当前CIO的人工智能战略呈现出两种竞争性目标:一方面是追求快速提升生产力带来的收益,另一方面则是寻求具有革命性的长期创新。
根据IBM最近的一项调查显示,许多IT领导者似乎倾向于选择其中一种方式,而可能错失另一种机会。虽然一些组织已经开始在AI项目上获得投资回报,但IBM发现,那些专注于创新的组织预计短期内难以从AI项目中获得积极的财务回报。
在超过2,400名受访的IT决策者中,近一半表示他们的AI项目已经实现了积极的投资回报。然而,在尚未实现正投资回报的组织中,四分之三预计在未来一年内也难以实现盈利。
观察者指出,调查显示企业在AI投资方面存在明显的策略分歧:一些公司通过部署现成的、易于实施的AI工具来追求快速回报,而另一些则投资于创新性AI项目,希望这些项目能在未来带来重大竞争优势。
当被问及部署AI的动机时,受访者的回答分为三类:28%表示ROI是其主要关注点,31%认为创新最重要,41%认为ROI和创新同等重要。
IBM Consulting的全球AI和分析业务负责人Manish Goyal指出,虽然短期收益很有吸引力,但AI的真正价值在于利用它创造竞争优势,比如推出新产品和服务、创造新的收入来源或让客户"惊喜"。
Goyal表示:"企业需要在短期AI收益和长期投资之间找到平衡,使技术能够在公司范围内扩展,充分发挥其潜力。AI的真正优势在于它能够推动持续的创新和效率提升,而不仅仅是带来即时的财务回报。"
短期成功
但正如IBM的调查所显示,许多IT领导者仍然专注于短期收益。例如,支付自动化供应商AvidXchange的CIO Angelic Gibson指出,受访者认为商业价值和计算成本比用户体验对ROI的影响更大。
她说:"这表明许多企业正在采取被动方式应对AI,优先考虑即时结果和适应市场压力,而不是主动使用AI来提升客户价值和长期差异化。"该调查"似乎描绘出企业急于在快速增长的AI市场中竞争的画面,但实际上揭示了在实施AI战略时被动与主动策略之间的分歧。"
Gibson承认某些AI项目可以在相对较短的时间内实现投资回报,但她同时警告过早追求ROI的危险。
她补充说:"快速项目必须优先考虑AI实施的准确性。虽然ROI最初可能看起来很有希望,但可能会以产品质量为代价,最终损害信任和满意度。没有满意的客户,就没有长期可持续发展的基础。"
然而,网络优化供应商Expereo的CIO Jean-Philippe Avelange反驳说,通过快速ROI项目展示AI潜力也是有价值的。
Avelange说:"CIO必须倡导对短期AI ROI持现实期望。某些AI应用,如招聘或客户参与方面的应用,可以通过提高客户满意度或增加转化率来快速产生回报。"
但他补充说,一些AI项目并不适合追求快速ROI。"更复杂的AI计划——比如将AI整合到核心产品中——需要更多时间和耐心才能展现其全部价值。"
Avelange表示,CIO可以利用短期ROI的成功为长期AI支出铺平道路,建立信任和发展动力。他建议组织应该寻求短期ROI和长期创新的平衡。
他说:"仅仅关注短期收益可能是一个陷阱。如果CIO不断追求即时ROI,他们可能会忽视长期AI创新可以解决的更深层次的战略性挑战。更深思熟虑的方法是必要的——AI能力的设计不应该是临时性的修补,而应该是推动持续价值并防止问题重复发生的前瞻性解决方案。"
创新与ROI
对话式AI供应商Druid AI的联合创始人兼首席产品官Daniel Balaceanu表示,明智的组织会在其AI项目中寻求短期ROI和长期创新的结合。
他说,由于近年来风险投资和IPO市场表现疲软,实现ROI的压力可能会很大。
Balaceanu说:"对企业来说,展示每项投资的ROI都是至关重要的,包括AI投资。快速成功很有价值,并且能为在中长期采用更多创新建立信任,从而带来更持续的回报和增长。"
他补充说,组织需要合适的合作伙伴和清晰的战略计划,才能在AI项目中实现短期ROI和长期创新的双重目标。他说:"关键是要将其与整体业务目标保持一致,并明确你希望它为组织实现什么。"
IBM Consulting的Goyal表示,组织既可以实现短期财务收益,又可以关注远期创新。
他说:"企业需要将其AI计划视为一个投资组合——一些项目能带来更快的ROI,而其他投资可能需要更长时间才能产生回报,但对增长更具战略意义。组织可以实施能带来快速成功的AI解决方案,比如节约成本或提高效率,同时进行投资优化其AI项目,以推动长期创新和战略转型。"
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。