2024年，企業平均在最大的單一生成式AI用例上花費了26億美金。
大約有70%的企業正在使用ChatGPT進行軟體開發活動，65%的企業正在聘用MSP來推動很多他們的生成式AI計劃。
投入資金最多的生成式AI用例是客戶服務聊天機器人，有53%的企業表示，這是他們的首要的生成式AI優先事項，而最常見的生成式AI用例則是IT測試自動化。
ISG最新發布的《生成式AI市場狀況》報告中公布了以上部分研究結果。
從企業對生成式AI解決方案的投資回報率ROI期望，到企業通過生成式AI實現的效率提升，再到企業面臨的五大生成式AI阻礙抑制因素，ISG這份最新的市場報告揭示了目前生成式AI的市場狀況。
ISG研究人員在報告中表示：「企業報告稱，他們預計到2025年在生成式AI上的支出將增加50%。您認為您的客戶服務聊天機器人會帶來競爭優勢嗎？在我們的研究中，有超過一半的參與者（53%）正在打造客戶服務聊天機器人。」
ISG的2024年生成式AI用例研究是從2024年8月開始進行的，調查對象包括來自10個地區主要行業的200多名專業人士（包括C級高管以及銷售、營銷、人力資源和融資領域的領導者）。
下面就讓我們來看看企業中最主要的生成式AI市場趨勢，每個渠道合作夥伴、供應商和客戶都需要了解這些趨勢。
2024年最常見和投資最高的企業生成式AI用例
投資最高的用例：
客戶服務聊天機器人：53%
視覺/音頻內容生成：41%
客戶服務支持：41%
業務流程工作流管理：32%
聯絡中心管理/監控：26%
最常見的用例：
IT測試自動化：43%
人力資源支持：35%
客戶溝通：33%
文檔創建：31%
IT安全：30%
ISG的生成式AI用例研究重點關注了全球2000家公司投資了哪些用例以及哪些用例獲得了最多的資金。
ISG的研究人員表示：「雖然生成式AI用例涵蓋了廣泛的業務領域，但資金最充足的五大領域中，有三個是專注於聯絡中心、效率提升和內容生成的。目前獲得最多資金的用例旨在提高效率和盈利能力，而不是增加收入。」
2025年最受歡迎的生成式AI用例
2025年新興用例數量最多：
市場研究/客戶洞察：18%
軟體代碼生成/翻譯：18%
規劃、預算和預測：17%
供應鏈優化：16%
監管文件/合規性：16%
2025年預期數量最多的用例：
客戶服務聊天機器人：28%
業務流程工作流管理：21%
客戶服務支持：19%
ISG表示，過去的研究強調收入增長是企業採用AI的首要目標這一重要性。但是，未來更高價值的用例將是那些不涉及HITL流程、讓企業能夠實現更顯著擴張的用例。
「2025年的新興用例將主要集中在增強專業知識方面。支持合規性、預測、市場研究、供應鏈規劃和軟體開發都是人類專業知識（而不是人類時間）可能成為限制因素的領域，」ISG的研究人員這樣表示。
企業預期的生成式AI投資回報率
企業預計將在2025年從當前的生成式AI項目中獲得預期投資回報率的很大一部分。
企業希望在生成式AI項目中獲得投資回報的五個主要領域包括：效率、創新、客戶服務、成本節約和業務增長。
結果顯示，大多數企業預計到2025年底將實現大部分的投資回報。很少有企業預計投資回報率會低於預期。
今年，企業在最大的單個生成式AI用例上平均花費了260萬美金，這些大企業預計到2025年在生成式AI上的支出將增加50%。
軟體開發是生成式AI的主要應用
IT部門開始利用生成式AI的強大功能來簡化運營、增強創新並優化IT基礎設施內的工作流程。
因此，軟體開發正在成為生成式AI最主要的應用，有70%的受訪者稱他們使用了ChatGPT進行軟體開發活動，33%的受訪者使用了GitHub CoPilot。
根據ISG的研究顯示，生成式AI可以讓生產率提高30%至42%。
