在 AI竞赛中把控自身节奏：2024年 IT

Symposium/Xpo 峰会主旨演讲洞察

2024 年 10 月 21 日 - ID G00822215 - 阅读全文约需 27 分钟

作者：分析师 Mary Mesaglio, Hung LeHong

核心议题：CIO创新领导力

CIO们正引领企业投身一场 AI竞赛，致力于在确保安全的前提下，更高效地部署 AI技术。本报告基于 2024 年 IT Symposium/Xpo 峰会主旨演讲的关键洞察，帮助您在AI竞赛中为企业精准定位战略，以便您能够为组织实现理想的业务、技术和行为成果。

概述

主要结论

人工智能（AI）的不断发展和数据来源的持续增加，要求首席信息官（CIO）必须提供安全的AI成果。您需根据企业战略目标，在“稳健模式”或“加速模式”中选择适当路径，高效推进下列成果的实现：

■ 业务成果：利用AI提升员工生产力，优化业务流程，并以合理的成本实现对商业模式的颠覆性改进。

■ 技术成果：确保企业数据安全和 AI治理能力，同时保持足够的技术灵活性以抓住新机遇。

■ 行为影响：在AI重塑员工任务、角色和生活的过程中，通过积极引导和精细管理，最大化AI对员工的正向影响。

建议

■ 实现业务成果：通过找到企业的核心生产力领域，确保生成式 AI（GenAI）在提升员工生产力方面发挥最大效益。更成熟的企业应将目标扩展到生产力之外，推动创收等更高层次的业务成果。

■ 应对AI成本波动：深入了解 AI部署成本。更成熟的企业应制定概念验证方案预测成本增长趋势，并实时监控 AI成本动态。

■ 实现技术成果：利用 AI技术框架整合数据与 AI资源，并融入信任、风险与安全管理（TRiSM）实践。更成熟的企业应通过 TRiSM技术实现AI政策的机制化。

■ 管理行为成果：通过明确责任分工，与员工共同设计适配 AI部署的新角色。更成熟的企业应将行为学专家纳入团队，特别是在尝试代理型 AI时。

战略规划假设

预计到2026年，超过80%的独立软件供应商将在企业应用中嵌入生成式 AI功能，而2024年这一比例还不足 5%。

介绍

AI领域的两场竞赛已然展开。

第一场竞赛中，科技供应商争相推出创新产品，市场充斥着被过度营销的嵌入式 AI技术。平均每2.5天便有一个新的生成式 AI前沿模型问世。1

作为CIO，您无需参与供应商间的技术竞赛，也无需追逐每项最新的 AI技术以抢占先机。但您正身处另一场至关重要的竞赛：以安全为前提，实现规模化的 AI成果交付。

这场AI转型竞赛至关重要，因为 CEO们对AI的战略价值寄予厚望。根据 Gartner于2024年中期发布的《CEO与高级业务主管调研》，74%的CEO认为 AI是对其行业影响最大的技术。这一比例较 2024年初的59%和2023年的21%有显著提升。2

而 CEO 们主要依赖 CIO 推动 AI 战略成果。Gartner 2024 年 AI 调研显示，57%的CIO被明确指定为企业 AI战略的领导者。3

然而，CIO们也深刻体会到推进 AI部署的挑战：47%的受访CIO表示，目前的 AI投资未能实现预期回报。3尽管AI被寄予提升生产力和业务效益的厚望，但实际成果往往低于预期，甚至可能引发重大风险及不可预测的成本增长，以及造成员工行为变化，从而对企业产生负面影响。

根据Gartner新兴技术成熟度曲线，生成式AI正处于“期望膨胀期”，并将很快滑入“泡沫破裂低谷期”（详见《2024年新兴技术成熟度曲线》）。

作为CIO，您既要应对AI供应商的持续宣传，又需直面成果交付的艰难现实。这种双重压力可能让您游走于希望的“高峰”和考验的“低谷”之间。

无论您是否明确负责企业 AI战略的实施，您都需要全力推动三类关键成果的实现：

业务成果

技术成果

行为影响

幸运的是，您可以主导参与这场 AI竞赛的节奏。本研究分析了 CIO可以选择的两种推进策略：

■ AI稳健模式。此模式适合目标相对保守且尚未受到 AI颠覆性影响的企业。对于公共部门、受严格监管的行业，以及资源有限的中小型企业，这种注重风险规避、稳步推进的节奏尤为契合。

