Gartner一项新调查显示,45%具备高人工智能(AI)成熟度企业的领导者表示,其AI项目已持续运转三年以上,以确保长期产生影响和价值。而在AI成熟度较低的企业中,这一比例仅为20%。
调查显示,高AI成熟度企业确保AI项目长期运行的关键是基于业务价值和技术可行性选择AI项目,并建立健全的治理结构和工程实践。
该调查于2024年第四季度进行,目的是了解企业如何使用AI和生成式人工智能(GenAI)。来自美国、英国、法国、德国、印度和日本的432名受访者参与了此次调查。调查通过七个问题对企业的AI使用能力进行评估,这七个问题是Gartner基于评估和提升企业AI使用能力的结构化框架——Gartner AI成熟度模型所设计。每个方面按照1分(“规划/初始”)至5分(“领先”)进行评分。高AI成熟度企业的平均得分为4.2至4.5分,而低AI成熟度企业的平均得分为1.6至2.2分。
Gartner高级研究总监Birgi Tamersoy表示:“信任是决定AI或GenAI项目成败的关键因素之一。”
调查发现,57%的高AI成熟度企业业务部门信任并准备使用新AI解决方案,而低AI成熟度企业的这一比例仅为14%。Tamersoy表示:“建立对AI和GenAI解决方案的信任是推动使用的关键,而使用是创造价值的第一步,对成功具有显著影响。”
数据可用性和质量仍是AI落地的主要挑战
无论AI成熟度如何,数据的可用性与质量始终是AI实施过程中面临的关键难题。Gartner数据显示,34%的低成熟度企业领导者和29%的高成熟度企业领导者均将其列为实施AI的主要挑战之一(见图1)。在AI成熟度较高的企业中,48%的领导者认为安全威胁是实施AI的三大障碍之一;而在成熟度较低的组织中,有37%的领导者表示缺乏合适的应用场景是其面临的最大障碍。
图一、AI实施面临的主要障碍
来源:Gartner(2025年6月)
通过建立指标实现最佳AI使用效果
调查还显示,建立指标有助于提升AI使用效果。高AI成熟度企业通过定期量化AI项目效益并利用多维度指标评估项目成功程度,因此不断改进AI项目。调查发现,63%的高AI成熟度企业领导者会对风险因素进行财务分析、对投资回报(ROI)和客户影响进行分析与评估,这些举措都能帮助她们保持AI项目的成功。
任命专门的AI负责人推动AI创新和构建AI基础设施
91%的高AI成熟度企业领导者表示已任命专门的AI负责人,其职责包括优先推动AI创新(65%)、交付AI基础设施(56%)、建立AI组织和团队(50%)以及设计AI架构(48%)。
近60%的高AI成熟度企业领导者表示已通过整合AI战略、治理、数据和基础设施能力来提高企业内部的一致性和效率。Tamersoy表示:“这是一项管理AI资源和项目的战略方针,需要由专门的AI团队执行。”
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。