7 lessons from IT leaders on their AI adoption journeys

IT领导者在AI采纳旅程中的7个经验教训 | Elastic Blog

IT领导者在AI采纳旅程中的7个经验教训

作者：Jennifer Klinger 2025年2月18日

• 在Twitter上分享 在Twitter上分享
• 在LinkedIn上分享 在LinkedIn上分享
• 在Facebook上分享 在Facebook上分享
• 邮件分享 邮件分享
• 打印本页 打印

令人印象深刻的是，92%的组织计划投资或已经投资于人工智能（AI）。随着众多组织在不同AI成熟度阶段推进AI采纳，我们可以从率先开展这些项目的组织中学习。从识别用例、将AI整合到架构中，到让员工参与并衡量成功，这些组织的IT领导者已经经历了所有过程——他们有许多值得分享的见解。

什么是AI采纳？

首先，一些背景知识。来自美国国家经济研究局的研究人员将AI采纳定义为1使用AI进行生产——即使用AI在组织内部完成工作。这包括支持工程师使用AI驱动的工具查找所需信息以帮助客户处理请求，或汽车制造商使用AI驱动的预测分析来分析机器的传感器数据，预测故障和维护需求。

AI采纳的演进：关键统计数据和趋势

过去一年，全球范围内AI采纳显著增长。一项2024年的调查显示，72%的组织2已将AI整合到至少一个业务功能中——这与2023年的55%相比是一个巨大的飞跃。然而，大型企业仍在AI采纳方面处于领先地位。拥有超过5,000名员工的组织中有一半使用AI，而拥有超过10,000名员工的公司中60%使用AI。就行业而言，制造业、信息业以及——或许令人意外的是——医疗保健行业在AI采纳方面处于领先地位，而金融、保险和房地产行业的采纳率则较低。

波士顿咨询集团发现，早期采用AI的公司声称其收入增长是其他公司的1.5倍。此外，74%的使用生成式AI（GenAI）的企业3看到了投资回报。并非所有项目都会成功——但那些不成功的项目可以提供经验教训。成功的项目将帮助您保持竞争力，增加收入并提升AI成熟度。

为了帮助您在AI采纳旅程中前进，我们采访了三位早期采用AI的IT首席高管，以了解他们自己的经历。我们讨论了他们在哪些方面面临挑战，如何利用机会，发现的最佳实践，以及哪些AI项目取得了成功。

IT领导者在AI采纳旅程中的经验

1. 从问题出发

将AI能力整合到组织中的最佳方式是从您试图解决的高价值问题开始。Comcast Connectivity and Platform的执行副总裁兼首席技术官Rick Rioboli表示：“忘记AI，您最大的问题是什么？”专注于解决问题，这些问题一旦解决将对业务产生重大影响。许多组织正在探索各种生成式AI用例，您可以从中获得灵感。一旦确定了问题，开始思考需要哪些数据来为AI模型提供支持以解决这个问题。

Cynthia Stoddard，Adobe公司副总裁兼首席信息官，鼓励员工发挥创造力。Stoddard表示：“我们创建了一个创新中心，让员工了解可以使用哪些工具和Adobe产品进行实验并解决实际的业务问题。”这不仅赋予员工尝试新技术和创造新方案的权力，也有助于推动组织变革带来的文化转型。

3. 使用合适的数据

并确保数据质量。生成式AI模型依赖于来自公共互联网的大量数据进行训练，但它们没有最新的数据，也不会使用你的数据进行训练。为了从AI中获得最大价值，你需要能够将专有数据传递给生成式AI模型，这通过检索增强生成（RAG）实现。除了拥有合适的数据外，还需要确保数据质量，从而提供相关且准确的答案。低质量或不准确的数据会导致误导性结果。Elastic公司首席信息官Matt Minetola表示：“拥有坚实的数据战略至关重要。如果没有统一且可访问的数据，即使是最先进的生成式AI计划也难以真正创造价值。”