■ AI加速模式。此模式适用于拥有宏大 AI战略或处于行业颠覆前沿的大型企业或创新型公司，特别是致力于通过 AI获取竞争优势的机构，通常选择这种加速节奏以迅速抢占先机。

Gartner.

让我们探讨如何根据您的 AI战略，助力企业实现理想的业务、技术与行为成果。

作为 CIO，您正带领企业参与一场 AI竞赛。无论选择何种部署模式，您都必须确保交付相应的业务、技术成果和行为影响，以推动企业未来发展。

分析

实现AI战略的业务成果

您可以根据企业的AI战略目标选择更为适合的部署模式：

■ 如果您的目标是利用 GenAI提升员工个人生产力，可以选择 AI稳健模式。

■ 如果您的目标不止于提升个人生产力，而是优化整个企业的业务成果，则应选择AI加速模式。

利用 GenAI，最大化提升员工生产力（AI稳健模式）

通过GenAI 提高员工生产力并非易事。Gartner 2024年《GenAI对数字工作场所的影响》调研结果显示，98%的技术领导者表示员工渴望尝试使用 GenAI工具，但72%的员工发现难以将其融入日常工作。4

为智能化提升员工生产力，需鼓励员工持续采用 GenAI工具。Gartner《2024年数字员工调研》结果显示，每周至少使用一次 AI工具的员工平均每周可节省 3.6小时的工作时间。5

并非所有员工都能均等地从 GenAI工具中获益。AI对生产力的提升取决于职能的复杂性及员工的经验水平（详见《谁能从GenAI中获益最多？》）。

来源：Gartner

对于低复杂性角色，GenAI的价值在于帮助经验不足的员工提升生产力。例如，针对呼叫中心的客服岗位，经验较少的员工对常规任务的熟练度较低，可通过 GenAI显著提升效率。相比之下，经验丰富的员工已掌握任务细节，因而受益有限。

对于高复杂性角色，GenAI的核心作用是为经验丰富的员工增强能力。如资深软件工程师和律师等职业，其清晰的专业判断力使他们能够高效评估和验证 GenAI的输出，从而显著提升生产力。相比之下，经验较少的员工由于尚未建立成熟的判断标准，受益相对有限。

通过识别企业的核心生产力领域——即 GenAI 能带来最大收益的领域，

您可精准部署GenAI，最大化其业务影响（见图 1）。

图1：核心生产力领域
核心生产力矩阵

像管理投资组合一样管理 GenAI的多重价值（AI加速模式）

如果采纳AI加速模式，CIO需要利用GenAI推动多重收益的实现，除生产力提升外，还包括新增收入、降低损失、优化客户体验以及增强业务可持续性。

Gartner 2024年AI技术调研显示，CIO们为企业制定的 GenAI应用项目聚焦以下三类业务成果：

个人生产力提升（占比 50%）：例如，通过 GenAI生产力工具赋能员工，实现效率突破。
运营与流程优化（占比 30%）：例如，推进关键业务流程自动化，或重新设计岗位以支持人智协同。
业务层面的变革性创新（占比 20%）：例如，开拓全新收入来源，或重新定义企业的核心价值主张。3

为实现上述目标，您需要像管理投资组合一样管理 GenAI应用项目。让部分项目专注于提升员工能力，部分用于提高传统投资回报率，例如围绕 GenAI重新设计业务流程。剩余项目则应以GenAI为核心，推动业务模式创新。

