AI驱动的变革即将到来，但2025年将是缓慢而稳步进展的一年。
今年，随着更现实的期望占据主导，围绕AI的初步炒作和兴奋已经平息。对于企业部署而言，这一点尤其明显，因为现有模型的能力与许多业务工作流的复杂性相结合，导致进展比许多人预期的要慢。核心问题在于，许多企业用户意识到，到目前为止，AI中并没有“我”的位置。大型语言模型(LLM)非常擅长在各类数据中发现模式，然后根据用户提示创建与这些模式相匹配的内容，但这并不是任何人类意义上的智能。LLM倾向于编造看似合理但不准确的信息，就是这一点的证据。
尽管存在这些局限，而且CIO们对AI成本存在担忧，但今年还是取得了真正的进步，我们预计这种进步将在2025年进一步扩大。我认为这将在五个关键领域显现。
增强员工能力，而非取代他们
无论是通过降低成本、创新产品和服务，还是改善客户体验，构建竞争优势都是大多数技术部署的核心，AI也不例外，然而，开放和封闭的大型语言模型以及部署它们的工具的广泛可用性，意味着所有企业都能使用AI。就像80年代和90年代的个人电脑革命，以及21世纪初云计算和SaaS的兴起一样，当每个人都能使用相同的工具时，使用方式才是赋予竞争优势的关键。
对于AI而言，这意味着要增强你现有的技能基础，并利用你的人力资源。那些将AI视为替代熟练和经验丰富工人的企业将走上错误的道路。员工对公司产品、流程、运营市场以及销售客户的了解，往往是未编码的、隐性的。假设一项技术能够捕捉这些风险，就像90年代许多知识管理“解决方案”试图实现不可能的事情一样，最终会失败。isAI信任和合规平台的创始人Michael Hobbs对此表示赞同，他说：“你可以从通用AI系统中快速获得答案，但CIO们需要问的是，这些是否是好的答案，我是否在企业内部培养了技能基础，用工具对其进行了增强，还是从根本上减少了它?”
如果对大型语言模型达到饱和状态的担忧是正确的，那么我们可以预期，在创建新模型时，每增加一块GPU所带来的回报都将减少。在这种情况下，利用AI，在现有知识基础上提高员工能力，将至关重要。
关注数据资产
基于上一点，公司的数据资产以及员工在2025年将变得越来越有价值。基础模型(FMs)设计上是使用从多个公共来源获取和抓取的广泛数据进行训练的。这种训练规模使它们能够回答一般问题，但限制了它们对大多数企业特定需求的价值。检索增强生成(RAG)为将专有数据与大型语言模型的能力相结合，以获得更专注和相关的结果，提供了一条途径。Forrester预测，RAG服务将成为2025年大多数云服务提供商的关键产品，为企业提供更广泛的供应商选择和可能具有竞争力的价格产品。
为了从这一系列更广泛的RAG服务中受益，企业需要确保他们的数据已为AI做好准备。这涉及良好信息管理的普通但必要的活动：数据清理、去重、验证、结构化以及检查所有权。在这个过程中，AI治理软件也将变得越来越重要，Forrester预测，到2030年，现成的解决方案的支出将增长四倍以上，达到近160亿美元。
企业越早从业务中识别出数据资产，采取创造性的方法来确定其用途，并将其置于AI就绪状态，就能越早利用2025年即将推出的新RAG服务。
控制成本
根据Gartner的数据，2024年接受调查的CIO中，超过90%的人认为，管理成本限制了他们为企业从AI投资中获得价值的能力。Gartner认为，解决方案的一部分是在进行任何广泛部署之前，计算成本将如何扩展。如果不这样做，可能会导致成本计算出现500%至1000%的误差。在2025年，我们可以期待Gartner、IDC和Forrester等公司提供更好的成本计算框架，这些框架将基于他们从概念验证和早期部署中不断增长的知识库。
随着Microsoft Azure、AWS和Google Cloud等云服务提供商在2025年推出更多AI产品，我们可以预计，更具竞争力的定价将有助于企业控制成本，然而，这将取决于新的AI就绪数据中心相对于需求的建设速度。麦肯锡计算得出，从2023年到2030年，全球对数据中心容量的需求可能以每年19%至22%的速度增长。在2025年及以后，为这些新中心提供足够的电力将继续限制需求。
衡量AI的投资回报率
随着2025年企业内部部署AI的复杂性变得更加明显，对投资回报率的担忧也将增加，然而，我们可能期望在明年看到一种更细微的投资回报率计算方法。多年来，从财务和生产率角度衡量新技术的影响一直是一个挑战。1987年，诺贝尔经济学奖获得者罗伯特·索洛曾调侃道：“你可以在任何地方看到计算机时代的存在，但就是在生产率统计数据中看不到。”
在2025年，管理者们难以量化AI投资带来的好处时，这种情况将继续存在。问题的一部分在于缺乏衡量回报的共同标准。成本相对容易计算，因为它们可以折算成美元金额，并与前几年进行比较，然而，要衡量AI给员工产出带来的质性改进所带来的价值，则面临更大的挑战。与计算AI部署成本扩展一样，2025年将出现新的框架，帮助管理者衡量投资的价值，这些框架将超越传统的关键绩效指标(KPI)，需要纳入客户满意度、决策改进和创新流程加速等衡量标准。
避免变得无关紧要
当前这波AI产品的变革性，正如互联网曾经破坏并最终取代Blockbuster、Borders和HMV等公司一样，对许多企业的商业模式构成了威胁。克莱顿·克里斯坦森的创新者困境概念解释了，运行良好且成功的企业如何被那些以创新方式利用新技术和商业实践的新进入者所取代。今年，我们看到在线教育巨头Chegg失去了99%的市场价值，即145亿美元，原因是学生们转而使用ChatGPT的免费作业帮助，而不是每月支付19.95美元的订阅服务费用。
我们可以预计在2025年会出现类似但可能不那么戏剧性的例子。这些例子将出现在包括营销、出版、娱乐和教育在内的多个领域，涉及B2C和B2B环境。Chegg的不幸应该是所有企业的警钟，但也可以被视为许多企业的机遇。情景规划应成为优先事项，类似于SWOT分析，这是一个很好的起点：你的企业有哪些优势可以利用AI的好处，以及外部机会和威胁会如何影响这些优势?
明年将在许多方面充满挑战。从企业角度来看，AI驱动的变革只会加速，尽管是缓慢而稳步的。如此多的模型可供使用，并且它们越来越多地被纳入现有应用程序中，这意味着任何希望采用它们的企业都可以使用它们。如何部署和使用这些模型来补充企业现有的优势和数据资产，以及如何与战略目标相一致，将决定谁是赢家，谁将落败。