字数 809，阅读大约需 5 分钟
德勤：企业在推行生成式AI项目上面临规模化挑战
在近日于达沃斯举行的论坛上，德勤[1]发布的一份报告引起了行业的广泛关注。该报告指出，尽管企业在生成式人工智能（Gen AI）项目上已取得积极的初步成果，但在将其从实验转化为实际应用，尤其是规模化部署方面，面临着诸多严峻挑战。
许多企业在实施生成式AI时发现，从实验室到生产环境的转化堪称一道难关。从技术基础设施角度来看，生成式AI对算力、存储等要求较高，许多公司现有的技术架构难以满足其在生产环境下大规模、高效运行的需求。例如，一些企业原本的服务器配置仅能支持小规模的模型训练和测试，一旦要扩大应用规模，就会出现运算速度慢、数据处理能力不足等问题。
在团队能力方面，同样存在适应性不足的状况。生成式AI作为新兴技术，其应用需要专业的技术人才，然而不少企业内部员工缺乏相关知识和技能。据德勤报告相关数据显示，部分企业表示现有员工在生成式AI技术应用上存在明显短板。
企业在AI应用战略上也较为模糊。许多企业并未清晰地规划如何将AI应用于具体业务场景，导致AI项目缺乏连贯性和扩展性。比如，部分企业只是跟风开展生成式AI项目，却未考虑到自身业务流程与AI技术的适配性，使得项目难以持续推进。
资源分配、数据质量和合规性问题更是成为生成式AI项目推广的主要瓶颈。在资源分配上，企业往往难以平衡生成式AI项目与其他业务的投入，导致AI项目因资金、人力等资源不足而停滞。数据质量方面，高质量的数据是生成式AI发挥良好效果的基础，但现实中许多企业的数据存在不完整、不准确等问题，影响了模型的训练和应用效果。合规性上，随着数据隐私法规的日益严格，企业在使用数据训练模型和应用生成式AI时，需确保符合相关法律法规，这无疑增加了项目实施的难度。
人才招聘和技能提升也是企业面临的难题。技术的快速发展使得现有员工难以跟上步伐，对生成式AI的应用缺乏信心。同时，市场上专业的生成式AI人才供不应求，企业招聘难度大。此外，企业在文化和组织结构方面也需进行调整，以适应AI落地实施的需求。
