我们知道人工智能一直处于炒作浪潮的顶峰，但我们对它带来的问题和头痛的了解还不够多。 一项新的调查估计，在过去 12 个月中，完成或接近完成的人工智能项目的数量增长了十倍。 好消息，但这意味着 IT 团队正在努力跟上。 公司需要更多拥有合适技能的人来将它们整合在一起，而高管和经理必须确保 AI 安全地交付业务需求。
Juniper Networks 最近发布的一项针对 700 名 IT 经理和高管的调查发现，问题在于人才短缺、集成挑战和治理要求。
最令人震惊的声音：已完成或接近完成的 AI 实施从一年前的 6% 增长到今天的 63%。 此外，与去年调查中占主导地位的范围较窄的用例相比，我们目前看到人们对全面采用人工智能的热情越来越高。 表示他们希望部署完全启用的 AI 用例并在未来广泛采用的 IT 领导者的百分比从 11% 跃升至 27%。
长期存在的构建或购买难题已经在 AI 项目中浮出水面。 与内部构建的解决方案相比，公司在实施现成的人工智能解决方案方面存在分歧。 近十分之四 (39%) 的高管表示，他们的组织将现成的 AI 解决方案与他们自己完全构建的解决方案混合在一起，十分之三的人表示他们要么只使用现成的，要么只使用完全内部构建的解决方案 .
在内部构建 AI 解决方案会带来一系列挑战。 超过一半 (53%) 的受访 IT 领导者表示，这些内部 AI 应用程序的可靠性是最大的挑战，其次是与现有系统的集成 (46%)，寻找新的 AI 人才 (44%)，以及 开发时间 (44%)。
寻找或培养合适的人才来开发、运营和利用 AI 是当今许多 IT 领导者面临的挑战。 调查发现三个领域是最重要的投资意向（各占 21%）：聘请合适的人来运营和开发 AI 功能，进一步训练 AI 模型，以及将当前 AI 工具的功能扩展到新的业务部门。
至少 42% 的人表示，他们现有的数据和分析团队正在整合并引领人工智能技术。 类似数量的公司已经建立了 AI 卓越中心。
使员工采用人工智能的主要步骤包括提供工具和机会来应用新获得的人工智能技能 (43%)，更新绩效指标以包括人工智能 (40%)，制定确定新技能和角色的劳动力计划 (39%)， 改变学习和发展框架 (39%)。
另有 39% 的 IT 领导者通过实施和使用支持 AI 的低代码和无代码开发工具来应对这一挑战。 大约三分之一 (34%) 正在采用 AI 建模自动化工具。
2021 年，公司面临着开发模型和标准化数据的 AI 相关挑战。 到 2022 年，这些挑战依然存在，但与制定治理政策 (35%) 和维护人工智能系统 (34%) 相关的挑战变得更加重要。
强大的 AI 能力伴随着巨大的责任。 只有 9% 的 IT 领导者认为他们的 AI 治理和政策（例如建立全公司的 AI 领导者或负责任的 AI 标准和流程）已经完全成熟。 更多领导者将 IT 治理视为优先事项：95% 的人认为拥有适当的 AI 治理是在未来立法方面保持领先地位的关键，高于 2021 年的 87%。几乎一半的受访者 (48%) 认为需要围绕有效采取更多行动 人工智能治理。
接近一半（44%）的人报告说他们已经建立了人工智能伦理和负责任的人工智能标准和流程。 同样的百分比还建立了全公司的人工智能领导者，负责监督人工智能战略和治理。
IT 领导者表示，对 AI 监管不力的最大风险是加速黑客攻击或调查作者所说的“AI 恐怖主义”(55%)。 55% 的受访者表示，隐私也是最受关注的问题。 法规遵从性 (49%) 和人力丧失 (48%) 也被列为最大风险。
