劃重點
01Gartner研究副總裁季新蘇表示，生成式AI（GenAI）在未來1-2年內將進入下降期，面臨能力問題和預算收縮。
02GenAI技術在實際落地過程中，如致幻率、準確性、平衡安全性和隱私性等方面存在挑戰(zhàn)。
03與此同時，企業(yè)的IT預算正在收緊，2025年預算平均縮減0.8%，其中60%客戶的GenAI項目投入基礎設施預算低于500萬元。
04企業(yè)在部署GenAI方案時，更關注一年為周期的產出創(chuàng)新，而非為了創(chuàng)新對不確定性有比較高的容忍度。
05除此之外，Low-Code/No-Code技術和RPA方案也被認為在目前相比AI更具落地和可行性。
以上內容由大模型生成，僅供參考
飛象原創(chuàng)（魏德齡/文）“在未來12年我們覺得GenAI將有一個下降期�！盙artner研究副總裁季新蘇在不久前的一次媒體溝通會，向外界分享了在內部討論“GenAI話題在今年會不會冷卻？”議題時的觀點。在Gartner同期發(fā)布的《2024年中國信息與通信技術成熟度曲》中也能發(fā)現(xiàn)，生成式AI正在從期望膨脹期走向泡沫破裂低谷期。
這一曲線的背后一方面體現(xiàn)了技術發(fā)展從萌芽到成熟的普遍規(guī)律，另一方面單就GenAI本身而言，也反映出了這項技術目前在實際落地過程中所暴露出的能力問題。
GenAI的能力問題
如今GenAI作為一種新的產品賣點，在消費電子領域確實風生水起，產品邏輯多為通過生成式能力帶來如系統(tǒng)交互、圖片處理、文字信息匯總等方面的升級。然而，當類似的邏輯應用于ToB領域的時候，GenAI技術本身目前的種種不足之處，卻會被放大，從而成為落地過程中的掣肘。
首先便是所謂的致幻率問題，“一本正經胡說八道”的情況在消費電子領域或許可以被用戶一笑了之，但在IT運營管理的過程中，卻可能鑄成大錯，當ToB領域對于安全性和準確性的要求變高，以及對高可靠性的要求，就難以有過多的容錯性。從而導致GenAI的方案可能難以被用戶快速接受。
其次，準確性問題顯然與訓練數(shù)據(jù)的專業(yè)性與量級存在強關聯(lián)，但企業(yè)往往并不愿意對外分享數(shù)據(jù)，如何在構建便利AI條件的情況下來平衡安全性和隱私性成為比較大的挑戰(zhàn)。
第三，GenAI的出現(xiàn)也在打破企業(yè)內部的一些邊界，對于員工而言很容易自然而然地去把如會議紀要、產品資料等內容上傳在云端AI來快速獲取會議總結。企業(yè)難以遏制這種員工簡化工作流程的渴望，但對于合規(guī)與安全性又提出了更大挑戰(zhàn)。
最后，在使用相關GenAI產品來實現(xiàn)產出的時候，知識產權問題也應運而生，生成的圖像、歸納的總結、構建的代碼的知識產權到底屬于誰，企業(yè)對于此類的擔憂同樣一直與GenAI的發(fā)展而相生相伴。
上述這些GenAI技術本身還無法徹底解決的問題，無疑影響了企業(yè)對于部署相關落地方案的決心與判斷。而從很多企業(yè)在今年所對外提供的AI解決方案中也不難發(fā)現(xiàn)，在產品功能上多聚焦于通過自然語言來簡化操作流程，并一般會避免讓AI涉及相關決策的環(huán)節(jié)。
與此同時，除了GenAI技術本身所面臨的挑戰(zhàn)外，企業(yè)的IT預算也正在收緊。
保守的IT預算
在Gartner對CIO進行調研時發(fā)現(xiàn)，相比以往每年不同公司增長1%～5%的IT預算，2025年的預算則平均縮減0.8%，其中盡管很多公司加大了對于GenAI與AI相關的投入比例，但有60%客戶的實際在GenAI項目投入基礎設施預算卻低于500萬元。
也就是說，從整體預算而言，企業(yè)對于AI的投入相對比較保守。企業(yè)對于“總體擁有成本”優(yōu)先級也在變得比較高，考量占比高于第二名的消費體驗的20%～30%。企業(yè)目前更多著眼于一年為周期的產出創(chuàng)新，而非為了創(chuàng)新對不確定性有比較高的容忍度。
對于ToB領域的很多客戶而言，對于AI以及新技術的狀態(tài)是“不見兔子不撒鷹”，即便可以進行嘗試，但如果沒有結果也會變得適可而止。
CIO們所面臨的挑戰(zhàn)在于如何在成本節(jié)約的情況下來改變組織能力與提升可靠性，這也成了2024年里相對最大的主旋律。
在此背景下，一些與GenAI方案能夠達成相似目標的方案，也自然受到了更多的關注。
其他可行性方案的挑戰(zhàn)
實際上，降低IT運維成本與難度一直是相關方案的重要目標，GenAI相關方案中的自動化、自然語言交互、代碼輔助撰寫，其實也正是為了滿足上述目標需求。Low-Code/No-Code技術在如今的脫穎而出，自然也提供了另一種解決思路。
季新蘇介紹稱，Low-Code/No-Code背后的邏輯是“能不能把整體IT的能力用業(yè)務能夠使用的語言，或業(yè)務能夠使用拖拉拽的方式來讓業(yè)務自己去構建自己想要的數(shù)據(jù)”。
頭部銀行目前在數(shù)據(jù)中心的Low-Code/No-Code業(yè)務場景就是一個很好的例證，由于各支行/分行需要的賬務數(shù)據(jù)需求會讓數(shù)據(jù)中心花費大量時間來對數(shù)據(jù)、對報表。銀行開始將數(shù)據(jù)進行模塊化，目前構建最多的是“私金”模塊，只要人員獲得授權就能登錄系統(tǒng)進行查詢，并有查詢痕跡，不需要走賬目查詢跨部門的工單，減少了整體IT的工作壓力，也帶來了整體的成本優(yōu)化與效率提升。
從了解到的客戶反饋來看，無論Low-Code/No-Code還是RPA，對于已知流程的優(yōu)化均能夠帶來明顯的效率提升，不少企業(yè)也認為它們在目前相比AI更具落地和可行性。
總體而言，企業(yè)通往成功之路的關鍵在于，組織需要注重快速配置和整體應用程序管理，而不僅僅是基礎設施或運營收益。最重要的是，真正的挑戰(zhàn)在于實現(xiàn)IT的組織的轉型而非基礎設施本身的費用控制。
