一项针对《财富》1000强人工智能和数据领导者的调查发现“技术乐观主义盛行”，97% 的组织认为人工智能总体上是有益的。调查显示：生成式AI在生产应用中快速增长。1.大规模投入生产的比例显著增加： 从去年的5%大幅跃升至24%。2.早期试点的比例也大幅提升：从25%增加到47%。3.仍在尝试的比例大幅下降：从 2024 年的70%锐减至 29%。
来源：Shutterstock
2025年人工智能和数据领导力高管基准调查显示，尽管人们对生成人工智能存在诸多担忧，但企业仍在继续探索这项技术并将其投入生产。
根据兰迪·比恩(Randy Bean) 和巴布森学院 IT 和管理学教授汤姆·达文波特 (Tom Davenport) 的研究，生成式人工智能在生产中的应用正在迅速增加。去年，只有 5% 的受访者表示他们已经大规模投入生产，而今年这一比例大幅上升至 24%。此外，早期试点的比例也从 25% 增加到 47%。相比之下，只有 29% 的受访者表示他们仍在尝试生成式人工智能，而在 2024 年的研究中，这一比例为 70%。
该研究调查了125 家财富 1000 强企业中 AI 和生成式 AI 的使用情况。首席数据官 (CDO)、首席数据和分析官 (CDAO) 和首席人工智能官 (CAIO) 共占调查受访者的 91%；4% 担任 CIO 或 CTO 头衔，3% 为高管。大多数 (85%) 在北美。
【睿观：兰迪·比恩 (Randy Bean) 和汤姆·达文波特 (Tom Davenport) 的研究，指出了生成式人工智能在生产应用中快速增长的趋势。数据清晰地展示了这一趋势：
1.大规模投入生产的比例显著增加： 从去年的 5% 大幅跃升至 24%。
2.早期试点的比例也大幅提升： 从 25% 增加到 47%。
3.仍在尝试的比例大幅下降： 从 2024 年的 70% 锐减至 29%。
这些数据有力地表明，生成式人工智能正从实验阶段迅速走向实际应用阶段。以下是睿观专业分析：
（一）技术成熟度和可用性的提高：
1.生成式AI 的底层技术，如大型语言模型 (LLM) 和扩散模型，近年来取得了巨大进步，性能更强、效果更好。
2.云计算平台的普及和AI 基础设施的完善，降低了企业部署和使用生成式 AI 的门槛。
3.越来越多的开源模型、工具和框架的出现，加速了生成式AI 的应用开发和推广。
（二）商业驱动力的增强：
1.企业面临着日益激烈的市场竞争，需要通过技术创新来提高效率、降低成本、创造新的产品和服务。
2.生成式AI 在内容创作、代码生成、数据分析、产品设计等方面的潜力，为企业带来了巨大的商业价值。
3.成功的案例和示范效应，推动了更多企业开始关注和尝试生成式AI。
（三）应用场景的拓展：
1.生成式AI 的应用场景正在不断拓展，从最初的文本生成、图像生成，扩展到代码生成、音频生成、视频生成、3D 模型生成等领域。
2.在制造业、金融业、医疗保健、零售业等各行各业，生成式AI 都展现出广泛的应用前景。
（四）风险和挑战仍然存在：
1.虽然应用速度很快，但生成式AI 仍然面临着一些挑战，例如数据偏见、模型可解释性、安全性和伦理问题。
2.企业在部署和使用生成式AI 时，需要充分考虑这些风险，并采取相应的措施加以应对。
兰迪·比恩和汤姆·达文波特的研究清晰地反映了生成式AI 在生产应用中的快速发展趋势。随着技术的不断进步和应用场景的不断拓展，生成式 AI 将在未来发挥越来越重要的作用，为各行各业带来深刻的变革。企业需要密切关注这一领域的发展动态，积极探索和应用生成式 AI，以保持竞争优势。
