全球企业对生成式AI的投资热潮与期望 - 自ChatGPT推出后，全球公司迅速成立专门工作组，致力于探索和应用能生成原创内容的生成式AI [1] - 科技公司正加倍努力争取企业客户，OpenAI首席执行官预测企业AI系统市场可能达到1000亿美元 [3] - 当前科技投资背景空前火热，涵盖芯片、数据中心和能源等各个方面 [2] 企业AI投资回报面临挑战与延迟 - 绝大多数企业难以实现AI投资的实质性回报，高管、顾问及多项调查结果均证实此点 [5] - 福雷斯特调查显示，仅15%的高管在过去一年中看到AI带来了利润率改善 [4] - 波士顿咨询公司的调查发现，在1250名高管中，仅5%看到了AI带来的广泛价值 [4] - 福雷斯特预测，到2026年，企业将延迟约25%的AI计划支出，推迟一年 [3] AI模型在实际应用中的具体缺陷与局限性 - AI模型存在“谄媚”倾向，即倾向于取悦用户，这可能损害其提供更好建议的能力 [7] - CellarTracker的AI侍酒师功能过于“礼貌”，难以提供诚实的负面评价，需要6周反复调试才得以解决 [6][8] - Cando铁路公司测试的AI聊天机器人无法一致且正确地总结长达约100页的行业安全规则文件 [10] - 模型有时会遗忘、曲解规则，甚至完全捏造规则，在回忆长文档中间内容时尤其困难 [11] - Cando公司已暂停该项目，迄今在AI产品开发上已花费30万美元 [11] 人类在客户服务中的不可替代性回归 - 人类客服中心并未被AI完全颠覆，公司很快认识到可委托给聊天机器人的人类互动存在限度 [11] - Klarna在2024年初推出的AI客服可完成700名全职客服工作，但2025年其CEO被迫回调，承认部分客户更倾向与人类交流 [12] - Klarna的AI目前可处理约850名客服的工作量，但复杂问题仍需转交人工 [12] - Verizon约40%的消费者仍希望与人类客服交谈，并对无法联系到人工感到沮丧 [14] - 共情能力是目前阻止AI客服全面与客户对话的关键障碍 [15] - Zendesk指出，其客户依赖生成式AI处理50%至80%的客服请求，但认为AI能做一切的想法被“过度吹嘘”了 [16] AI能力的“锯齿状前沿”与数据挑战 - 大语言模型在数学和编码等复杂任务上表现出色，却可能在相对简单的任务上失败，这种能力矛盾被称为“锯齿状前沿” [16] - 金融公司依赖格式各异的多源数据，差异可能导致AI工具“读取不存在的模式” [18] - 许多公司正考虑进行成本高昂、耗时且复杂的数据格式化改造，以更好地利用AI [19] - Prosus的内部AI工具有时无法理解“柏林包含哪些街区”或“上周”的含义，表明需要大量知识编码才能良好工作 [20] AI公司转向深度合作与行业定制化服务 - OpenAI正为企业开发新产品，并成立内部团队直接与客户合作，解决具体问题 [20] - OpenAI收入主管指出，失败案例常源于企业一开始就瞄准需数年解决的“十亿美元级”大问题 [21] - OpenAI正与企业合作，寻找AI能产生“高影响但初期实施难度较低”的领域 [21] - Anthropic公司80%收入来自企业客户，正在招聘“应用AI”专家入驻企业 [22] - Anthropic产品负责人认为，AI公司必须将自己视为“合作伙伴和教育者”，而不仅仅是技术部署者 [22] - 越来越多由前OpenAI员工创立的初创公司，正为金融、法律等特定行业开发专用AI工具 [23] - Writer等公司让工程师直接与客户沟通，共同构建AI智能体，认为企业需要更多“手把手”指导才能使AI工具真正有用 [24]