【ITBEAR】9月12日消息，隨著生成式AI技術(shù)的興起，越來越多的企業(yè)開始布局相關應用，試圖在行業(yè)中搶占先機。然而，從準備工作到業(yè)務價值落地，這一過程中存在著多個環(huán)節(jié)，每一環(huán)都可能成為企業(yè)級AI應用的瓶頸。
首先，數(shù)據(jù)作為AI時代的核心資源，其重要性日益凸顯。據(jù)IBM大中華區(qū)董事長陳旭東透露，目前能夠成功落地生成式AI應用場景的企業(yè)并不多，關鍵原因在于缺乏高質(zhì)量數(shù)據(jù)。數(shù)據(jù)的質(zhì)量和多維度性對于訓練出成熟的AI模型至關重要。
據(jù)ITBEAR了解，數(shù)據(jù)的價值已得到國家層面的認可。2020年，國務院將數(shù)據(jù)列為第五大生產(chǎn)要素，與土地、勞動力、資本、技術(shù)并列。隨著國家數(shù)據(jù)局的成立，數(shù)據(jù)的重要性被進一步推向高峰。在此背景下，企業(yè)對于數(shù)據(jù)的重視程度也在不斷提升。
然而，僅僅擁有數(shù)據(jù)并不足以支撐企業(yè)級AI應用。選準應用場景成為企業(yè)面臨的第二個挑戰(zhàn)。目前，一些企業(yè)已經(jīng)開始在智能客服、知識圖譜等領域嘗試應用大模型技術(shù)，以降低部署成本和提升產(chǎn)品質(zhì)量。此外，金融和醫(yī)療行業(yè)也成為AI應用落地的熱點領域。
在金融行業(yè)，大模型技術(shù)被廣泛應用于風險評估和管理以及知識圖譜平臺搭建等方面。通過大模型的分析能力，金融機構(gòu)能夠更準確地預測市場風險并評估信用風險。而在醫(yī)療行業(yè)，大模型則助力病變特征識別和輔助診斷，提高診斷準確率和效率。
最后，規(guī)?；瘧贸蔀槠髽I(yè)級AI落地的關鍵一步。IBM咨詢大中華區(qū)總裁陳科典強調(diào)，無法形成規(guī)?；瘧玫腁I場景對企業(yè)而言意義有限。為了實現(xiàn)規(guī)?；瘧?，企業(yè)需要構(gòu)建平臺化能力并推動AI技術(shù)在各個業(yè)務領域的集成與聯(lián)動。
總的來說，從數(shù)據(jù)就緒到選準應用場景再到規(guī)?；瘧?，企業(yè)級AI落地的每一步都充滿挑戰(zhàn)與機遇。隨著技術(shù)的不斷進步和市場的日益成熟，我們有理由相信，越來越多的企業(yè)將能夠成功跨越這些障礙，實現(xiàn)AI技術(shù)與業(yè)務發(fā)展的深度融合。
#生成式AI# #數(shù)據(jù)重要性# #應用場景# #規(guī)?；瘧? #企業(yè)AI落地#