在此过程中，您应合理分配各类目标的投资比例，并平衡整个投资组合的风险与回报。

应对 AI成本波动

由于GenAI部署成本波动性较大，非常容易失控。Gartner预计，如果未能准确评估GenAI部署成本，您的预算可能会出现高达 5倍到10倍的误差（详见 Gartner工具包《AI与GenAI成本计算器》）。

Gartner专家认为，短期内 AI成本可能造成与 AI幻觉或安全漏洞同样显著的风险。

CIO们已经在AI领域投入大量资金。据 Gartner 2023年企业AI趋势调研，该财年，已部署GenAI的企业仅在概念验证阶段的平均支出就高达 230万美元；其中，小型企业平均支出为30万美元，而大型跨国企业则为 290万美元。6

而部署成本还将持续上升。目前，技术供应商的产品定价已最高上涨 30%。7Gartner预计，到2027年，由于 GenAI产品定价和打包方式的变化，大多数企业应用的成本将至少增加40%。

无论您选择何种 AI部署节奏，必须全面了解 AI部署成本及其构成，主动寻求成本优化策略，并通过与供应商的谈判有效控制支出（参见《通过价格谈判避免 AI与GenAI成本飙升》）。

如果您选择 AI加速模式，需持续监控成本，并深入了解不同的定价模型。例如，使用API结合自有Web前端，可能比购买打包的 GenAI产品更具有成本效益。

为充分挖掘潜在收益并有效管理成本，应通过概念验证评估成本增加的风险。仅证明技术可行且员工接受度高尚不足够，您还需通过概念验证评估 AI工具的实际价值，权衡收益与成本增长之间的平衡。

实现 AI战略技术成果

作为CIO，您需构建支持 AI部署的技术基础设施，以有效控制成本并推动业务价值的实现。然而，由于AI和数据在企业中的广泛应用，它们不再仅仅是 IT部门集中管理的资产，这使得实现技术成果的复杂性显著增加。

AI和数据现已深度渗透到企业的各个层面，因而您需要转变管理思路以有效管理这些资产。

充分挖掘多元化数据资源

GenAI能够从各类结构化和非结构化数据中提取价值。

对于拥有数据湖和集中式结构化数据的企业，GenAI可以直接从这些数据源中挖掘深刻洞察。然而，非结构化数据（如电子邮件、录音、演示文稿等）同样能通过 GenAI释放新价值，而这类数据占企业整体数据的 70%-90%，因而蕴藏着巨大的机遇。8

尽管潜力巨大，GenAI也带来了新的挑战。特别是 GenAI模型可访问各类数据，包括敏感信息和个人可识别信息。无论选择何种 AI部署模式，安全高效地管理非结构化数据的访问权限，始终是核心任务之一。

尽管GenAI有望减少传统的数据移动、转换和结构化需求，CIO仍需确保高效整合结构化与非结构化数据，构建统一的数据管道和编排流程（参见《指南：通过数据 AI就绪实现AI战略目标》）。

Allstate好事达保险：利用无处不在的数据驱动创新解决方案

Allstate. 当车祸发生时，您会立即联系保险公司，通过电话或应用程序描述事故，提供照片、视频及警方报告等信息。

过去，Allstate技术解决方案将这些数据迁移、清理、标注并结构化，为机器学习模型提供数据基础，从而确保事故准确分类，迅速处理理赔。

Allstate 如今采取了截然不同的方法。Allstate 执行副总裁兼 CIO Zulfi Jeevanjee 表示，他们选择将数据保留在源头——即原始数据所在的位置。公司利用 GenAI直接对通话记录、照片等非结构化数据进行解析，并将其与结构化的保单数据结合，完成事故的自动分类。

