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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。