人工智能泡沫是否即将破裂？首席信息官们面临重新思考

人工智能泡沫是否即将破裂？首席信息官们面临重新思考

随着对生成式人工智能的期望不断增长，IT 领导者应该考虑专门的模型、更现实的目标和其他形式的人工智能。

图片来源：（图片上传者，可以译为用户，或）/

过去两年来，生成式人工智能被过度炒作，观察人士预见到一场不可避免的变革即将到来——这将促使首席信息官重新考虑他们的生成式人工智能战略。

尽管有关生成人工智能泡沫的讨论越来越多，但全面破裂可能不会很快发生，因为许多人工智能专家相信，尽管一些 IT 领导者和其他人质疑该技术的炒作，但投资仍将继续。

不过，这种可能的泡沫可能会缩小。分析公司 （ Group）著名的炒作周期显示，生成式人工智能已经度过了预期膨胀的高峰期，正在进入幻灭的低谷。

最近还有预测称，到 2025 年，30% 的当前生成式 AI 项目将在概念验证后被放弃。预计许多新的生成式 AI 项目将由于数据质量差、风险控制不足、商业价值不明确或成本不断上升而失败。

值得注意的是，实施一个人工智能项目可能耗资数百万美元，并产生巨大的维持成本。例如，一个生成式人工智能虚拟助手的启动成本可能为 500 万至 650 万美元，每位用户的年度经常性预算为 8,000 至 11,000 美元。

人工智能、超自动化和智能自动化集团分析师 表示，确定虚拟助手或智能聊天机器人等“无处不在的”生成式人工智能用途的投资回报率可能会有所不同。

她说，虚拟助手可能会节省员工搜索旧文档或撰写电子邮件的时间，但大多数组织不知道这些任务在过去花费了多少时间，因为他们以前从未跟踪过这样的指标。

1. 三分之二的人成功了

IBM .AI（是IBM在生成式AI领域发布的平台级产品，IBM在全球推出了.ai、.data、.ai三个产品集。其中，IBM .ai为AI构建者提供了开放、直观的用户界面，用于训练、测试、调整和部署基础模型支持的传统机器学习和新型生成式AI能力；.data是适合在开放湖仓库/架构上构建的数据存储，针对治理数据和AI工作负载进行了优化，支持以查询、治理和开放数据格式访问和共享数据；.ai是AI治理工具包，用于支持可信的AI工作流）。产品管理总监马里亚姆·阿舒利（ ）表示，对生成式AI项目失败的预测与IBM的观点一致，她指出，三分之一的公司在试点阶段后放弃了AI用例，但这意味着另外三分之二的公司看到了足够的前景。

她补充说，2022年至2023年间，人工智能带来的营业利润增长将翻一番，达到近5%，预计到2025年将达到10%。

她说：“许多公司认识到生成式人工智能对于提高投资回报率和保持竞争力至关重要，因此正在继续增加投资，突破炒作，找到人工智能可以增加真正价值的领域。”

尽管投资将继续，但其他专家认为反对声音正在增强。

IT咨询公司智能自动化、人工智能和数字服务董事总经理克里斯·斯蒂芬森表示：“自早期以来，预期就一直过高，而且这种状况一直持续，我认为将会有一个相当深的幻灭低谷。”他肯定了炒作周期，“上涨的必然会下跌。”

（）认为，在企业中，巨大的期望部分是由主要消费者在 2022 年底发布 AI 驱动的自然语言处理工具后的反应所驱动。与此同时，“传统”AI 技术，包括机器学习、深度学习和预测分析，继续向许多组织证明其价值。

“目前有很多很酷的人工智能解决方案，它们比生成式人工智能更便宜，”[] 说道。“当我们与客户进行规划会议时，他们需要的三分之二的解决方案不一定适合生成式人工智能模型……有时它们已经是堆栈内部的解决方案，与人工智能无关。”