为提高准确性，员工也积极参与其中，通过向 GenAI提问，深入挖掘数据中的关键信息，类似于向客户询问事故细节。

通过这种方式，Allstate不仅实现了原地管理非结构化数据的能力，还将 GenAI解析的数据与结构化数据相结合，获得深入洞察与精准分析。

利用无处不在的智能

我们已从AI稀缺的时代迅速转向 AI过剩的时代，AI模型和应用已广泛渗透各行各业。

根据Gartner 2024年AI趋势调研，CIO们表示他们部署的 AI能力主要分布于以下三大类：9

■ 嵌入式 AI （43%）：由软件供应商为企业应用程序集成的 AI功能。嵌入式 AI是AI功能中规模最大、增长最快的类型。Gartner预测到2026年，超过 80%的独立软件供应商将在其企业应用中嵌入 GenAI功能，而 2024年这一比例尚不足 5%。

■ 企业自建 AI（35%）：企业内部软件工程和数据与分析（D&A）团队构建的集中式AI功能。

部门自备 AI（BYOAI，22%）：企业各部门采购并部署的 AI软件与功能。

作为CIO，您需要采纳多层次的技术架构，以有效支持集中式和分散式的 AI管理。

您仍需依赖IT及数据与分析团队提供的集中式数据和 AI基础设施，即经典的“自下而上”技术栈。然而，随着需求变化，您还需构建一个顶层架构，将各部门（如市场、人力资源等）的数据与 AI能力进行无缝集成。

换句话说，您需要构建一个“AI三明治架构”。

图2展示了如何有效整合核心元素，打造 AI三明治架构。更多详情，请参阅《AI三明治架构：AI落地的概念框架》。

来源：Gartner

图2：AI三明治架构

AI三明治架构

在 AI三明治架构中构建 TRiSM层

为了安全、可靠地交付 AI成果，架构中必须集成信任、风险与安全管理（TRiSM）层。作为AI三明治架构的核心部分，TRiSM层是 GenAI治理与监管的“关键支撑”。所有AI模型与应用，无论其来源，都需经过 TRiSM层的审查与管理。

构建TRiSM层的策略取决于您期望的战略推进速度。

通过治理委员会制定和落实 TRiSM实践（AI稳健模式）

您需要组建：

负责AI安全的负责任 AI与伦理治理团队

■ 管理需求的中央AI委员会（明确AI需求来源与供应方）

■ 实践社区，用于知识共享与资源整合

如果您的AI项目数量不超过 10个，上述TRiSM实践通常足以满足需求。

然而，当AI项目超过 10个时，仅依赖传统的 TRiSM实践已不再足够。传统的人力治理委员响应速度较慢，且可靠性不足，难以确保实时、安全地交付 AI成果。此时，您需要采用编程化手段强化 TRiSM实践（详见《AI部署：治理与风险管理》）。

利用TRiSM技术将 AI政策机制化（AI加速模式）

TRiSM技术作为“守护代理”，能够防止AI访问敏感数据，检查并过滤不当输出，阻止不合规或伦理敏感的内容。

此类技术为每一项AI应用提供必要的安全防护，确保 AI部署在企业内安全扩展。

随着TRiSM技术市场的快速发展，其复杂性也日益增加（详见《生成式 AI的信任、风险与安全管理创新指南》）。正如下文所述，AI代理正日渐崛起。这些经过训练的代理能够有效审查AI行为，强化AI治理能力。

西北太平洋国家实验室的安全守护代理

西北太平洋国家实验室的首席数字官 Brian Abrahamson分享了他们如何开发并训练 AI代理，将其作为研究助手使用。例如，当其他AI工具生成研究内容时，这个 AI守护代理会自动审核每个脚注的准确性、适当性和合规性。

如何构建 AI三明治架构

作为CIO，您需要在混乱而蓬勃的 AI时代中保持清晰的战略方向，并抓住新兴机遇。

如果您选择稳步推进AI项目，构建AI三明治架构的过程将是渐进式的，您将从采用供应商推荐的标准化解决方案开始，逐步优化架构。

然而，如果您选择加速部署 AI应用，您将需要迅速制定并实施定制化的 AI三明治架构，以确保快速交付可观成果。尽管在初期需要依赖供应商提供的功能，最终您需要超越供应商打造的生态系统，全面推进企业的 AI战略目标和数字化转型。

