解锁未来：2024 年第一季度 AI 见解

自 ChatGPT 首次亮相以来的短短 18 个月内，世界上最大的科技公司（包括 Open AI 和其他生成式 AI 先驱）已经推出了创新的 AI 驱动产品。一旦市场开始探索新的聊天机器人或应用程序的功能，就会出现一种更先进或更具成本效益的解决方案，需要我们的关注。如果您觉得这股快速的技术进步浪潮正在淹没您，那么您并不孤单。

在 ICONIQ Growth，我们的分析团队致力于收集和整理最新信息，以帮助我们的社区了解新兴趋势、建立基准并规划未来。然而，令人惊讶的是，我们发现，有关企业买家对近期生成式人工智能产品爆炸式增长的早期采用、印象和偏好的数据却很少。

为了填补这个空白，我们的团队直接发言¹ 向我们社区内的领导者（包括 CDO、CIO 和 CTO）了解更多信息。结合贝恩 GenAI 2024 年第一季度调查的见解²，我们深入探讨了生成式人工智能的演变，并期待未来分享有关该主题的更多见解。

在与高管的对话中，我们没有就公司如何开始使用生成式人工智能、面向未来的技术堆栈应该是什么样子，或者如何有效衡量投资回报达成明确的共识。  

我们的发现相当发人深省：绝大多数企业买家仍在制定他们对未来的愿景，以及生成式人工智能何时或如何改变他们的业务。大多数买家还没有信心能够预测即将发生或将会发生的事情，即使是在短期内也是如此。总之，大家还在探索、研究、尝试。然而，我们确实在研究结束后更多地了解了这些企业买家使用生成式人工智能的方式、他们为这些工作分配了什么样的预算，以及他们正在寻找什么解决方案。一些值得注意的要点：

• 尽管需求很高，但在企业中的采用仍相对处于初级阶段。
• 进入壁垒有很多，包括缺乏技术专业知识、隐私问题、性能、可扩展性以及数据和基础设施的成本。
• 买家希望看到真正的、可衡量的影响，但他们还没有看到足够的影响。
• 买家渴望更多。他们正在寻找大量适用于垂直行业和特定角色（包括金融等）的解决方案。
• 更多的公司希望购买而不是构建自己的解决方案。
• 资金大部分来自最初指定用于其他目的的现有预算，这使得现有企业和新的生成人工智能进入者争夺有限的资金成为一个竞争环境。

我们还面临一些已知的未知数，例如：过去 18 个月的兴奋是否会转化为可重复的销售，还是只是好奇心的幻影？人们只是为了新鲜感而使用这些新技术，还是他们发现了足够的价值来深入了解并购买更多？

好消息是这不是一个“赢者通吃”的市场。有很多机会可以解决特定的用例。 ICONIQ Growth 是这个新时代的热情参与者。我们计划定期报道生成式人工智能的采用状况，因此请关注此处了解最新动态。

生成式 AI 的采用状况 [2024 年第一季度]

增加收入、提高运营效率和提高员工生产力是企业希望通过生成式人工智能实现的主要目标。

“你用什么并不重要。没有人真正关心你选择什么法学硕士。我们关心的是它如何推动为人工智能分配预算的业务部门取得业务成果”
- 金融机构CDO¹

也就是说，存在许多影响采用的问题，包括缺乏内部专业知识、质量和准确性、数据安全/隐私以及生成式人工智能未经证实的投资回报率。另一个关键考虑因素是，成熟的非技术组织的许多底层基础设施（即跨本地和云的数据孤岛、缺乏干净和标记的数据、复杂的数据基础设施）并不处于拥抱生成式人工智能的理想状态。

“企业中的人工智能创新和采用很大程度上取决于组织结构，以及管理者在多大程度上授权其团队进行实验并找出有效的方法”
- 专业服务公司首席信息官¹

自 2023 年以来，生成式人工智能在企业中的采用率持续增加，87% 的受访者在某种程度上采用了生成式人工智能解决方案3。迄今为止最流行的用例包括自然语言界面、软件代码开发、客户服务以及推动产品性能增强或开发新产品/服务的解决方案。