此外，生成式 AI 在制造业的应用也在快速增长，例如在产品研发设计、制造运营、供应链、营销和销售等方面都带来了巨大的业务价值。一些机构预测，到 2032 年，全球生成式 AI 技术在制造业的市场规模将达到数十亿美元。】
Bean和 Davenport 总结说，这些数据和人工智能领导者对生成人工智能的商业价值持积极态度，其中大多数人（58%）认为主要价值来自于生产力的提高或效率的提高。
尽管受访者承认人工智能给商业带来威胁，包括传播虚假信息或错误信息（53.2%）、道德偏见（19.8%）以及失业（4.8%），但96.6% 的受访者认为人工智能的总体影响是有益的。
一、谁运营人工智能？
至于CIO在运行AI中应扮演的角色，Bean在接受CIO采访时表示“在这方面Tom和我的观点可能存在一些分歧。”
他说，各组织对于AI 计划“属于业务方面还是技术方面”存在很大分歧。我的意思是，从历史上看，它属于技术方面，但随着技术的进步，越来越多的数据和 AI 领导者开始属于业务方面。我个人认为它应该属于业务方面。
“我们意见不同，因为他认为‘哦，数据人员应该是业务人员，而不是向CIO 汇报’，”Davenport 说。“如果 CIO 非常专注于业务转型，我认为让所有这些附属职能部门都向他或她汇报要好得多。”
但是，他补充道，“如果你是营销主管或类似的职位，你有一个技术计划，但你需要找四五个不同的技术领导来决定如何完成、需要做什么，我认为这是非常令人沮丧的，并会导致各种各样的问题。”
调查受访者的意见也存在分歧，36.3%的人表示数据和人工智能运营向业务部门汇报，47.2% 的人表示技术领导层掌握主导权，16.5% 的人表示他们有其他汇报关系，例如向转型领导层汇报。
【睿观：在企业中，人工智能（AI）运营应该由谁负责的问题，以及首席信息官（CIO）在其中应扮演的角色。
（一）两种主要观点：
1.Bean的观点：AI 运营应归属于业务部门。 他认为，虽然历史上 AI 属于技术范畴，但随着技术发展，越来越多的数据和 AI 领导者来自业务部门。他倾向于认为 AI 的驱动力应该是业务需求，因此应该由业务部门主导。
2.Davenport的观点：AI 运营应向 CIO 汇报，尤其是在 CIO 专注于业务转型的情况下。 他认为，如果 CIO 致力于推动业务转型，那么将所有相关职能部门（包括数据和 AI）都纳入其管辖之下，可以更好地协调资源、统一战略。他也承认，如果业务部门（例如营销部门）需要与多个技术领导沟通才能推进技术项目，会造成沟通障碍和效率低下。
（二）调查结果：
调查结果显示，受访者在AI 运营的归属问题上存在明显分歧：
1.36.3%的人认为向业务部门汇报。
2.47.2%的人认为由技术领导层主导。
3.16.5%的人认为有其他汇报关系，例如向转型领导层汇报。
（三）睿观专业分析理解：
企业在AI 治理方面面临的一个重要挑战：如何有效地整合业务需求和技术能力，以最大化 AI 的商业价值。
1.业务驱动vs. 技术驱动： Bean 和 Davenport 的争论核心在于 AI 应该是“业务驱动”还是“技术驱动”。“业务驱动”意味着 AI 项目的启动和方向应该由业务部门的需求决定，而技术部门负责提供技术支持。“技术驱动”则意味着技术部门拥有更大的自主权，可以根据技术发展趋势来推动 AI 应用。理想情况下，两者应该协同合作，但实际操作中常常出现权责不清的情况。
2.CIO的角色转变： 传统的 CIO 更多关注 IT 基础设施的维护和运营。然而，随着数字化转型和 AI 技术的兴起，CIO 的角色也在发生转变。越来越多的 CIO 开始承担更重要的战略角色，负责推动技术创新和业务转型。在这种情况下，将数据和 AI 纳入 CIO 的管辖范围，有助于更好地整合资源、协调战略、推动创新。