每个企业的AI三明治架构都需量身定制。您可以参考以下三种典型模式着手打造该架构：

■ 打包采购的三明治架构。这一架构融合了两类 AI：来自软件升级和附加组件的嵌入式AI，以及来自业务部门的自备 AI（BYOAI）功能。同时，加入一层 TRiSM技术以确保供应商合规性。此模式适合没有庞大 AI团队的中型企业。

■ TRiSM增强型三明治架构。此类架构的核心特点是强大的 TRiSM技术层和治理实践，更加依赖集中化数据。它结合了自建 AI和嵌入式AI功能，但对 BYOAI的使用进行严格控制，以降低潜在风险。TRiSM增强型三明治架构适用于公共部门或受严格监管行业的企业。

■ 豪华型三明治架构。此类架构集合了所有要素：由数据科学和工程团队打造的大规模AI功能、大量的 BYOAI和嵌入式AI技术、强大的TRiSM支持，以及跨部门的数据整合能力。豪华型三明治架构适合实力雄厚、将 AI作为核心竞争力的大型企业。

图3展示了三种典型的 AI三明治架构

图3：三种典型的AI三明治架构

Gartner

管理AI的行为影响

随着AI从工具转变为团队伙伴，员工对 AI的强烈反应不可避免。

一些员工可能对AI产生亲近感，而另一些则可能感到反感或受到威胁。根据 Gartner2023年HR技术员工体验调研，只有 39%的员工相信其组织所采用的 AI解决方案能够带来公平的结果。10

这些情绪反应可能引发意想不到的行为后果，进而影响员工职场表现，例如嫉妒使用AI的同事、过度依赖 AI工具，甚至与AI聊天机器人建立情感依赖。

然而，许多企业未能有效管理这些行为影响。根据 Gartner 2024年AI趋势调研，只有21%的CIO关注缓解 AI对员工工作潜在的负面影响，且仅有 20%的CIO关注AI对员工福祉的影响。3

第13页，共22页

您必须像管理技术和业务成果一样，严格管理 AI的行为影响。

如果您选择稳步推进AI部署，则需将变革管理策略的重点放在员工行为的管理上。明确划分责任，确保AI行为影响得到有效控制，避免无意间产生负面后果。

作为变革管理的新策略之一，您需要与员工合作，重新定义他们的职责，共同打造 AI赋能的员工体验。对于那些直接受 AI影响的员工而言，这一举措尤为必要。

Vizient 如何管理 AI 的行为影响

vizient.

作为美国最大的会员制医疗保健服务公司，Vizient的战略目标是成为AI驱动型企业。为此，Vizient深刻意识到，员工必须与企业共同迈向 AI转型。公司设立专门职位，

与员工紧密合作，评估 AI对其任务、角色及日常工作的潜在影响。

以 Vizient 的软件工程师 Sam 为例，使用 GitHub Copilot 后，他的工作效率得到了显著提升。公司主动与 Sam沟通，探讨AI应用可能带来的变化。Sam意识到，自己的工作重心将从编码转向问题解决和质量控制。

他的身份将从“编码员”变为“增效者”，这一转变引发了他的自我反思：这是否是他所期望的工作方式？他是否具备必要的技能来适应这一变化？在 Vizient与员工共同设计新职责的过程中，必须解决这些关键问题，以确保 AI转型的顺利实施。

更多详情，请参见Gartner案例研究：《以人为本的生成式 AI战略》。

在重新设计员工角色时，核心任务是利用 AI去除日常工作中的繁琐事务。通过减少琐碎任务，您不仅能提高生产力，还能显著提高员工参与度、产品质量及客户体验。

反之亦然。如果未能充分关注行为影响，AI可能会被错误应用于员工热衷的创造性工作，反而将繁重而乏味的任务留给他们，导致负面后果。

natura如何利用 AI简化繁琐任务

natura 拉丁美洲 CIO Renata Marques 表示，公司为其在拉美地区的350万名美容顾问开发了一款 AI驱动的应用程序。顾问们可以通过自然语言提示，轻松完成信用额度调整、付款处理及订单查询，避免了联络呼叫中心、遭遇忙线的麻烦。

