最近，Appen 发布的2024年《人工智能状态报告》引起了广泛关注。这份报告基于对500多名美国 IT 决策者的调查，显示出生成式 AI 在过去一年中增长了17%。不过，伴随着这股增长潮流，企业在数据管理上却面临着不小的挑战。
Appen 的战略负责人 Si Chen 在采访中提到，随着 AI 模型的应用逐渐深入到更复杂和专业的领域，对数据的要求也水涨船高。光有数据是不够的，企业需要的数据不仅要准确、多样化，还得有清晰的标签，并且要符合特定的 AI 使用场景。
生成式 AI 的应用范围正在不断扩展，从 IT 运营到研发，企业纷纷利用这一技术来提高效率。不过，尽管这一领域呈现出蓬勃发展态势，AI 项目的投资回报率却在下降。
自2021年以来，成功部署的 AI 项目比例减少了8.1%，而那些能够带来可观回报的项目数量也下降了9.4%。这主要是因为现在的 AI 项目越来越复杂，许多企业开始尝试更具挑战性的生成式 AI 应用，这需要更高质量的数据支持。
另外，报告指出，数据质量问题也愈发严重。自2021年以来，数据的准确性下降了近9%。如今，86% 的企业每季度都需要更新模型，这对数据的准确性和多样性提出了更高的要求。为了解决这些问题，许多企业开始向外部数据提供商寻求帮助。
同时，数据准备成为了企业 AI 项目面临的最大瓶颈。随着生成式 AI 模型的复杂度加大，企业需要更长远的战略来确保数据的质量和一致性。此外，人工干预在这个过程中变得愈发重要，调查显示，80% 的受访者认为 “人机协作” 的机器学习至关重要。这种模式不仅有助于提升 AI 模型的性能，还能确保它们的伦理性和相关性。
划重点:
🌟 生成式 AI 在2024年实现了17% 的增长，企业在数据管理方面却面临不少困难。
📉 AI 项目的成功部署比例在下降，投资回报率也随之下滑。
🔍 数据质量问题日益严峻，企业亟需更高质量的数据以满足复杂 AI 模型的需求。