用戶通過自動化預測洞察、促進穩健且抗錯誤的編碼實踐、以及提高軟體質量和安全性來提高生產率。AI驅動的分析簡化了利益相關者訪談和需求收集的過程，自動化工具則改進了系統架構和用戶界面的設計。
此外，AI助手支持代碼生成和錯誤修復，減少了手動工作量並提高了整體代碼質量。AI還可以生成和執行軟體測試用例並改進回歸測試。
生成式AI相關的資金如何使用？
關於生成式AI資金的使用情況，ISG的報告稱，有36%用於應用和軟體，包括軟體即服務。
其次有25%的資金用於人員，包括承包商和人員擴充。
大約有21%的資金用於了存儲和伺服器等基礎設施，其餘18%用於外包，例如支付託管服務費用。
企業已經實施的生成式AI應用數量：151
平均而言，企業已經實施了151個支持生成式AI的應用。
企業表示，他們預計到2025年底這一數字將增加到356個。
利用MSP與單獨實施
利用MSP：65%
單獨實施：35%
無論採用哪種方法，65%的企業都依賴某種形式的外部支持（託管服務提供商，即MSP）來實施他們的生成式AI計劃。
企業聘用MSP的主要原因包括看重他們的專業知識和知識，以及MSP的戰略管理和利用AI技術的能力，其他原因還有企業內部能力的限制，以及MSP的速度和時間效率。
約有35%的企業正在內部部署自己的生成式AI計劃。
企業自行部署的主要原因包括構建自己的內部資源和能力，同時還要構建專業的內部專業知識。企業不為生成式AI聘用MSP的其他原因還有出於成本考慮、數據隱私和安全、法規遵從性以及對定製的渴望等。
本地環境與公有云：在哪裡託管AI？
28%將在私有雲或本地環境中訓練大型語言模型
21%將購買GPU用於本地AI開發
在過去兩年中，AWS、微軟和谷歌雲等公有雲提供商已經成為AI工作負載的實際承運商。
雖然大多數企業都希望擴展AI能力並繼續增加雲規模，但也有很多企業正在尋找公有雲的替代方案。
約有28%的企業希望在私有雲或者本地環境中訓練大型語言模型。約有21%的企業將購買GPU用於本地AI開發。
ISG的研究人員表示：「公有雲提供商已經投入了數十億美金以期推動AI的大規模採用，而訪問的便利性使得在公有雲中配置這種AI就緒的基礎設施成為POC的一個輕鬆選擇。最近，私有雲提供商和小眾AI雲提供商正在進入這個市場，為企業提供更多安全性或性能選擇。」
AIOps使效率提高28%至50%
AIOps代表了一種管理和優化運營的變革性方法。
根據ISG的數據顯示，AIOps平均可使效率提高28%至50%，從而節省大量成本並提高基礎設施的性能。
ISG的研究人員表示：「通過任務自動化、預測問題和提供可操作的洞察，AIOps幫助企業主動管理IT環境、減少停機時間並提高整體性能。在基礎設施管理中實施AIOps，可以顯著節省生產力。通過監控和警報自動化、預測性維護以及資源規劃和優化，AIOps減少了對持續人工監督的需求。」
AIOps的三大優勢
AIOps的三大優勢之一，就是降低了勞動力成本。自動化和改進的預防性維護消除了勞動密集型任務，並為外包服務提供了更具競爭力的定價。
第二個關鍵優勢是增強了服務產品。AIOps支持實時數據分析和預測分析等高級服務，從而提高了提供商的服務質量。
第三個重要優勢是動態可擴展性和靈活性。AI驅動的需求預測和資源分配優化了可擴展性和對客戶需求的響應能力，從而降低了成本並改善了服務協調性。
生成式AI的五大阻礙因素
缺乏技能/專業知識：56%
數據隱私和安全：39%
遺留基礎設施和應用：39%
變更管理：35%
大型語言模型成本：33%
迄今為止，企業內實施生成式AI最常見阻礙因素就是組織內缺乏AI專業知識和技能。
與此密切相關的是，企業在招聘和留住具備必要AI技能的人員方面遇到了困難。
ISG的研究人員表示：「事實證明，企業很難在團隊中招聘或培養所需的AI技能，許多企業發現自己沒有能力應對這些複雜性，冒著意想不到的後果和負面影響的風險。」