通过这一举措，巴西地区 80%的相关业务实现了自动

化，人工干预需求大幅降低，成本降低了 30%，净推荐值（NPS）也突破了 80分。

借助 AI，natura的美容顾问从繁重的行政任务中解放出来，能够将更多的精力和热情投入到与客户建立信任关系上，这也是他们最核心的职责所在。

如果您正在稳步推进AI应用，请务必明确您期望在员工、客户和公众中引发的行为反应，并避免负面影响的产生。然后，像管理技术与业务成果一样，精确跟踪并衡量这些行为影响，从而优化您的变革管理策略。

为 AI代理的崛起做好准备（AI加速模式）

对于加速AI部署的企业，其远大目标可能会将公司带入前所未有的 AI应用场景。

“代理型AI”的兴起将带来全新的情境（详见《创新洞察：AI代理》）。AI代理不仅能提醒您参加会议，甚至还能代替您出席会议。而且，AI代理不仅会提供选项，在您授权的情况下，它们还能为您做出决策。

针对实际业务，AI代理的功能可能会进一步扩展，涵盖起草招标书（RFP）和采购协议、评估响应，甚至承担其他关键决策任务。例如，通过触发和衡量情感反应（如共情、愤怒、信任和挫败感），AI正在推动“软科学”向更加精确和数据驱动的方向发展。

Hippocratic AI 如何将 AI 代理引入医疗保健领域

HippocraticAl 一DoNoHarm

目前，一些医院正在试用 Hippocratic AI 提供的虚拟 AI代理。该公司是一家位于加利福尼亚州帕洛阿尔托的大语言模型提供商。

这些AI代理能够主动联系患者，帮助他们为手术做好准备，并在治疗后进行必要的回访。医院可以根据需求定制 AI代理的语气。有时，语气较为直接，例如提醒患者按时服药；有时，则采用更具关怀的语气，如在患者康复期间进行回访。

患者可根据与AI代理的互动体验进行评分，评估的问题包括：

■ 您是否感到被认真倾听？

■ 您是否愿意与AI代理沟通？

■ AI代理是否能够理解您的个性与需求？

随着代理型AI的兴起，您在引入技术时，必须同样注重对“人性”的考量。您的企业不仅需要智能工具，也需要人类专家。

如果您正在加速 AI部署，应考虑将行为科学家、伦理学家、神经科学家及社会心理学家等专业人士纳入团队。

要点：确定 AI部署节奏和关键行动事项。

目前，大多数CIO正稳步推进 AI部署。如果您的行业尚未受到 AI的颠覆性影响，且企业对AI的需求较低（例如 AI项目少于10个），则可以选择稳健推进 AI战略。

若选择这种模式，您应当：

将提升员工生产力作为主要目标。

■ 全面了解AI相关成本。

依赖供应商构建稳固的 AI三明治架构。

Gartner.

■ 制定作为核心治理框架的 AI政策。

将“人”置于AI变革管理的核心位置。

如果您的行业正经历AI引领的的深刻变革，且企业目标是成为 AI驱动型企业，同时拥有超过10个AI项目，您需要加速 AI部署的步伐。

在进入 AI加速模式时，除了完成上述基本任务外，您还需要：

■ 寻求除了提升生产力以外的 AI驱动价值，例如提升公共成果或推动收入增长；

■ 实时跟踪AI成本，对其投入与产出进行验证；

■ 构建量身定制的AI三明治架构；

通过TRiSM技术将 AI政策机制化，确保合规性和透明性；

■ 大胆创新，积极探索代理型 AI的潜力。

这些举措将为您的企业在 AI竞赛中提供强有力的竞争优势。

依据

1Gartner于2024年7月25日下载并分析了斯坦福“以人为本AI研究院”生态系统图数据库的数据，涵盖的时间范围为 2023年1月 1日至2024年7月25日。

