7月22日消息（艾斯）市场研究公司Omdia的人工智能（AI）团队最近发布了关于企业AI采用情况的最新调查结果。这份分析师意见介绍了调查的主要结论，并特别关注于电信受访者（368名调查参与者中的47名）。
AI在电信市场的采用持续扩大
电信运营商的指标仍然乐观，并表明Omdia的报告《2022年AI市场成熟度调查：AI在CSP中扎根》中强调的趋势仍在正轨上。值得注意的是，这项调查是在2022年底生成式AI爆发之前进行的。该AI调查和分析的作者、Omdia首席分析师Mark Beccue指出，“随着生成式AI（GAI）变得更加成熟，企业级生成式AI解决方案和用例不断涌现，2024年可能会进一步加速发展”。
Omdia首席分析师Roz Roseboro则表示，虽然电信市场在很大程度上是跟随更广泛的企业市场在发展的，但在某些方面，它似乎比其他垂直市场走得更远，最明显的是在预算、数据管理和治理计划领域。
AI市场仍处于早期多数阶段
斜体文字引用自Omdia的《2023年AI市场成熟度》报告。
企业扩展采用AI的水平与2022年大致相同。
对于CSP来说，表示正在进行AI部署或扩展AI部署的受访者比例从2022年的41%下降到2023年的36%。这不一定等同于放缓迹象，因为这可能是由于今年和去年调查的样本存在差异。事实上，其他指标显示出了一些进展。
领导层的支持正在激增。也许市场采用AI持续进步最令人鼓舞的迹象是，高级管理层支持AI的比例接近50%。电信市场的这一数字略高一些，为51%。
大量预算已经到位。Omdia还收集了有关AI预算的关键数据。《2023年AI预算：最佳实践》和《2023 年AI预算：数据》基于同一受访者群体，但作为单独的配套报告发布，深入分析了2023年企业在AI方面的支出以及支出的用途。Omdia发现，42%的受访企业2023年的预算为100万美元或更多。
电信市场的数字高于整体市场，49%的受访者表示预算在100万美元以上。此外，62%的CSP有专门的AI预算（高于去年的53%），30%的CSP从现有预算中获得了对AI的支持，这表明CSP对AI的投资意愿十分坚定。
新加入者依赖于商业解决方案而不是内部开发。商业解决方案作为唯一的选择仍然是最受欢迎的AI部署策略（相对于完全内部开发和内部开发/商业解决方案混合选项来说）。商业解决方案的持续强劲可能是由多种因素造成的，包括AI专业知识的可用性有限，以及嵌入式AI的SaaS解决方案的不断出现。一定比例的企业将把AI视为核心竞争力或重点，并将寻求利用外部专家来提供他们所需的东西。随着市场的成熟，企业员工将掌握越来越多的AI专业知识，而钟摆可能会更倾向于内部开发。
对于电信市场来说，内部开发的比例从33%显著下降至19%。然而，那些在进行内部开发的公司表示，他们有信心拥有合适的技能（48%），并表示AI已经是或将成为企业的集中能力（22%）。有趣的是，45%的受访者将与AI解决方案供应商的信任关系视为选择商业解决方案的首要原因，而只有13%的受访者认为AI专业知识（13%）或领域专业知识（18%）是其选择商业解决方案的原因。去年不存在“合作关系”这一选项，但AI专业知识和领域专业知识是当时受访者认为的首要原因（均为39%）。
AI数据管理和治理方案的采用进展缓慢，这可能会减缓AI的整体采用。在AI生命周期管理中，由于AI学习曲线和组织内AI经验不足，AI数据管理和治理方案通常滞后于AI计划的其他要素。企业投入AI的时间越长，AI数据管理和治理方案就会越自然、越合乎逻辑。因此，大多数实施AI数据管理和治理方案的企业很可能是创新者和早期采用者，而不是刚刚进入AI市场的公司。
自Omdia上次调查以来，电信市场取得了显著的进展：目前40%的受访企业已经制定了相关计划（高于去年的32%），30%的受访企业计划在12个月内实施相关计划（高于去年的14%），21%的受访企业已有“不成熟的项目或者尚在制定计划中”（低于去年的42%）。
复杂性和集成障碍反映了AI的实际挑战。在市场采用的这个阶段（早期多数），实际问题就显现出来了。复杂性和集成度、人员或专业知识的缺乏以及资金的缺乏是Omdia预计那些已经迈过了概念验证和规划阶段的公司会担心的问题。随着时间的推移，尤其是在生成式AI不断进军市场的情况下，合规和监管的变化将值得关注。同样值得关注的是，受访者表示数据和数据质量并不是一个大问题，这可能表明大多数公司都在努力开发更好的数据治理。
由于今年调查中提出的问题有所不同，因此很难与去年进行比较。不过，集成的复杂性、技能的缺乏和预算仍然是AI采用的障碍，缺乏令人信服的用例也是如此。
电信AI用例
样本的变化使部署的逐年分析变得复杂，因此在表1中，Omdia提供了2023年的数据，这些数据是CSP当前使用的用例。在Omdia的CSP样本中，异常检测和预测分析是跨多个业务职能部署的最常见的AI用例。
表1：CSP已部署的AI用例。资料
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
