Downcodes小編帶來Appen發布的2024年《人工智慧狀態報告》解讀。報告顯示生成式AI成長迅速，但企業面臨資料管理的嚴峻挑戰。調查顯示，數據品質下降，AI專案投資報酬率也隨之下滑，凸顯了高品質數據在AI應用中的重要性。報告也強調了「人機協作」機器學習模式的重要性，以提升AI模型性能並確保其倫理性和相關性。讓我們一起深入了解報告中的關鍵發現。
最近，Appen 發布的2024年《人工智慧狀態報告》引起了廣泛關注。這份報告是基於對500多名美國IT 決策者的調查，顯示出生成式AI 在過去一年中成長了17%。不過，伴隨著這股成長潮流，企業在數據管理上卻面臨著不小的挑戰。
Appen 的策略負責人Si Chen 在訪談中提到，隨著AI 模型的應用逐漸深入到更複雜和專業的領域，對數據的要求也水漲船高。光有數據是不夠的，企業需要的數據不僅要準確、多樣化，還得有清晰的標籤，而且要符合特定的AI 使用情境。
生成式AI 的應用範圍不斷擴展，從IT 營運到研發，企業紛紛利用這項技術來提高效率。不過，儘管這一領域呈現出蓬勃發展態勢，AI 專案的投資報酬率卻在下降。
自2021年以來，成功部署的AI 專案比例減少了8.1%，而那些能夠帶來可觀回報的專案數量也下降了9.4%。這主要是因為現在的AI 專案越來越複雜，許多企業開始嘗試更具挑戰性的生成式AI 應用，這需要更高品質的資料支援。
另外，報告指出，數據品質問題也愈發嚴重。自2021年以來，數據的準確性下降了近9%。如今，86% 的企業每季都需要更新模型，這對數據的準確性和多樣性提出了更高的要求。為了解決這些問題，許多企業開始向外部資料提供者尋求協助。
同時，數據準備成為了企業AI 專案面臨的最大瓶頸。隨著生成式AI 模型的複雜度加大，企業需要更長遠的策略來確保資料的品質和一致性。此外，人工幹預在這個過程中變得愈發重要，調查顯示，80% 的受訪者認為「人機協作」 的機器學習至關重要。這種模式不僅有助於提升AI 模型的效能，還能確保它們的倫理性和相關性。
劃重點:
生成式AI 在2024年實現了17% 的成長，企業在資料管理方面卻面臨不少困難。
? AI 專案的成功部署比例正在下降，投資報酬率也隨之下滑。
資料品質問題日益嚴峻，企業亟需更高品質的資料以滿足複雜AI 模型的需求。
總而言之，Appen的報告為企業在生成式AI時代的數據策略提供了寶貴的參考。在追求AI技術應用的同時，重視資料品質和有效的資料管理策略至關重要，才能確保AI專案成功並獲得理想的投資報酬率。 Downcodes小編將持續關注AI領域動態，為您帶來更多精彩報導。