作者：来自 Elastic Madge Miller
Elastic 生成人工智能报告着眼于组织如何采用生成人工智能。
我们很高兴地宣布发布《Elastic 生成人工智能报告》，该报告揭示了全球早期生成人工智能实施的期望和挑战。 该报告与 Vanson Bourne 合作制作，汇集了 10 个国家从事 IT、分析和数据工作的 3,200 名决策者和影响者的数据点和行业见解。
我们试图了解组织目前如何实现生成人工智能、他们面临哪些挑战、他们正在使用的策略以及他们发现了哪些机会。 该调查包括来自美国、英国、法国、德国、新加坡、印度、澳大利亚、西班牙、荷兰和日本的回复。
毫不奇怪，调查显示，生成式人工智能处于组织创新、发展和提高运营效率计划的最前沿。 然而，它也揭示了人们对生成式人工智能技术的安全和隐私的深切担忧，确保提供模型的数据质量，全球范围内日益多样化的人工智能监管，以及对更专业的内部人工智能技能的需求。
[获取完整报告]
99% 的受访者表示生成式人工智能将推动其组织的转型变革
受访者提到使用生成人工智能的潜在好处主要是：
- 改善资源利用（例如员工时间和工作量）运营效率，并提高员工生产力
- 有机会提供更具吸引力、个性化的客户体验
然而，在采用生成式人工智能技术方面，组织处于各种极端状态 —— 有些组织已经完全接受了它，有些组织正处于试验阶段，有些组织才刚刚开始。
调查显示，印度在实施生成式人工智能方面遥遥领先。 印度庞大的服务业以及对实时、可操作的见解的需求可以解释其高采用率 —— 该国 81% 的受访者表示生成式人工智能以某种方式得到了使用。 就采用率而言，新加坡紧随其后（63%），西班牙紧随其后（57%）。 澳大利亚也表现出了对快速采用生成式人工智能工具的浓厚兴趣，报告称仍在试验生成式人工智能的组织数量最多。
生成式人工智能的数据问题
其中一个主要问题是数据质量。 生成式人工智能模型依赖于为其提供数据。 组织必须拥有足够的高质量数据来训练模型，但许多组织却没有。
在某种程度上，这是由于出于安全目的而需要访问控制和跨多个系统存储数据，这使得数据处于孤立状态。 近 75% 的受访者表示，查看所有环境中的数据是其组织面临的主要困难。 这会减慢基于数据的洞察力，并且不允许组织明智地使用他们的数据 —— 或者在生成人工智能模型中。
但数据的质量至关重要，因为 […] 如果数据质量不好，[GenAI 模型] 将不会给你正确的结果。 因此，拥有易于访问的高质量数据至关重要。 许多组织都没有这样的东西。
- 澳大利亚某金融服务公司首席运营官
借助搜索驱动的人工智能，组织可以克服数据孤岛面临的许多挑战。 将搜索与生成式人工智能配对可以产生准确、最新、相关且源自实时数据的高质量搜索结果。 它还确保以简单的语言为用户和客户提供带有业务背景的结果和信息。 这种结合使组织能够理解他们的数据并最终做出更明智的决策。
但许多组织缺乏有效收集可行见解的搜索功能。 无论是难以使用搜索结果还是当前的搜索引擎无法覆盖多个数据源，组织现在都在关注由生成式人工智能和自然语言处理提供支持的对话式搜索体验。 近一半的受访者认为，如果他们能够以对话方式搜索组织数据，他们的组织可以为每位员工每周节省至少两天的时间。
组织是否正在致力于搜索驱动的人工智能解决方案？ 他们如何克服采用生成式人工智能的其他挑战？ 阅读整个报告，其中深入了解全球组织如何看待生成式人工智能、解决安全问题以及适应新的搜索和人工智能技术。
下载 Elastic Generative AI 报告，并参加测验，了解你在 Generative AI 采用之旅中所处的位置。
本文中描述的任何特性或功能的发布和时间安排均由 Elastic 自行决定。 当前不可用的任何特性或功能可能无法按时交付或根本无法交付。
在这篇博文中，我们可能使用或引用了第三方生成人工智能工具，这些工具由其各自所有者拥有和运营。 Elastic 对第三方工具没有任何控制权，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害负责。 使用人工智能工具处理个人、敏感或机密信息时请务必谨慎。 你提交的任何数据都可能用于人工智能培训或其他目的。 无法保证你提供的信息将得到安全或保密。 在使用之前，你应该熟悉任何生成式人工智能工具的隐私惯例和使用条款。
Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关标记是 Elasticsearch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。 所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。
原文：The state of generative AI: Our global survey of over 3,000 tech leaders | Elastic Blog