与金融服务、医疗保健、消费品、制造等非技术行业的公司相比，技术公司在特定用例的部署生命周期中走得更远。³  这可能是由于监管更严格的行业中的合规性和数据安全限制，以及由于医疗保健和金融服务等行业中仍然普遍存在的传统技术和数据架构而缺乏采用人工智能的准备。

“我们不会在 F500 中看到创新的生成式 AI 工具的快速采用（除了 Copilot 等广泛采用的工具）。这些组织行动太慢，无法在变化如此之快的空间中采用和实施”
- 医疗保健提供者的 CDO¹

然而，无论是科技买家还是非科技买家，实际投入生产的用例比例都有限。

“由于数据质量问题，整个企业对生成式人工智能工具的大部分投资都将成为沉没成本。在过时和不良数据的数据集上生成法学硕士将导致幻觉和不良结果”
- F500公司CDO¹

人工智能预算

根据格莱恩的说法⁵ 最新的 首席信息官研究，到 2025 年，IT 团队用于生成式 AI 工具的预算可能会增加两倍。有趣的是，成本效率通常是 CIO 在定义预算时主要关心的问题，但现在在生成式 AI 实施的担忧列表中排名较低。 Glean 调查中，只有 18% 的受访者认为第三方服务的成本是最关心的问题，其次是 14% 的受访者担心开发或培训大型语言模型 (LLM) 的成本。

在我们与 CXO 的对话中，人工智能预算的大部分资金来自重新分配的现有预算，而不是净新资金。

选型

截至 2024 年 2 月，OpenAI 是最常用的基础模型，已被约 65% 的受访者采用。亚马逊和谷歌的模型紧随其后，自 2023 年 10 月以来，这些模型以及 Meta 的 LLaMA 2 的采用率不断增加。

毫不奇怪，根据受访者使用的云服务提供商的不同，所使用的模型选择也略有不同，GCP 或 AWS 上的公司更有可能在某种程度上使用各自的基础模型（即 GCP 的 PaLM2、AWS 的 Titan/Bedrock）。

当公司决定踏上各自的生成式人工智能之旅时，他们面临的一个关键问题是在构建还是购买之间做出决定。与购买现成的产品相比，大多数公司（约 64% 的受访者）似乎更喜欢某种构建方法的变体，无论是通过模型即服务、微调还是专有模型。值得注意的是，这一比例较 2023 年 10 月的 68% 略有下降⁴ 这可能表明人们对从外部供应商购买专用解决方案的态度更加开放，我们将在以后的帖子中深入探讨这一动态。在考虑技术与非技术行业时，可以预见的是，非技术受访者倾向于购买。

“你需要挑战那些想要构建一切的人。如果这不是核心能力，并且不会为公司带来竞争优势，那么让我们购买解决方案并在解决方案的基础上构建”
- 科技公司CIO

剖析这些趋势进一步表明，这种构建与购买的动态根据用例的不同而存在显着差异。例如，由于 GitHub Copilot 的大规模采用，现成的应用程序在改进软件开发方面更受欢迎，而大多数受访者正在构建自己的 AI 应用程序来构建面向客户的产品或服务。我们计划进一步探索这些微妙的动态，并对随着市场成熟而发生的变化将带来的影响保持兴奋。

“构建与购买与技术无关。这与经济有关。对于 F5000 企业来说，除非你正在构建可以增加收入的东西，否则你就是在浪费时间构建”
- 科技公司CIO¹

影响和成果

平均而言，调查受访者指出，已经运行足够长一段时间的生成式人工智能解决方案在超过 75% 的情况下达到或超出了预期。也就是说，这些举措的成功率因用例而异，受访者表示在法律和非软件研发用例中结果的二元分布更为明显。迄今为止，为客户服务、销售或销售运营以及 IT 用例提供服务的生成式 AI 技术似乎获得了最大的满意度。