3.组织结构和文化的影响：AI 运营的归属问题也受到企业组织结构和文化的影响。在一些企业中，业务部门拥有更强的自主权和决策权，因此 AI 运营自然会归属于业务部门。而在另一些企业中，技术部门则扮演更重要的角色。此外，企业的文化也影响着不同部门之间的协作和沟通方式。
4.混合模式和协作的重要性：调查结果显示，没有哪一种模式占据绝对优势。这表明，最佳实践可能因企业而异。更重要的是建立有效的协作机制，确保业务部门和技术部门能够充分沟通、密切合作。例如，可以成立跨部门的AI 委员会或工作组，共同制定 AI 战略、规划项目、评估成果。
5.转型领导层的出现： 16.5% 的受访者表示 AI 运营向转型领导层汇报，这反映了企业在应对数字化转型和 AI 浪潮时，开始设立新的领导职位，负责推动跨部门的变革和创新。这些转型领导者通常拥有丰富的业务和技术经验，能够更好地整合资源、协调战略。
总结：AI运营的归属问题没有标准答案，最佳实践取决于企业的具体情况。关键在于建立有效的协作机制，确保业务需求和技术能力能够充分整合，以最大化 AI 的商业价值。CIO 在其中可以扮演重要的战略角色，负责推动技术创新和业务转型。同时，也需要根据企业自身的组织结构和文化，灵活调整 AI 治理模式。】
二、其商业价值是什么？
调查还发现，很少有公司会仔细衡量人工智能带来的生产率提升。Bean表示，他并不感到惊讶，因为“财富 1000 强企业中有 90% 都是传统企业，也就是说它们基本上是一代人或更老的一代。这些公司往往更加谨慎，不愿承担风险，因为这些公司拥有几代人甚至几百年甚至更久以来建立起来的庞大客户特许经营权。”
他补充道，“尽管我听到业内充满了热情，但每当我与首席数据官、首席人工智能官或任何这些公司的人会面时，他们几乎都会对我说，‘你知道，我们还处于早期阶段。’”
当被问及今年的调查结果是否令他感到惊讶时，达文波特表示，去年，生成式人工智能“似乎确实对组织的数据文化产生了巨大影响，表示‘我们是数据驱动的，我们有数据驱动的文化’的公司比例几乎翻了一番，甚至翻了一番还多。今年，这一比例回落到增幅的一半左右。我认为这开始表明，生成式人工智能本身并不能独自改变组织的数据文化。”
报告指出，接受调查的数据和人工智能领导者“也对genAI 的商业价值持积极态度。近一半（46%）的人表示，其商业价值要么已经很高，要么意义重大且在增长；另有 32% 的人表示，其商业价值“不高但正在增长”。大多数人（58%）认为，其主要价值来自“指数级的生产力增长或效率提高”。
然而，作者在《麻省理工学院斯隆管理评论》上发表的一篇关于该结果的文章中指出，“公司不应该如此轻信。很少有公司真正仔细衡量生产率的提高，或者弄清楚被解放的知识型员工如何利用他们的空闲时间。只有少数学术研究测量了 genAI 的生产率提高，而且即使测量了，他们通常也发现了一些改进，但不是指数级的改进。”
数据和人工智能领导力方面仍存在挑战。报告指出，随着组织数据和人工智能需求的快速发展，首席数据官这一角色“仍处于发展阶段”。首席数据官这一角色的特点是流动率高、任期短，而且不太为人所理解。尽管首席数据官作为组织变革推动者面临阻力，但大多数人认为这一角色正在朝着正确的方向发展。”
但报告指出，尽管存在这些挑战，“大多数组织（89％）相信人工智能将成为一代人的变革性技术，类似于互联网。”
【睿观：生成式人工智能（genAI）的商业价值，以及企业在衡量和实现这些价值时面临的挑战。
