AI不仅要能“吟诗”，更应会“做事”。----面对AI浪潮的来临，此乃广大企业由衷的心声。
始于2022年底的生成式AI浪潮，最近两年深刻影响着每一个行业、每一家企业甚至每一个人。但通往通用人工的巨大期许、百模大战的无比喧嚣、愈发庞大的持续投入以及各种场景的艰难验证，让越来越多企业迷失在GenAI的混乱使用中，AI赋能“做事”似乎可望而不可及。
那么，企业应该如何走出“GenAI混乱使用”阶段，真正实现AI赋能业务？未来热门的AI应用场景有哪些？面向未来，企业需要什么样的人工智能整体战略规划？近日，IDC一份《Data & AI Pulse:Asia Pacific 》调研报告（以下简称：《报告》）吸引亚太地区广大用户的密切关注。
该《报告》直言，亚太地区未来五年的AI支出将保持24%年复合增长率，预测型AI、解释型AI和生成式AI三项AI投资将趋于均衡；企业需尽快制定人工智能长期战略，加速提升自身的AI成熟度，走出“GenAI使用混乱”阶段，在未来市场竞争中与AI浪潮同频共振，从而实现AI赋能。
是时候关注AI成熟度！
2024年诺贝尔经济学奖获得者、MIT教授西蒙·约翰逊认为，AI应该更加注重如何提高生产力，而非单纯追求技术的自动化和智能化。
的确，西蒙·约翰逊教授的观点道出了企业对于AI赋能的核心目的和正确方向。自上个世纪50年代提出概念以来，人工智能经历三起三落，直到GenAI和大语言模型的突然崛起，人们才充分认识到人工智能技术所带来的变革性影响。近年来，全球多个国家更是大刀阔斧、快马加鞭制定人工智能战略规划，寄希望人工智能推动生产力的飞跃。
以中国为例，今年初的政府工作报告首次将“人工智能+”写入，强调“深化大数据、人工智能等研发应用，开展“人工智能+”行动，推动各行各业以“智”提“质”，加速发展新质生产力和推动产业变革。
事实上，GenAI崛起的如此迅速，以至于很多企业有点猝不及防。固然，GenAI已在客户体验、企业运营、员工生产力、内容创作效率等方面展现出不错的应用潜力。但亦不可否认，各行各业用户对于GenAI有种“唯恐不及”的心态，生怕错失这次重要的技术变革浪潮，争相拥抱GenAI的同时，不可避免地陷入一定的“混乱”。
《报告》将2023-2024年定义为GenAI的混乱使用阶段：大部分企业通常杂乱无章、争先恐后地开展各类概念验证（POC）；同时会产生五花八门的战略，在技术层面也是各自为政；虽然以生产力场景为主，但AI主要靠“买”而不是靠“建”。
“现在所有组织与企业都面临着使用AI的压力，包括技术层面、市场竞争层面和监管层面等。”SAS公司亚太地区与欧洲、中东和非洲新兴地区高级副总裁Shukri Dabaghi直言道。
《报告》就指出，大多数亚太地区企业现阶段都处于AI成熟度早中期，都着力于建设短期项目和业务案例，处于AI高级成熟阶段的企业很少；2025-2026年将进入到AI转型的“采用阶段”，2027年及以后将加速开启AI赋能型企业的阶段。
本质上，AI是一个创造业务价值的过程，需要具备数据、技术、流程、技能和治理等方面的综合能力，这也就决定AI的投资与建设绝非一蹴而就，而是一个长期过程，需要有着更加清晰的策略与规划。此时此时，企业提升自身的AI成熟度势在必行，需要尽快走出“混乱使用”阶段。
《报告》则认为提升AI成熟度需要遵循构建强大的技术系统和平台、以数据为中心和以模型为中心的流程、强大的治理、AI人才和AI伦理道德，以及高质量数据的可用性等五大原则。
如何与AI浪潮同频共振
随着全球迈向AI驱动的时代，充分释放AI潜力就成为各行各业未来取得商业成功的重中之重。
当前，GenAI展现出巨大的应用潜力。麦肯锡分析当前应用于各个行业的63种GenAI应用之后，预测GenAI将为全球经济每年带来2.6万亿至4.4万亿美元的增长。但GenAI≠AI的全部，也不适用于所有业务场景，预测型AI和解释型AI依然大有用武之地。因此，企业要想提高市场竞争力和适应性，必须与AI浪潮同频共振，更好地适应AI时代的发展趋势。
首先，AI应用场景未来必然走向丰富化，尤其是基于GenAI技术的场景会持续涌现，像文案写作、业务流程和工作流自动化、代码生成等。但像预测型AI和解释型AI等在金融、制造、医疗等行业同样有着广泛的应用前景。因此，企业需要整合不同类型的AI技术，并创建战略级的AI场景组合，而非聚焦开发单独场景。
《报告》也介绍，亚太地区企业的计划在未来12个月采用AI的企业会将重点放在数据驱动的AI场景上，如预测性分析/欺诈侦测、产品/服务创新和数据增强等，而不是代码生成或文案写作等。例如，金融机构除了GenAI应用之外，也非常看重预测型AI技术，用其来侦测风险和欺诈。
其次，随着企业AI成熟度的不断提升，企业们对于生成式AI、预测性AI和解释性AI的认知与判断也会更加清晰，投资回归理性成为必然趋势。《报告》的调研数据就显示，2023年预测型AI、解释型AI和生成式AI所占AI投资比分别为34%、47%和19%，2024年比例则标尺34%、32%和34%，企业投资从解释型AI流向生成式AI的趋势明显，各项AI技术的投资也趋于均衡。
不过，GenAI当前尚未产生出足够大的商业价值，并且需要耗费巨大的GPU算力投资，也让部分企业陷入“困境”。