2Gartner 2024年中期 CEO与高级业务高管调研。本次调研于 2024年 6月至 7月间进行，共有110位在职 CEO及其他高级管理人员参与。所有受访者均经过严格筛选，确保其所在企业年收入超过 5000万美元。样本按角色分布如下：CEO（88人）、CFO（9人）、COO或其他C级高管（7人）、董事长、总裁或董事会成员（6人）。按地区划分，样本包括：北美（42人）、欧洲（37人）、亚太（24人）、拉丁美洲（3人）、中东（1人）和南非（3人）。按所在公司规模划分，样本包括：年收入 5000万至2.5亿美元（10人）、2.5亿至 10亿美元（25人）、10亿至 100亿美元（46人）、以及 100亿美元及以上（29人）。

3Gartner 2024年 AI趋势调研：CIO与技术领导者视角——第二阶段。作为第一阶段的延续，本次调研旨在深入探讨 CIO和技术领导者对于 GenAI项目的核心关注点，并评估其企业中AI/GenAI的数据架构及应用现状。该调查于 2024年7月在线进行，覆盖307名受访者，其中 213位为CIO，94位为其他技术领导者。受访者来自：北美（133人）、欧洲、中东和非洲（123人）、亚太和大洋洲（41人），且涉及多个行业领域。

4Gartner 2024年调研：GenAI对数字工作场所的影响。本次调研旨在评估 GenAI助手在主流数字化工作场所中的生产力价值，特别是其在提升员工生产力和工作效率方面的潜力。调研于2024年5月16日至6月12日进行，共有152位IT领导者参与，其中 61 位为 Gartner 研究圈（Research Circle）成员，91 位受访者通过 LinkedIn 链接和客户邀请参与。受访者的地理分布为：欧洲、中东和非洲（94人）、北美（46人）、亚太（10人）及拉丁美洲（2人）。在 152名受访者中，132人主要负责将Microsoft 365 Copilot引入企业，并在相关决策和管理过程中发挥了关键作用。其中一部分受访者正在其所在企业进行 Microsoft Copilot的试点应用，另一部分已经完成试点工作。其余20名受访者则专注于 Copilot以外的生成式 AI助手，如 GoogleWorkspace 专用 Gemini、Salesforce Slack AI 和 Zoom AI Companion。

5Gartner 2024年数字化员工调研。本研究旨在分析员工对技术和工作场所体验的看法。调查于2024年4月至7月在线进行，涵盖 5141名受访者，分别来自美国（1121人）、澳大利亚（1086人）、印度（996人）、英国（973人）和中国（965人）。所有受访者均为全职员工，所在企业均拥有不少于 100名员工，且在日常工作中广泛使用数字技术。受访者年龄范围为 18至74岁，数据采集经过年龄、性别、地区和收入的配额与加权处理，确保调研结果能够准确反映各国工作人口的情况。研究中所称“数字技术”包括用于通信、信息获取及提升工作效率的技术设备（如笔记本电脑、智能手机、平板电脑）、应用程序及网络服务的各类组合。

62023年 Gartner企业 AI趋势调研。本研究旨在分析成功实施 AI战略的关键因素，并评估GenAI对广泛AI应用的影响。调研于 2023年10月19日至12月21日在线进行，共有703名受访者参与，其所在企业位于美国、德国和英国。主要样本为 645家企业，这些企业需已部署至少两个 AI项目，或计划在未来三年内实施至少两个 AI项目。受访者必须为企业领导层成员，或直接向企业领导层汇报工作。在 703个样本中，还有58个商业智能（BI）样本，这些企业需已部署或计划部署至少一个 AI项目。受访者必须为企业领导层成员，或直接向企业领导层或以上级别（如高管）汇报工作，并主要负责企业的商业智能相关工作。无论是主要样本还是 BI样本的受访者，均需高度参与至少一个 AI项目，且主要负责AI相关职能，包括AI战略目标设定、AI项目价值衡量或项目制定与执行。为了确保样本的代表性，主要样本按公司规模和行业进行配额分配，而BI样本未设配额。

