意識到這方面的潛力?！?/span>

GenAI對BI（商業(yè)智能）的好處

有許多不同的方法可以將GenAI貨幣化，自2022年秋季ChatGPT首次亮相以來，聊天機(jī)器人和數(shù)字助理是兩個最突出的用例，而代理人工智能是最新的GenAI趨勢。但在ThoughtSpot的案例中，該公司認(rèn)為GenAI的用途略有不同——具體來說，是用來改善其客戶的分析和商業(yè)智能程序。

當(dāng)公司的分析和商業(yè)智能得到改善時，可以以無數(shù)種方式使他們受益，從通過做出更好更快的數(shù)據(jù)驅(qū)動決策來產(chǎn)生更高的收入和生產(chǎn)力，到更高的業(yè)務(wù)效率，甚至創(chuàng)建數(shù)據(jù)產(chǎn)品。

Howson說：“這些好處要么是實實在在的好處，比如創(chuàng)造新的收入來源，要么是改善圍繞這些收入來源的決策，然后在工作過程中（提高）運營效率?！?/span>

研究表明，在典型的組織中，只有大約25%的員工有能力對組織的數(shù)據(jù)提出問題。換句話說，只有四分之一的員工可以使用BI和分析。ThoughtSpot的目標(biāo)是讓100%的員工都能使用分析工具，它認(rèn)為GenAI有助于實現(xiàn)這一目標(biāo)。

“這是我們使命的一部分，” Howson說。“我們知道我們的數(shù)據(jù)素養(yǎng)很低，這是每個人都在經(jīng)歷的技能提升。生成式人工智能，能夠解釋圖表或頁面上的異常值，也對這一點產(chǎn)生了影響。”

分析中的GenAI

ThoughtSpot正在以幾種不同的方式應(yīng)用GenAI，其中最主要的是使用自然語言查詢（NLQ）來降低查詢數(shù)據(jù)所需的技術(shù)水平(盡管這有很大的限制)。其他用途包括使用GenAI自動生成儀表板和報告，并幫助發(fā)現(xiàn)數(shù)據(jù)中的異常情況。

Howson說：“對于儀表盤作者來說，這將消除他們所做的沉悶和愚蠢的工作，并真正提升他們的水平?！薄皩τ谏探缛耸縼碚f，這將使他們能夠真正提出更好的問題，變得更善于分析，而不是盲目行動……因此，我相信生成式人工智能將改善每個人的工作，但那些沒有學(xué)會如何使用它的人，可能會被拋在后面或被取代?！?/span>

ThoughtSpot在報告中表示，GenAI“可以梳理內(nèi)部和外部數(shù)據(jù)庫，檢索相關(guān)信息的速度比高管或知識工作者自己做的要快得多?！薄八谷藗兡軌蛲ㄟ^用自然語言提出問題并在對話中探索結(jié)果來找到他們需要的答案，而不是下載數(shù)據(jù)專家創(chuàng)建的信息，這些信息可能缺乏商業(yè)知識，無法在實際情況下發(fā)揮作用?！?/span>

甚至在ChatGPT到來之前，ThoughtSpot就在努力通過使用NLQ技術(shù)來提高這個數(shù)字。當(dāng)ChatGPT展示了大型語言模型（LLM）的強(qiáng)大功能時，許多公司認(rèn)為LLM可以生成連貫的SQL，也可以用英語生成莎士比亞十四行詩或用Java創(chuàng)建代碼段。

不幸的是，根據(jù)Howson的說法，情況并非如此。

“我們知道直接從文本到SQL是行不通的。你最多能得到30%的準(zhǔn)確率，”她說?！?0年來，我們在市場上擁有的是一個經(jīng)過驗證的專利語義層，以及許多排名算法，以及RAG架構(gòu)，因此你正在提高準(zhǔn)確性。最后，人類在循環(huán)中，再次進(jìn)一步提高準(zhǔn)確性。”

GenAI成功的基礎(chǔ)

你不可能某天突然醒來決定徹底改變GenAI的運作。就像公司在上一代傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)中發(fā)現(xiàn)的那樣，在公司能夠應(yīng)用最新、最好的學(xué)習(xí)技術(shù)之前，通常必須完成一些前置步驟。

麻省理工學(xué)院的報告揭示了這一點。在早期采用者中，GenAI面臨的五大挑戰(zhàn)包括安全考慮、戰(zhàn)略挑戰(zhàn)、模型使用/質(zhì)量問題、數(shù)據(jù)挑戰(zhàn)和實現(xiàn)挑戰(zhàn)。數(shù)據(jù)管理和整體戰(zhàn)略仍然是很大的阻礙。

她說：“如果沒有強(qiáng)大的數(shù)據(jù)基礎(chǔ)，你就不能做人工智能，除非你與商業(yè)價值保持一致，否則你就無法產(chǎn)生良好的影響?！薄白龈拍钭C明與說我們可以改善客戶體驗，或者我們可以減少儀表板積壓并提高分析師和業(yè)務(wù)用戶的生產(chǎn)力之間是有區(qū)別的。所以擁有這兩種成分是最大的不同之一?！弊寴I(yè)務(wù)線和IT部門保持一致是另一個不容忽視的問題。

她說：“我們和他們之間有太多的對立，雙方都很沮喪。”“數(shù)據(jù)團(tuán)隊太慢了。商業(yè)受挫。他們跑去做自己的事。GenAI使他們能夠就需求和共同創(chuàng)新進(jìn)行更好的對話?！?/span>

雖然不是所有的用例都能成功，但從麻省理工學(xué)院的報告中可以清楚地看出，早期的采用者已經(jīng)成功了。GenAI的潛力似乎在未來幾年內(nèi)將大幅增長，這使得企業(yè)今天進(jìn)行投資以使其走上成功之路變得至關(guān)重要。

Howson說：“我們可以從中獲得的價值是生產(chǎn)力的提高，全新的商業(yè)模式，而我們才剛剛開始?！?/span>