澳大利亚企业如何克服将 AI 从炒作变为现实的困难

快速阅读: 据《iT新闻》最新报道，澳大利亚企业面临AI落地难题，仅5%项目进入生产阶段。CFO对AI商业案例持怀疑态度，数据质量成关键瓶颈。专家建议从小处着手，推动实际应用。

记者（Staff Writer） 2025年7月9日中午12:00

澳大利亚企业正面临将人工智能热潮转化为实际成果的挑战。尽管人工智能激发了澳大利亚企业领导人的想象力，但现实却令人警醒：大多数组织在将人工智能的热情转化为具体的业务成果方面存在困难。

数据揭示了一个严峻的现实。根据布雷南的研究显示，不到5%的人工智能项目能够进入生产阶段。这一失败率并非由于技术准备不足，而是根本上在于无法证明明确的投资回报。

最具破坏性的是，60%的首席财务官（CFO）不相信企业能构建出有效的AI应用案例。这种来自掌握资金决策的人士的怀疑态度，代表了澳大利亚企业采用人工智能的重大障碍。

放弃人工智能雄心是否明智？当然不是。但需要更好地理解如何执行人工智能，以防止组织陷入真正热情与实际瘫痪之间。

虽然微软Copilot和ChatGPT等产品引发了广泛关注，尤其是在法律领域，它们被用于合同摘要和文档起草，但CFO们对那些站不住脚的商业案例持反对意见。

“生产力提升历来难以量化，”布雷南数字解决方案总监史蒂夫·安德顿说，“除非你直接裁员——这很少有组织愿意这么做，否则很难将‘为员工节省时间’转化为具体的商业案例。”

尽管生成式人工智能继续成为头条新闻和董事会讨论的焦点，行业专家认为真正的机遇存在于其他地方。目前，最直接的价值创造来自于直接嵌入到业务应用和流程中的AI。这种AI可以加快客户服务，提高合规检查的准确性，或改善运营决策。

从引人注目的消费者工具转向实用的业务应用，这种关注点的转变代表着思维方式的成熟。它不再关注吸引眼球的技术，而是关注能够解决实际业务问题并带来可衡量成果的解决方案。

始于数据

数据质量是人工智能成功的关键，正如布雷南的安德顿所解释的，其最大的瓶颈在于。许多组织最近发现，他们分散且孤立的数据架构根本无法支持大规模的人工智能项目。

安德顿提到了一个客户的例子，完美地展示了这一点：尽管进行了先进的AI工作，但他们承认在扩展过程中遇到困难，因为其底层数据基础设施无法支持使用。如果没有安全、可扩展且管理良好的数据架构，即使是最有前景的人工智能项目也很难真正带来价值。

这种基础设施差距正在造成一个两难局面。建立适当的数据基础需要大量投资，但在如今“用更少资源做更多事情”的环境中，没有经过验证的人工智能收益来争取这笔投资变得越来越困难。

另一个反复出现的意外挑战是“影子AI”的出现——员工独立注册AI工具，并将其纳入工作中而没有IT部门的监督。这种现象类似于组织在云采用过程中遇到的“影子IT”问题，但可能带来更严重的后果。

一家公司在发现员工无意中将敏感信息输入公共AI平台后，暂时关闭了对生成式AI工具的访问，引发了严重的数据治理和安全问题。品牌损害和监管风险的担忧促使一些领导者采取“先关闭，直到我们了解它”的做法。

微创新策略

为了解决这些挑战，一种新的方法正在获得关注：微创新策略。与其在人工智能转型上押宝，这种方法专注于从小处着手，快速进行原型设计和测试AI应用场景，以快速证明价值，而不需提前投入过多资源。

该方法强调汇集跨职能团队，包括业务利益相关者、技术人员和决策者，以快速构思、优先排序和开发解决方案。目标是在几周内而不是几个月内从概念到价值验证。

“你不需要一口吃掉整头大象，”安德顿说，“找到一项可见度高、投入最少、影响最大的项目。一旦你能证明这一点，就可以从那里进行扩展。”

尽管面临挑战，论坛中传达出一个清晰的信息：风险不是人工智能会取代工作，而是懂得如何使用人工智能的人可能会取代你的工作。鉴于新毕业生已将AI工具融入其技能体系，这一现实尤为明显。

提升人工智能素养已成为当务之急。与其将人工智能视为威胁，成功的企业正在赋予员工理解和使用AI工具的能力，让他们能够在日常工作中使用AI，确保他们成为人工智能革命的一部分，而非被其淘汰。

从人工智能概念走向现实的道路并不平坦，但专注于明确的应用场景、稳固的数据基础和适度的创新方法的澳大利亚企业已经开始释放实际价值。通过这样做，这些组织已经超越了炒作，然后可以专注于享受其在技术和创新上的投资所带来的成果。

是否有新闻线索要提供给我们的记者？

在此匿名分享给我们。

标签：
人工智能
布雷南
CFO
数据
创新
微软Copilot
合作伙伴内容

(以上内容均由Ai生成)

你可能还想读