麻省理工学院技术评论洞察（MITTR）进行的一项全球研究发现，尽管大多数企业正在寻求利用生成式人工智能来颠覆其所在行业，但只有很少一部分认为他们拥有正确水平的技术以及其他支持其快速采用的属性，如资金、文化和技能。
那些在推出生成式人工智能方面经验最丰富的人对他们的信息技术（IT）甚至更不自信，这表明许多企业低估了有效部署所需的要求。这意味着他们成为颠覆者而不是被颠覆者的计划可能会因许多受访者似乎未完全意识到的问题而失败。
该研究报告是与电信和技术公司之一Telstra的全球部门Telstra International合作制作的。MITTR调查了亚太地区、美洲和欧洲的300名企业领导人，了解他们的组织如何实施或计划实施生成式人工智能技术，以及有效部署的障碍。
受访者主要负责管理信息技术、数据和数据工程相关职能，并覆盖金融服务、银行和保险、消费品包装和零售、制造业和汽车、技术和电信等行业。
该研究包括以下主要发现：
高管们预计生成式人工智能将在全球各经济体的行业中引发颠覆：10位受访者中有6位认为，未来五年生成式人工智能技术将大幅颠覆他们所在行业。尽管必然存在差异，但预见到颠覆的受访者在每个行业中均超过了不预见到的受访者。
大多数人不认为AI颠覆是风险，而是希望成为颠覆者：78%的受访者将生成式人工智能视为竞争机会。只有8%认为它是一种威胁。大多数人希望成为颠覆者：65%的受访者表示，他们的企业正在积极考虑利用生成式人工智能开发新的创新方式，从数据中挖掘隐藏的机会。
尽管对变化有期望，但很少有公司在2023年超越了对生成式人工智能的实验或有限采用：尽管大多数（76%）受访公司在2023年以某种方式使用过生成式人工智能，但很少（9%）已广泛采用了该技术。其余进行实验的公司仅在一个或几个有限的领域部署了该技术。此外，最常见的用例是自动化非必要任务——这是一种低至中等收益，但风险最小的技术使用方式。
公司有雄心勃勃的计划在2024年增加采用：到2024年底，他们将寻求在功能或一般用途上部署生成式人工智能的数量将增加一倍以上。他们预计到2024年底，将在客户体验、战略分析和产品创新领域频繁应用该技术。同时，受访者计划增加在与其个体行业相关的特定领域中使用生成式人工智能。这些领域包括IT公司的编码、物流中的供应链管理和金融服务中的合规性。
公司需要解决IT不足问题，否则将无法实现其生成式人工智能的雄心壮志：不到30%的受访者将其公司的IT属性排名为有利于快速采用生成式人工智能。此外，这些结果可能过于乐观。那些在推出生成式人工智能方面经验最丰富的人对他们的IT甚至更不自信。在这一组中，许多人（65%）表示，他们的可用硬件最多只能在一定程度上促进快速采用。
其他因素也可能破坏生成式人工智能的成功应用：
风险：77%的受访者认为，他们的监管、合规性和数据隐私环境是快速采用AI的主要障碍。
预算：56%的人将IT投资预算列为主要障碍。
竞争环境：早期采用生成式人工智能的人超过两倍可能将竞争环境视为快速采用的促进因素，而不是障碍。
文化：早期采用生成式人工智能的人更有可能将对创新的开放态度视为快速采用的促进因素。
技能：对于重大AI项目所需的技能供不应求；但在受访者中，早期采用者更加清楚现有人才短缺的问题。（美通社头条）
