企业AI转型现状 - 企业在制定AI转型路线图方面仍处于早期阶段，超过50位技术业务领袖参与峰会[1] - 73%的参与者认为其组织在AI应用旅程中进展不一，仅18%的系统进入生产系统，9%处于早期试点[4] - 目前约80%的客户仍处于优化现有业务流程的阶段，约20%更愿意进行实验[2] AI投资回报率衡量 - 投资回报率在整个企业范围内仍是一个移动的目标，业务领袖选择定义自己的关键指标[2] - 遗留系统预计将获得最大收益，但也面临最大的启用挑战[2] - 创建无缝AI驱动客户体验的最大障碍包括不明确的投资回报率，占比33%[4] 数据就绪度与治理 - 数据就绪度是企业能否充分利用AI效益的主要制约因素[1] - 总时间中只有10%-20%用于训练模型，其余时间专注于数据准备[2] - 数据编目是AI响应可解释性的核心，也是企业在准备AI过程中的常见盲点[2] 技术架构与模型偏好 - 与大型语言模型相比，对小型语言模型的偏好有所增加，以实现完全控制模型运行位置并提高效率[3] - 多云成为企业的首选策略，业务领袖倾向于采用最佳品种方法[3] - 打包软件在未来架构中能发挥作用，许多组织尚未准备好或缺乏专业知识采取DIY方法[1] 应用场景与部署重点 - 低风险和重复性的工作负载是率先利用AI的领域，最常见应用是AI搜索和分析[3] - 尽管公司专注于面向客户的项目，但后台功能仍有成熟的颠覆空间[3] - 70%的参与者将平衡AI创新与安全列为首要解决方案优先事项[4] 监管与运营挑战 - 监管和治理政策仍是关注焦点，被视为整个企业采用AI速度的障碍[1][3] - 从安全角度来看，焦点集中在改进灾难恢复政策以及减少影子AI上[3] - 许多领袖认为在代理流程中保持人工参与至关重要，需要进行合理性检查[2]