（一）主要观点和发现：
1.对genAI 的商业价值持乐观态度： 调查显示，近一半（46%）的受访者认为 genAI 的商业价值“已经很高”或“意义重大且在增长”，另有 32% 的人认为其商业价值“不高但正在增长”。大多数人（58%）认为其主要价值来自“指数级的生产力增长或效率提高”。
2.对“指数级”增长的质疑： 尽管普遍预期 genAI 会带来指数级的生产力提升，但作者在《麻省理工学院斯隆管理评论》上的文章中指出，很少有公司真正仔细衡量生产率的提高，而且已有的学术研究通常只发现了一些改进，而不是指数级的改进。
3.数据文化的影响： 去年，认为公司是“数据驱动的”比例大幅上升，但今年有所回落。这表明 genAI 本身并不能独自改变组织的数据文化。
4.首席数据官（CDO）角色的挑战： CDO 的角色仍然处于发展阶段，面临着流动率高、任期短、不太为人所理解等挑战。尽管面临阻力，但大多数人认为 CDO 的角色正在朝着正确的方向发展。
5.对AI 的长期信念： 尽管存在各种挑战，但大多数组织（89%）仍然相信 AI 将成为一代人的变革性技术，类似于互联网。
（二）睿观专业分析理解：
企业在应用genAI 时普遍存在的矛盾心态：既对其巨大的潜力充满期待，又对其商业价值的实际衡量和实现感到困惑。
1.衡量商业价值的困难： 衡量genAI 的商业价值并非易事。传统的生产力衡量方法可能不适用于 genAI 带来的新型工作方式和创新。例如，如何衡量内容创作速度的提升？如何衡量通过 genAI 发现的新洞察所带来的商业价值？企业需要开发新的衡量指标和方法，才能更准确地评估 genAI 的投资回报率。
2.“指数级”增长的迷思： 许多人对genAI 抱有不切实际的期望，认为它会自动带来指数级的增长。然而，技术本身并不能创造价值，只有将其有效地应用于解决实际问题，才能实现商业价值。企业需要根据自身的需求和情况，制定合理的 genAI 应用策略，并进行持续的优化和改进。
3.数据文化的重要性：genAI 的有效应用离不开良好的数据基础和数据文化。如果企业的数据质量不高、数据管理不善，或者缺乏数据驱动的决策文化，那么即使拥有最先进的 genAI 技术，也难以发挥其应有的作用。因此，企业需要加强数据治理、提高数据素养，为 genAI 的应用奠定坚实的基础。
4.CDO的关键作用和挑战： CDO 在推动企业的数据战略和 AI 应用方面扮演着关键角色。然而，CDO 的角色仍然面临着诸多挑战，例如权责不清、资源不足、难以获得高层支持等。企业需要重视 CDO 的角色，为其提供必要的资源和支持，并明确其职责和权限，才能更好地发挥其作用。
5.长期信念与短期挑战的平衡： 尽管面临诸多挑战，但企业对AI 的长期信念仍然坚定。这表明企业认识到 AI 的巨大潜力，并愿意为此进行长期投资。然而，企业也需要正视短期内的挑战，制定切实可行的实施计划，并进行持续的监控和调整。
6.传统企业的谨慎态度： “财富1000 强企业中有 90% 都是传统企业”，这些企业更加谨慎，不愿轻易冒险。这说明 genAI 的推广和应用也面临着来自企业文化和组织结构的阻力。传统企业需要进行文化转型，拥抱创新，才能更好地适应 AI 时代的发展。
总之，genAI具有巨大的商业潜力，但企业在衡量和实现这些价值时面临着诸多挑战。企业需要制定清晰的 genAI 战略，建立健全的数据文化，重视 CDO 的作用，并平衡长期信念和短期挑战，才能更好地利用 genAI 推动业务发展。同时，也需要避免对“指数级”增长的盲目乐观，以务实的态度看待 genAI 的应用和发展。】
