通往 AI 成熟度的道路 – 2023 LXT 报告

如今，创新驱动的企业正在投资大量资源于人工智能（AI）系统，以推进他们的 AI 成熟度旅程。根据 IDC 的预测，到 2026 年，全球对以 AI 为中心的系统的支出预计将超过 3000 亿美元，相比 2022 年的 1180 亿美元有了显著增加。

在过去，AI 系统由于缺乏成熟的流程而更频繁地失败。根据 Forbes 的报告，大约 60-80% 的 AI 项目由于规划不周、缺乏专业知识、数据管理不善或伦理和公平问题而失败。但是，随着每一年过去，这个数字正在改善。

如今，平均而言，AI 项目失败率已经降低到 46%，根据最新的 LXT 报告。随着公司在其 AI 成熟度旅程中取得进步，AI 失败的可能性进一步降低到 36%。

让我们进一步探索一个组织通往 AI 成熟度的道路，探索不同的模型和框架，以及构建有效的 AI 策略 的主要商业驱动因素。

什么是 AI 成熟度？

AI 成熟度是指一家公司在采用、实施和扩展 AI 启用的技术方面所达到的成熟度和复杂性水平，以提高其业务流程、产品或服务。

根据 LXT AI 成熟度报告 2023，48% 的中型至大型美国组织已经达到更高的 AI 成熟度水平（如下所述），比前一年调查结果增加了 8%，而 52% 的组织正在积极尝试 AI。

报告表明，自然语言处理（NLP）和语音识别领域做出了最有前途的工作 – AI 的子类别 – 因为它们在各个行业中部署了最多的解决方案。

此外，制造业和供应链行业的 AI 项目失败率最低（29%），而零售和电子商务行业的失败率最高（52%）。

探索不同的 AI 成熟度模型

通常，AI 驱动的组织会开发根据其业务需求量身定制的 AI 成熟度模型。然而，成熟度的基本思想在不同模型中保持一致，专注于开发 AI 相关的能力以实现最佳的业务性能。

一些著名的成熟度模型由 Gartner、IBM 和 Microsoft (MSFT ) 开发。它们可以为组织在其 AI 采用旅程中提供指导。

让我们简要探讨 Gartner 和 IBM 的 AI 成熟度模型。

Gartner AI 成熟度模型

Gartner 有一个 5 级的 AI 成熟度模型，公司可以用它来评估其成熟度水平。让我们讨论它们。

Gartner AI 成熟度模型图。来源：LXT 报告 2023

• 第 1 级 – 认识：处于这一级的组织开始讨论可能的 AI 解决方案。但是，没有试点项目或实验来测试这些解决方案的可行性。
• 第 2 级 – 活跃：组织处于 AI 实验和试点项目的初始阶段。
• 第 3 级 – 运营：组织在这一级别上已经采取了具体步骤来采用 AI，包括将至少一个 AI 项目投入生产。
• 第 4 级 – 系统化：组织在这一级别上利用 AI 来实现其大多数数字流程。同时，AI 驱动的应用程序促进了组织内部和外部的高效交互。
• 第 5 级 – 转型：组织已经将 AI 作为其业务流程的固有部分。

根据此模型，公司从第 3 级开始实现 AI 成熟度。

IBM AI 成熟度框架

IBM 已经开发了自己的独特术语和标准来评估 AI 解决方案的成熟度。IBM 的 AI 成熟度框架包括三个阶段：

IBM AI 成熟度框架阶段

• 白银：在这一级别的 AI 能力中，企业探索相关工具和技术来为 AI 采用做准备。它还包括了解 AI 对业务的影响、数据准备和其他与 AI 相关的业务因素。
• 黄金：在这一级别上，组织通过 AI 实现有意义的业务成果，获得竞争优势。这种 AI 能力提供数据支持的建议和解释，并且可以被业务线用户使用，展示良好的数据卫生和自动化。
• 白金：这种先进的 AI 能力适用于关键任务工作流。它可以适应传入的用户数据，并为 AI 结果提供明确的解释。同时，强大的数据管理和治理措施得到实施，支持自动化决策。

实现 AI 成熟度的主要障碍

组织在实现成熟度的道路上面临着多个挑战。 LXT 2023 报告 确定了 11 个障碍，如下图所示。让我们讨论其中一些。

AI 成熟度挑战图。来源：LXT 报告 2023

1. 将 AI 与现有技术集成

大约 54% 的组织面临将遗留或现有技术集成到 AI 系统中的挑战，使其成为实现成熟度的最大障碍。

2. 数据质量

高质量的训练数据对于构建准确的 AI 系统至关重要。然而，收集高质量的数据仍然是实现成熟度的一个重大挑战。报告发现，87% 的公司愿意为获取高质量的训练数据支付更多的费用。

3. 技能缺口

没有合适的技能和资源，组织难以构建成功的 AI 用例。事实上，31% 的组织面临着支持其 AI 计划和实现成熟度的熟练人才缺口。

4. 弱 AI 策略

我们在现实世界中观察到的大多数 AI 都可以被归类为弱或狭窄的 AI。它是一种可以执行有限任务的 AI，这些任务是它被训练的内容。大约 20% 的组织没有全面性的 AI 策略。

为了克服这个挑战，公司应该明确定义和记录其 AI 目标，投资高质量的数据，并为每个任务选择合适的模型。

推进 AI 策略的主要商业驱动因素

LXT 成熟度报告 确定了十个关键的 AI 商业驱动因素，如下图所示。让我们讨论其中一些。

AI 的关键商业驱动因素图。来源：LXT 报告 2023

1. 业务敏捷性

业务敏捷性是指组织如何快速适应不断变化的数字趋势和机会，使用创新性的业务解决方案。它仍然是 49% 的组织的 AI 策略的首要驱动因素。

AI 可以通过实现更快、更准确的决策、自动化重复性任务和提高运营效率来帮助公司实现业务敏捷性。

2. 预测客户需求

大约 46% 的组织认为预测客户需求是 AI 策略的关键商业驱动因素。通过使用 AI 分析客户数据，公司可以深入了解客户行为、偏好和需求，从而使他们能够更好地满足客户期望。

3. 竞争优势

竞争优势使公司能够与其竞争对手区分开来，在市场中获得优势。它是 41% 的组织的 AI 策略的关键驱动因素。

4. 简化决策

基于 AI 的自动化决策可以显著减少做出关键数据驱动决策所需的时间。这就是为什么 42% 的组织认为简化决策是 AI 策略的主要商业驱动因素。

5. 产品开发

从 2021 年被认为是 AI 策略的首要商业驱动因素，创新产品开发已经下降到第七位，39% 的组织认为它是 2023 年的商业驱动因素。

这表明，AI 在业务流程中的应用并不完全依赖于产品的质量。其他业务方面，如高韧性、可持续性和快速的上市时间，对业务成功至关重要。

有关人工智能最新趋势和技术的更多信息，请访问 unite.ai。