IBM 的一项研究发现,大多数保险行业的领导者都认为,生成式人工智能对于跟上竞争对手步伐至关重要。然而,只有四分之一的客户愿意使用这项技术。
这项研究基于对 1000 名保险行业高管和 4700 名保险客户的调查。虽然受访的CEO对生成式人工智能是风险还是机会的意见不一,但 77% 的受访者表示,生成式人工智能对于竞争是必要的。
客户的反应却并不热烈,只有 26% 的受访者表示他们相信人工智能能够提供准确可靠的建议。
毫不奇怪,IBM(拥有一系列人工智能产品而且非常乐意向客户销售这些人工智能产品)认为,解决方案包括实施一种受到严格管理且符合道德标准的人工智能,以应对信任问题,并“利用人工智能连接底层风险数据,解决保险公司和金融服务提供商长期存在的技术债务问题”。
或者,俗称蓝色巨人的 IBM 应该简单地听听客户的意见。根据 IBM 自己的数据,只有 29% 的客户对生成式人工智能代理提供的服务感到满意。
根据这项研究,预计在2023年至2025年间,生成式人工智能的投资将增长超过300%,企业将从技术试点转向实施。包括微软在内的IBM的竞争对手已经对这一发展下注颇丰,尽管分析师和交易员暗示人工智能泡沫有可能在不久的将来破裂。
Salesforce 的另一项研究显示,对数据和安全的担忧使得企业有些束手束脚,只有 11% 的受访首席信息官表示已经全面实施了人工智能技术。
即使实施了一些人工智能项目,这些项目的回报也可能远远低于过度兴奋的高管们的期望。这完全取决于人工智能技术的使用方式。例如,一些大型企业出于安全和管理方面的考虑,已经暂缓了微软 Copilot 等产品的使用,并不是因为 Copilot 本身的问题,而是企业意识到在允许 Copilot 爬取企业数据之前需要正确配置访问权限。
IBM 的调查结果和得出的结论表明,人工智能行业有些不接地气,令人担忧。客户不想与生成式人工智能代理打交道。那么,与其试图用更多的人工智能来解决问题这个问题,倒不如考虑一下生成式人工智能适合哪些场合不适合哪些场合。
好文章,需要你的鼓励
随着企业部署AI,Google Cloud正在持续获得关注。Google Cloud的数据管理和分析工具也得到了显著改进,而且谷歌正在改善自己的AI工具与其他技术堆栈之间的连接。
Marie-Rose在技术职业生涯的早期,就首次尝试了体育领域的IT管理工作。退出短跑项目后不久,他就被任命为2003年巴黎田径世锦赛的技术总监。
从信息中提取有意义的洞见结论已经不再属于“锦上添花”,而更多成为一种常态化的必需。然而,对于许多企业和个人来说,有效利用数据资源似乎仍是一项艰巨的任务。妨碍其落地的现实因素往往包括缺乏专业技能、资源有限或者拿不出充裕的时间等。这些阻力不仅会导致因未能充分发掘潜力而陷入沮丧、带来高昂的人才获取成本,在某些极端情况下(例如关键人才离职)甚至迫使企业在数据驱动洞见缺失的情况下勉强运营。