AI驅動的變革即將到來，但2025年將是緩慢而穩步進展的一年。

今年，隨著更現實的期望占據主導，圍繞AI的初步炒作和興奮已經平息。對于企業部署而言，這一點尤其明顯，因為現有模型的能力與許多業務工作流的復雜性相結合，導致進展比許多人預期的要慢。核心問題在于，許多企業用戶意識到，到目前為止，AI中并沒有“我”的位置。大型語言模型(LLM)非常擅長在各類數據中發現模式，然后根據用戶提示創建與這些模式相匹配的內容，但這并不是任何人類意義上的智能。LLM傾向于編造看似合理但不準確的信息，就是這一點的證據。

盡管存在這些局限，而且CIO們對AI成本存在擔憂，但今年還是取得了真正的進步，我們預計這種進步將在2025年進一步擴大。我認為這將在五個關鍵領域顯現。

增強員工能力，而非取代他們

無論是通過降低成本、創新產品和服務，還是改善客戶體驗，構建競爭優勢都是大多數技術部署的核心，AI也不例外，然而，開放和封閉的大型語言模型以及部署它們的工具的廣泛可用性，意味著所有企業都能使用AI。就像80年代和90年代的個人電腦革命，以及21世紀初云計算和SaaS的興起一樣，當每個人都能使用相同的工具時，使用方式才是賦予競爭優勢的關鍵。

對于AI而言，這意味著要增強你現有的技能基礎，并利用你的人力資源。那些將AI視為替代熟練和經驗豐富工人的企業將走上錯誤的道路。員工對公司產品、流程、運營市場以及銷售客戶的了解，往往是未編碼的、隱性的。假設一項技術能夠捕捉這些風險，就像90年代許多知識管理“解決方案”試圖實現不可能的事情一樣，最終會失敗。isAI信任和合規平臺的創始人Michael Hobbs對此表示贊同，他說：“你可以從通用AI系統中快速獲得答案，但CIO們需要問的是，這些是否是好的答案，我是否在企業內部培養了技能基礎，用工具對其進行了增強，還是從根本上減少了它?”

如果對大型語言模型達到飽和狀態的擔憂是正確的，那么我們可以預期，在創建新模型時，每增加一塊GPU所帶來的回報都將減少。在這種情況下，利用AI，在現有知識基礎上提高員工能力，將至關重要。

關注數據資產

基于上一點，公司的數據資產以及員工在2025年將變得越來越有價值。基礎模型(FMs)設計上是使用從多個公共來源獲取和抓取的廣泛數據進行訓練的。這種訓練規模使它們能夠回答一般問題，但限制了它們對大多數企業特定需求的價值。檢索增強生成(RAG)為將專有數據與大型語言模型的能力相結合，以獲得更專注和相關的結果，提供了一條途徑。Forrester預測，RAG服務將成為2025年大多數云服務提供商的關鍵產品，為企業提供更廣泛的供應商選擇和可能具有競爭力的價格產品。

為了從這一系列更廣泛的RAG服務中受益，企業需要確保他們的數據已為AI做好準備。這涉及良好信息管理的普通但必要的活動：數據清理、去重、驗證、結構化以及檢查所有權。在這個過程中，AI治理軟件也將變得越來越重要，Forrester預測，到2030年，現成的解決方案的支出將增長四倍以上，達到近160億美元。

企業越早從業務中識別出數據資產，采取創造性的方法來確定其用途，并將其置于AI就緒狀態，就能越早利用2025年即將推出的新RAG服務。

控制成本

根據Gartner的數據，2024年接受調查的CIO中，超過90%的人認為，管理成本限制了他們為企業從AI投資中獲得價值的能力。Gartner認為，解決方案的一部分是在進行任何廣泛部署之前，計算成本將如何擴展。如果不這樣做，可能會導致成本計算出現500%至1000%的誤差。在2025年，我們可以期待Gartner、IDC和Forrester等公司提供更好的成本計算框架，這些框架將基于他們從概念驗證和早期部署中不斷增長的知識庫。

隨著Microsoft Azure、AWS和Google Cloud等云服務提供商在2025年推出更多AI產品，我們可以預計，更具競爭力的定價將有助于企業控制成本，然而，這將取決于新的AI就緒數據中心相對于需求的建設速度。麥肯錫計算得出，從2023年到2030年，全球對數據中心容量的需求可能以每年19%至22%的速度增長。在2025年及以后，為這些新中心提供足夠的電力將繼續限制需求。

衡量AI的投資回報率

隨著2025年企業內部部署AI的復雜性變得更加明顯，對投資回報率的擔憂也將增加，然而，我們可能期望在明年看到一種更細微的投資回報率計算方法。多年來，從財務和生產率角度衡量新技術的影響一直是一個挑戰。1987年，諾貝爾經濟學獎獲得者羅伯特·索洛曾調侃道：“你可以在任何地方看到計算機時代的存在，但就是在生產率統計數據中看不到?！?/p>

在2025年，管理者們難以量化AI投資帶來的好處時，這種情況將繼續存在。問題的一部分在于缺乏衡量回報的共同標準。成本相對容易計算，因為它們可以折算成美元金額，并與前幾年進行比較，然而，要衡量AI給員工產出帶來的質性改進所帶來的價值，則面臨更大的挑戰。與計算AI部署成本擴展一樣，2025年將出現新的框架，幫助管理者衡量投資的價值，這些框架將超越傳統的關鍵績效指標(KPI)，需要納入客戶滿意度、決策改進和創新流程加速等衡量標準。

避免變得無關緊要

當前這波AI產品的變革性，正如互聯網曾經破壞并最終取代Blockbuster、Borders和HMV等公司一樣，對許多企業的商業模式構成了威脅?？巳R頓·克里斯坦森的創新者困境概念解釋了，運行良好且成功的企業如何被那些以創新方式利用新技術和商業實踐的新進入者所取代。今年，我們看到在線教育巨頭Chegg失去了99%的市場價值，即145億美元，原因是學生們轉而使用ChatGPT的免費作業幫助，而不是每月支付19.95美元的訂閱服務費用。

我們可以預計在2025年會出現類似但可能不那么戲劇性的例子。這些例子將出現在包括營銷、出版、娛樂和教育在內的多個領域，涉及B2C和B2B環境。Chegg的不幸應該是所有企業的警鐘，但也可以被視為許多企業的機遇。情景規劃應成為優先事項，類似于SWOT分析，這是一個很好的起點：你的企業有哪些優勢可以利用AI的好處，以及外部機會和威脅會如何影響這些優勢?

明年將在許多方面充滿挑戰。從企業角度來看，AI驅動的變革只會加速，盡管是緩慢而穩步的。如此多的模型可供使用，并且它們越來越多地被納入現有應用程序中，這意味著任何希望采用它們的企業都可以使用它們。如何部署和使用這些模型來補充企業現有的優勢和數據資產，以及如何與戰略目標相一致，將決定誰是贏家，誰將落敗。