Shukri Dabaghi直言，无需过于担忧GPU算力昂贵等挑战，“20年前，最昂贵产品是数据仓库，但只有少数企业使用数据仓库来存储和管理数据。随着时间推移，数据处理技术的不断发展，数据处理成本持续下降，越来越多企业能够处理、管理和分析数据。现在人工智能出现的现象，与过去出现的情况类似，GPU处理数据成本会越来越低，企业无需过于担忧。”
第三，很多企业低估了AI与业务融合以及实施的难度，AI犹如一个复杂且长期的工程化问题，不仅涉及数据、技术、基础设施、业务、监管等诸多方面，更需要在技术适配、实施路径、团队协作、评估测试等方面着力。因此，制定长期AI长期投资计划和使用战略，是企业走向AI高级成熟阶段的关键。
《报告》也认为，在AI驱动的时代，企业分为AI领先者和AI跟随者，AI领先者与AI跟随者最大的区别就是是否具备长期的AI战略。
Shukri Dabaghi则强调数据是一切人工智能的基础，企业需要尤为重视数据的价值与作用，“一切都需要从数据开始，企业需要理解数据、管理数据和确保数据安全且合规的使用。做好数据治理，是大规模应用AI技术的前提。”
中国企业还需做什么
《报告》显示，27%的中国企业被评为AI领导者，表明相比于亚太其他地区，AI在中国市场的发展更为成熟；中国企业正在大力投资AI，超过四分之一的企业在AI能力方面处于领先地位，有59%的企业计划在未来一年内大幅增加AI投资，只有极少数企业尚未开发AI。
事实上，与其他国家和地区相比，中国在AI领域有着更为独特的优势：中国是全球数据量最大、数据类型最丰富的国家之一；IDC预测到2025年，中国有望成为全球最大的数据圈，可源源不断为AI技术提供丰富的数据资源。另外，中国行业丰富、产业布局完整，有着极为丰富多样的行业应用场景，是AI技术天然优良的“试验土壤”和“培育基地”。更加关键的是，“人工智能+”、“数据要素X”等政策陆续出台，标志着中国在政策导向层面上注重AI与实体经济的融合与应用。
不过，《报告》调研数据显示，中国企业在AI技术实施与应用上目前存在着缺乏成熟专业的AI人才、数据缺乏足够治理流程和缺乏AI治理框架与风险管理实践，另外数据访问受限和效率低下也是导致一些AI项目失败的关键原因。
《报告》也强调，中国企业除了注重AI专业人才储备、AI治理框架与风险管理之外，利用数据平台和ModelOps是未来AI能力不断成熟提升的一大有效路径。数据平台对于改善数据质量、建立坚实的数据基础以及确保数据安全合规使用大有裨益，而ModelOps则对于模型的集成与部署、模型版本的控制与管理、资源优化和团队协作等发挥着重要作用。
作为全球领先的数据分析与AI公司，SAS公司多年以来一直深耕中国市场，并且在金融、制造、生物医药、教育等多个行业拥有庞大的用户群，SAS数据分析平台和结果成为很多行业的事实标准。例如，在生物医药行业，药企在新药申报提供的药物临床实验结果分析与评估，优先以SAS分析结果成为行业默认的规定。
对于中国企业在AI发展的现状以及未来庞大的AI应用前景，SAS公司一如既往的重视，并且将从AI行业解决方案、降低产品门槛以及国产技术环境适配三个方面发力，全面推动领先的数据分析与AI产品在中国行业用户中的落地与应用。
首先，中国正在加速推动数字经济与实体经济的融合，AI、数据分析等技术是数实融合的重要抓手，AI技术走向垂直行业是大势所趋，AI行业解决方案在中国市场未来将是强需求。而SAS公司去年即宣布了未来三年将投入10亿美元打造AI行业解决方案，推动AI在行业用户中的使用。
Shukri Dabaghi介绍：“SAS AI行业解决方案的基础是 SAS Viya。SAS将确保云原生AI平台 SAS Viya版本每年持续创新、更新与优化。并在SAS Viya基础上专注于定制化的AI和高级分析解决方案，以满足银行、政府、保险、生命科学等行业的特定需求。”
其次，SAS在银行、生命科学等专业化场景中一直以安全、可靠稳定和兼容性强著称，并且获得众多行业用户的青睐。为进一步降低数据分析等工作的门槛，从而加速推动AI、数据分析等技术在各个行业中的普及，SAS将从产品层面融入大模型等技术，让产品体验和使用门槛进一步降低，让数据分析更加大众化。
SAS大中华区首席数据科学家马宁博士直言：“SAS Viya马上将推出Copilot，能够将自然语言转化为SAS代码，将SAS公司在数据分析、行业知识等领域的多年积累融入到Copilot之中。SAS将广泛支持全球商业或者开源大模型，并且支持大模型的切换，用户按需使用即可。”
第三，中国自身数字化技术体系崛起已成为不争的客观事实，从芯片、操作系统到数据库、中间件，再到大模型等均取得长足的进步，并且逐步在各个行业中得到应用。对此，SAS公司的思路是兼容并蓄和高度重视，持续投入研发去适配整个国产化的数字技术体系，让广大行业用户能够平滑、高效地使用SAS产品。
综合观察，管理学巨擘彼得·德鲁克认为，战略规划不是规划“未来做什么”，而是规划“当前必须做什么”，才能准备好迎接充满不确定性的未来。在今天这个充满不确定性的市场中，企业全面拥抱AI已是当下必须做的一道必答题。IDC《Data & AI Pulse:Asia Pacific 》报告从亚太地区企业实际使用AI情况出发，在技术、产品、策略等给出诸多切实可行的建议，值得所有正在实施AI的企业思考、借鉴和学习。
