生成式人工智能技术的快速应用，引发企业内部担忧
内容提要
根据F5的数据显示，75%的企业正在实施人工智能，但72%的企业存在数据质量问题和无法扩展数据实践的问题。调查显示，只有24%的企业已经大规模实施了生成式人工智能技术。人工智能安全方面的主要问题包括攻击、数据隐私和数据泄露。企业在应对这些威胁时主要关注应用程序接口安全、监控和DDoS保护。
延伸解读
数据成熟度：AI规模化的隐形瓶颈
调查显示，72%的企业将数据质量和无法扩展数据实践视为扩展AI的最大障碍，77%的企业缺乏数据的单一真实来源。这表明，许多企业在数据基础尚未夯实的情况下就急于推进AI，可能导致模型效果不佳和资源浪费。数据成熟度不足不仅影响AI应用的性能，还会增加安全风险，因为低质量数据可能包含敏感信息或错误标签，进而引发隐私泄露或模型偏差。因此，企业在部署AI前，应优先建立统一、高质量的数据治理体系。
生成式AI：热情与落地之间的差距
尽管许多受访者将生成式AI评为2024年最令人兴奋的技术趋势，但只有24%的企业实现了大规模实施。目前最常见的用例是协同机器人和员工生产力工具（40%）以及聊天机器人等客户服务工具（36%），这些应用多属战术性而非战略性。这种热情与落地之间的差距，反映出企业在基础设施、数据、模型和应用服务等方面面临多重挑战。企业需认识到，生成式AI的广泛采用需要克服这些障碍，而非仅仅依靠热情。
安全支出与防护重点的错位
面对AI安全威胁，企业主要关注API安全、监控和DDoS保护等应用服务层防护，分别有42%、41%和39%的受访者正在使用或计划使用相关方案。然而，57%的企业将模型安全性视为扩展AI的主要问题，并预计未来几年安全支出将增加44%。当前防护重点多集中在应用服务层，对模型本身的安全（如对抗性攻击、数据投毒）关注相对不足。企业需平衡各层安全投入，以应对AI驱动的攻击、数据隐私和泄露等首要问题。
Q&A
企业在实施人工智能时面临哪些主要挑战？
企业在实施人工智能时面临基础设施、数据、模型和应用服务等多方面的挑战。
生成式人工智能技术的应用现状如何？
目前只有24%的企业已经大规模实施了生成式人工智能技术，尽管其应用呈上升趋势。
数据质量问题对企业人工智能实施有什么影响？
72%的企业认为数据质量和无法扩展数据实践是扩展人工智能的最大障碍。
企业如何应对人工智能带来的安全威胁？
企业主要关注应用程序接口安全、监控和DDoS保护来应对人工智能带来的安全威胁。
计算成本在人工智能扩展中扮演什么角色？
62%的受访者认为计算成本是扩展人工智能的主要问题。
企业在人工智能实施中缺乏哪些技能？
53%的受访者认为缺乏人工智能和数据技能是主要障碍。