7SAP思爱普2023年第二季度财报电话会议记录，雅虎财经发布。

82024 年 8 月 20 日 Gartner IT 领导者网络研讨会投票结果。

92024年 Gartner AI趋势调研：CIO与技术领导者视角——第一阶段。本次调研旨在评估CIO与技术领导者对 AI的态度与认知，并探讨企业针对 AI发展动态所采取的应对措施。调查于2024年6月至7月期间在线进行，共有 708名受访者参与，其中包括314名CIO与394名其他技术领导者。受访者来自多个地区，具体分布为：北美（329人）、欧洲、中东和非洲（253人）、亚太（89人）及大洋洲（37人），覆盖广泛的行业领域。

102023年 Gartner HR技术员工体验调研。本研究旨在评估员工对 75项技术和创新的反馈，涵盖七个人力资源子职能。评价指标基于技术在企业中的采纳水平、对当前员工绩效的影响以及对未来绩效的预期作用。调查于 2023年10月10日至 11月7日在线进行，共有3477名受访者参与，涵盖了来自不同地区、行业和职能部门的样本。本次调研由Gartner的人力资源实践研究团队设计与开发。

Gartner.

免责声明：上述调研结果不代表全球结论或整个市场，仅反映受访者和受访公司的情绪。

免责声明：本研究中所提及的企业仅为示例，未涵盖该行业或其他相关领域的所有企业，亦不构成Gartner对这些企业或其产品的任何形式的认可或推荐。

作者推荐报告

以下部分文档可能不包含在您当前的Gartner订阅范围内。

《生成式AI的信任、风险和安全管理创新指南》

《谁能从GenAI中获益最多？》

《通过价格谈判避免AI与GenAI成本飙升》

《2024新兴技术成熟度曲线》

《Gartner 工具包：AI 和 GenAI 成本计算器》

《创新洞察：AI代理》

© 2024 Gartner, Inc.及/或其关联公司。保留所有权利。Gartner 是 Gartner, Inc 及其关联公司的注册商标。未经Gartner事先书面许可，严禁以任何形式复制、分发或传播本出版物的内容。本出版物中包含Gartner研究部门的观点，但不应被理解为事实陈述。本出版物中的信息来源于可靠渠道，但Gartner不对其准确性、完整性或适用性作出任何保证。Gartner研究可能涉及法律及财务问题，但Gartner并不提供法律或投资建议，亦不得将 Gartner研究成果作此用途。访问和使用本出版物时应遵守《Gartner使用政策》之规定。Gartner以其观点独立性与客观性而蜚声业界。所有研究项目均由公司研究部门独立完成，不受任何第三方影响。如需更多信息，敬请参阅《独立性和客观性指导原则》。Gartner研究不得用作生成式人工智能、机器学习、算法、软件或相关技术的培训或开发知识。

第20页，共22页

Gartner｜G00822215

可行的客观洞察

为您的部门获得成功做好准备。探寻为 IT领导者提供的其他免费资源和工具：

电子书

《使用 AI 机遇雷达图识别并确定AI机遇》

提高企业机构 AI应用程度，抓住人工智能机遇。

电子书

《生成式 AI时代下科技产品的重要发展机遇》

采取关键行动以推动业务增长，提高客户价值。

即刻下载

电子书

《人工智能战略规划工具》

制定全面的人工智能战略，为您的企业创造价值。

即刻下载

您已经是 Gartner客户？您可在客户门户网站上获得更多的资源登录

网络研讨会

从原型到落地：中国生成式人工智能的三个不容忽视的优先事项

了解中国企业在生成式人工智能的规划到落地的三个关键事项。

立即观看

联系我们

获得可行、客观的洞察，做出明智的决策，履行您关键任务的优先事项。联系我们成为客户：

成为客户

点击了解更多关于 Gartner网络安全领导者的相关信息

gartner.com/cn

持续获得最新洞察

2024年在AI竞赛中把控自身节奏洞察报告