企业买家在实现生成式人工智能计划的预期影响方面仍然面临着重大挑战。性能、输出质量和员工缺乏对如何使用工具的理解是最常见的三个缺点。值得注意的是，缺乏对如何使用工具的了解以及供应商/工具质量低下占总回复的百分比环比增长。特别是对于非科技公司来说，当被问及面向客户的产品用例实施生成式人工智能的最新结果时，57% 的受访者表示现在判断还为时过早。

作家的⁵ 最近的 2024 年生成式人工智能调查肯定了这些挑战，并指出内部生成式人工智能解决方案往往达不到预期。结果显示，61% 的受访公司遇到了准确性问题，只有 17% 的公司认为其内部解决方案的整体性能非常出色。

投资回报率怎么样？在我们最近与首席数据官举办的一次晚宴上，与会者一致认为，衡量和量化生成式人工智能的投资回报率至关重要。除了节省成本之外，决策者还关注更难以衡量的价值和成果，例如对文化的影响以及知识和领域扩展。然而，迄今为止，对于生成式人工智能解决方案的最佳实践和定量投资回报率尚未达成明确的共识。我们期待在即将进行的研究中更详细地探讨这个主题。

“我们已经在 2025 年预算中专门拨款购买一款工具，该工具可节省约 30% 的时间”
- 科技公司服务与合作伙伴战略副总裁¹

重要的是，总拥有成本也会影响投资回报率。作家团队探讨构建与购买的动态 此处 并指出 DIY 生成式人工智能工作具有隐藏成本，例如开发和生产服务器、数据库、存储以及对法学硕士和检索增强生成（RAG）方法的需求。企业决策者在确定投资回报率时需要考虑的其他因素包括部署时间、输出质量、安全性和变更管理。

尽管买家继续开发评估投资回报率的框架，但市场更早地了解该技术对未来业务运营模式的影响。只有约 20% 的受访者表示对大规模利用生成式人工智能的运营模式影响有假设。随着世界拥抱人工智能，企业还需要确定如何以新的方式重新部署人才，以及如何重组和提高组织技能。

尽管要最大限度地发挥生成式人工智能对企业的影响还有很多工作要做，但大多数买家已经指出，采用此类技术可以捍卫或获得市场份额，并提高定价能力。

接下来是什么？

生成式人工智能为扩大产品供应和提高内部生产力带来了巨大的希望，但也给试图实施人工智能的大型组织带来了挑战。领导者必须制定清晰的路线图，克服技术和技能障碍，并回答如何量化人工智能计划的投资回报率的普遍问题。展望未来，组织不仅要适应生成式人工智能，还要善于随之发展，确保最大限度地发挥该技术的优势，同时降低其风险，这一点至关重要。

我们很高兴在未来几个月分享有关这些主题的更多研究，并邀请您跟随这里。随着这个领域的快速发展，我们也很乐意与您联系并交流观点，无论您是试图弄清楚如何开始采用生成式 AI 的 CXO，还是构建生成式 AI 解决方案的创始人。

注释

(1) 基于 ICONIQ Growth 进行的采访以及 2024 年 1 月至 2024 年 6 月 ICONIQ Growth 活动中与 CIO 和 CDO 的对话。

(2) 贝恩 2024 年第一季度 GenAI 调查的受访者包括 200 名美国领先组织的 CXO，涉及所有行业，包括技术、金融服务、医疗保健/制药、消费品、系统集成商、先进制造、营销和零售。

(3) 来自贝恩 2024 年第一季度 GenAI 调查。调查受访者包括上述行业的 200 名美国组织的 CXO 领导者。

(4) 来自贝恩 2023 年第四季度 GenAI 调查。调查受访者包括上述美国组织行业的 198 名 CXO。

(5) 这是一家 ICONIQ Growth 投资组合公司。有关 ICONIQ Growth 公司的完整列表，请访问我们的网站 iconiqgrowth.com/companies