随着围绕生成式人工智能的炒作逐渐消退，（斯蒂芬森）看到 IT 领导者重新评估他们的战略，转而支持其他人工智能技术。

2. 广泛思考

其他人工智能专家看到了商业领域向专业人工智能的转变。

“针对特定需求量身定制的专用 AI 提供了更精准、更有效的解决方案，为组织提供了更大的价值和可靠性，”专注于开发 AI 技术的公司创始人、情感支持 AI Tools 首席执行官兼联合创始人 Hasan 表示。其最新产品是情感支持网络 BTwin AI。此外，还推出了其他创新产品和服务，例如加强 AI 技术布局，正式发布自主研发的大模型 WAKE-AI，这是一个针对眼镜等可穿戴设备的自主研发多模态大模型平台。“然而，基础模型永远是行业的核心技术支柱。”

他说，一些缺乏实际用例的人工智能企业可能会在短期内失败。他说，人工智能新奇事物，例如允许用户创建定制人工智能头像的应用程序，可能不会长久存在。

“人工智能市场正在经历调整，而不是爆发，”他说，“随着不切实际的预期受到现实的抑制，该行业可能正面临一段重新调整的时期。”

开源MLOps（机器学习运维）。它是一种新兴的技术实践，旨在通过自动化和标准化机器学习流程，实现可靠、可重复、可扩展的机器学习模型部署和管理。MLOps涉及机器学习模型的整个生命周期，包括数据准备、模型开发、训练、评估、部署和监控。通过采用自动化和标准化的工具和流程，MLOps可帮助企业快速高效地构建和部署机器学习应用，从而提高业务价值和生产效率。初创公司ZenML（是一家专注于企业服务的美资公司，提供旨在自动化CI/CD堆栈、构建流水线、管理工具链和随处部署的平台。‌该公司还推出了一款AI解决方案，提供AI驱动的统一洞察，帮助改善开发人员体验和生产力，识别瓶颈和效率低下问题，并提供补救措施。‌ZenML的服务范围从全面编排CI/CD流水线创建和管理，到预先构建的集成市场以及具有可操作情报的完整分析和报告功能，帮助组织实现更快的发布周期、保持和改进质量并提高效率。 ‌此外，‌ZenML 还强调数据驱动的内部实现，以实现更高效的业务运营。ZenML 首席技术官兼联合创始人 Hamza Tahir 补充道，这种炒作可能会引发一些反弹，但从长远来看，生成式 AI 将是一种变革性的技术。

“当前的人工智能热潮与过去的科技泡沫有着一些共同的特征，比如预期过高和估值过高，”塔希尔说。“尽管围绕生成式人工智能的炒作不可否认，但我相信这项技术有潜力改变行业并推动长期价值创造。”

3. 采取谨慎态度

观察人士表示，随着企业寻求人工智能的长期转型用例，许多首席信息官现在面临着来自首席执行官或董事会成员的压力，要求他们寻找直接的价值。

Tahir 表示，首席信息官的眼界不应局限于数字助理和智能聊天机器人，而应关注战略组织目标和优先事项。首席信息官需要能够清晰表达每个项目的业务价值和预期投资回报率。

他还建议首席信息官培养持续学习和技能提升的文化，以建立内部人工智能能力。首席信息官应该首先从公开曝光较少的内部项目开始，这可以降低风险并为实验提供可控的环境。

此外，他补充道，首席信息官应该考虑针对特定用例对现有的人工智能模型进行微调，然后再花钱从头开始训练模型。“这种方法通常可以事半功倍，使组织能够快速实现生成式人工智能的好处，”Tahir 说。

（斯蒂芬森）补充说，大型科技公司仍在大力投资生成式人工智能，首席信息官将有大量机会进行尝试。首席信息官应该首先找到其组织需要解决的问题，然后考虑广泛的技术，而不仅仅是生成式人工智能。

“很多时候，我们只是试图避开噪音，或者只是将人工智能聊天机器人推入公司，并说，‘让我们了解问题所在’，”他说。“你可以回到董事会，向他们展示有多少比例的问题可以用生成式人工智能解决，有多少比例的问题可以用其他人工智能解决方案解决，有多少比例的问题可以用已经存在一段时间的技术解决。”

他补充说，首席信息官不应该将自己的生计押注于生成式人工智能机器人战略。“要谨慎尝试，”他说，“不要马上把所有的鸡蛋都放在一个篮子里——要有足够的技术来组织试点，然后再考虑如何扩大规模。”