AI驅動的變革即將到來，但2025年將是緩慢而穩(wěn)步進展的一年。

今年，隨著更現實的期望占據主導，圍繞AI的初步炒作和興奮已經平息。對于企業(yè)部署而言，這一點尤其明顯，因為現有模型的能力與許多業(yè)務工作流的復雜性相結合，導致進展比許多人預期的要慢。核心問題在于，許多企業(yè)用戶意識到，到目前為止，AI中并沒有“我”的位置。大型語言模型(LLM)非常擅長在各類數據中發(fā)現模式，然后根據用戶提示創(chuàng)建與這些模式相匹配的內容，但這并不是任何人類意義上的智能。LLM傾向于編造看似合理但不準確的信息，就是這一點的證據。

盡管存在這些局限，而且CIO們對AI成本存在擔憂，但今年還是取得了真正的進步，我們預計這種進步將在2025年進一步擴大。我認為這將在五個關鍵領域顯現。

增強員工能力，而非取代他們

無論是通過降低成本、創(chuàng)新產品和服務，還是改善客戶體驗，構建競爭優(yōu)勢都是大多數技術部署的核心，AI也不例外，然而，開放和封閉的大型語言模型以及部署它們的工具的廣泛可用性，意味著所有企業(yè)都能使用AI。就像80年代和90年代的個人電腦革命，以及21世紀初云計算和SaaS的興起一樣，當每個人都能使用相同的工具時，使用方式才是賦予競爭優(yōu)勢的關鍵。

對于AI而言，這意味著要增強你現有的技能基礎，并利用你的人力資源。那些將AI視為替代熟練和經驗豐富工人的企業(yè)將走上錯誤的道路。員工對公司產品、流程、運營市場以及銷售客戶的了解，往往是未編碼的、隱性的。假設一項技術能夠捕捉這些風險，就像90年代許多知識管理“解決方案”試圖實現不可能的事情一樣，最終會失敗。isAI信任和合規(guī)平臺的創(chuàng)始人Michael Hobbs對此表示贊同，他說：“你可以從通用AI系統(tǒng)中快速獲得答案，但CIO們需要問的是，這些是否是好的答案，我是否在企業(yè)內部培養(yǎng)了技能基礎，用工具對其進行了增強，還是從根本上減少了它?”

如果對大型語言模型達到飽和狀態(tài)的擔憂是正確的，那么我們可以預期，在創(chuàng)建新模型時，每增加一塊GPU所帶來的回報都將減少。在這種情況下，利用AI，在現有知識基礎上提高員工能力，將至關重要。

關注數據資產

基于上一點，公司的數據資產以及員工在2025年將變得越來越有價值?；A模型(FMs)設計上是使用從多個公共來源獲取和抓取的廣泛數據進行訓練的。這種訓練規(guī)模使它們能夠回答一般問題，但限制了它們對大多數企業(yè)特定需求的價值。檢索增強生成(RAG)為將專有數據與大型語言模型的能力相結合，以獲得更專注和相關的結果，提供了一條途徑。Forrester預測，RAG服務將成為2025年大多數云服務提供商的關鍵產品，為企業(yè)提供更廣泛的供應商選擇和可能具有競爭力的價格產品。

為了從這一系列更廣泛的RAG服務中受益，企業(yè)需要確保他們的數據已為AI做好準備。這涉及良好信息管理的普通但必要的活動：數據清理、去重、驗證、結構化以及檢查所有權。在這個過程中，AI治理軟件也將變得越來越重要，Forrester預測，到2030年，現成的解決方案的支出將增長四倍以上，達到近160億美元。

企業(yè)越早從業(yè)務中識別出數據資產，采取創(chuàng)造性的方法來確定其用途，并將其置于AI就緒狀態(tài)，就能越早利用2025年即將推出的新RAG服務。

控制成本

根據Gartner的數據，2024年接受調查的CIO中，超過90%的人認為，管理成本限制了他們?yōu)槠髽I(yè)從AI投資中獲得價值的能力。Gartner認為，解決方案的一部分是在進行任何廣泛部署之前，計算成本將如何擴展。如果不這樣做，可能會導致成本計算出現500%至1000%的誤差。在2025年，我們可以期待Gartner、IDC和Forrester等公司提供更好的成本計算框架，這些框架將基于他們從概念驗證和早期部署中不斷增長的知識庫。

隨著Microsoft Azure、AWS和Google Cloud等云服務提供商在2025年推出更多AI產品，我們可以預計，更具競爭力的定價將有助于企業(yè)控制成本，然而，這將取決于新的AI就緒數據中心相對于需求的建設速度。麥肯錫計算得出，從2023年到2030年，全球對數據中心容量的需求可能以每年19%至22%的速度增長。在2025年及以后，為這些新中心提供足夠的電力將繼續(xù)限制需求。

衡量AI的投資回報率

隨著2025年企業(yè)內部部署AI的復雜性變得更加明顯，對投資回報率的擔憂也將增加，然而，我們可能期望在明年看到一種更細微的投資回報率計算方法。多年來，從財務和生產率角度衡量新技術的影響一直是一個挑戰(zhàn)。1987年，諾貝爾經濟學獎獲得者羅伯特·索洛曾調侃道：“你可以在任何地方看到計算機時代的存在，但就是在生產率統(tǒng)計數據中看不到?！?/span>

在2025年，管理者們難以量化AI投資帶來的好處時，這種情況將繼續(xù)存在。問題的一部分在于缺乏衡量回報的共同標準。成本相對容易計算，因為它們可以折算成美元金額，并與前幾年進行比較，然而，要衡量AI給員工產出帶來的質性改進所帶來的價值，則面臨更大的挑戰(zhàn)。與計算AI部署成本擴展一樣，2025年將出現新的框架，幫助管理者衡量投資的價值，這些框架將超越傳統(tǒng)的關鍵績效指標(KPI)，需要納入客戶滿意度、決策改進和創(chuàng)新流程加速等衡量標準。

避免變得無關緊要

當前這波AI產品的變革性，正如互聯網曾經破壞并最終取代Blockbuster、Borders和HMV等公司一樣，對許多企業(yè)的商業(yè)模式構成了威脅?？巳R頓·克里斯坦森的創(chuàng)新者困境概念解釋了，運行良好且成功的企業(yè)如何被那些以創(chuàng)新方式利用新技術和商業(yè)實踐的新進入者所取代。今年，我們看到在線教育巨頭Chegg失去了99%的市場價值，即145億美元，原因是學生們轉而使用ChatGPT的免費作業(yè)幫助，而不是每月支付19.95美元的訂閱服務費用。

我們可以預計在2025年會出現類似但可能不那么戲劇性的例子。這些例子將出現在包括營銷、出版、娛樂和教育在內的多個領域，涉及B2C和B2B環(huán)境。Chegg的不幸應該是所有企業(yè)的警鐘，但也可以被視為許多企業(yè)的機遇。情景規(guī)劃應成為優(yōu)先事項，類似于SWOT分析，這是一個很好的起點：你的企業(yè)有哪些優(yōu)勢可以利用AI的好處，以及外部機會和威脅會如何影響這些優(yōu)勢?

明年將在許多方面充滿挑戰(zhàn)。從企業(yè)角度來看，AI驅動的變革只會加速，盡管是緩慢而穩(wěn)步的。如此多的模型可供使用，并且它們越來越多地被納入現有應用程序中，這意味著任何希望采用它們的企業(yè)都可以使用它們。如何部署和使用這些模型來補充企業(yè)現有的優(yōu)勢和數據資產，以及如何與戰(zhàn)略目標相一致，將決定誰是贏家，誰將落敗。