#### 深入了解高管的AI实践

查看详情

4. 量化影响

在确定理想结果并确认拥有合适数据后，你需要持续量化成功的标准——从最小可行产品（MVP）到理想解决方案。无论这是通过提高净推荐值（NPS）来体现客户体验的改善，还是通过减少平均响应时间来显示效率提升，都要确保能够可量化地证明该计划的成功。Stoddard表示，通过关注绩效表现，你可以判断项目是否需要调整，甚至在某些情况下需要放弃，因为结果可能未达预期。在监控业务影响的同时，还应监控AI系统的健康状况和性能。这包括用户对体验的满意度以及输出结果的准确性。

5. 避免AI碎片化和技术债务

组织可能会倾向于为不同问题使用不同的点解决方案，以快速部署应用程序。Minetola警告称：“那些在局部解决问题的企业开始看到长期成本。如果他们使用了五到六个不同解决方案和五到六个不同供应商的产品，并需要将这些系统拼接在一起，成本将会非常巨大。”技术债务——由于追求速度而牺牲长期可用性所导致的未来工作成本——以及数据孤岛和合规问题，将使未来的AI项目面临挑战。Stoddard表示，所有AI计划都需通过架构审查，以确保其能够融入现有基础设施。

6. 利用AI进行预测和决策

AI 是一项令人惊叹的工具，当它用于面向员工和客户的产品时尤为如此。当 AI 用于预测和商业决策时，它同样是一项强大的工具。Stoddard 表示：“我们关注在盈利能力和产品使用方式的精确性方面应用 AI。我们试图预测是否能从产品中获得预期的可用性。” 关于如何利用数据和 AI 做出商业决策，Minetola 补充道：“你可以将其视为一种乘数效应，通过让每个决策都产生价值，真正将你的组织推向更高层次。” 当每个决策都基于（准确且具有上下文信息的）数据时，你可以确保这是最优的决策。

7. 实施防护措施

治理和风险管理是 AI 发展历程中的重要组成部分，必须优先考虑。Stoddard 表示，在 Adobe 的 AI 应用中，团队依靠治理和潜在风险的评估来“确保其安全性，使用正确的数据，并为客户做好正确的事。” 随着更多关于 AI 技术的法律出台，合规性问题将在全球范围内变得越来越重要。“如果你不了解 AI 数据的生成方式，就可能会面临多重合规问题，”Minetola 补充道。

为您的 AI 采用策略做好未来准备

在扩大策略规模并确保其长期有效时，请确保不要陷入各自为政的孤立状态。AI 不应被视为独立的解决方案，而是一个互联的生态系统，随着用例的扩展，您可以逐步发展这个系统。您的数据是最宝贵的资产。避免孤立状态并具备在任何环境下访问数据的能力，将有助于您在扩展过程中遵守新的法律法规。

AI 采用的旅程不是一场竞赛，而是一场马拉松。从坚实的数据基础和明确的用例开始，然后逐步扩展。如果您尚未开始使用 AI，现在还来得及！您仍然有机会为组织做好未来准备，保持竞争力。您有绝佳的机会创建一个可扩展且透明的 AI 计划，满足您的需求。观看与 Fast Company 合作的这场网络研讨会，获取这些高管关于 AI 采用的更多见解。

1 MIT Sloan，美国 AI 采用的谁、什么和何处，2024 年。

2 Statistica，2017 年至 2024 年全球组织中 AI 的采用情况，2024 年。

3 Google，全球调查：领导者如何从生成式 AI 中创造价值，2024 年。

本文中描述的任何功能或功能的发布和时间安排均由 Elastic 单独决定。任何当前不可用的功能可能不会按时或根本不会交付。

在本文中，我们可能使用或提到了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 对第三方工具没有任何控制权，也不对这些工具的内容、操作或使用承担任何责任或义务，也不对因使用这些工具而可能产生的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时，请务必谨慎。您提交的任何数据可能用于 AI 训练或其他目的。无法保证您提供的信息将被安全或保密地保存。在使用任何生成式 AI 工具之前，请熟悉其隐私政策和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 及相关标识是 Elasticsearch N.V. 在美国和其他国家/地区的商标、标志或注册商标。所有其他公司和产品名称均为其各自所有者的商标、标志或注册商标。

Share