为什么大多数生成式人工智能项目失败：只有三分之一能够投入生产
💡
原文英文，约1700词，阅读约需7分钟。
📝
内容提要
AI在企业中的应用迅速增长，但大多数项目未能投入生产，主要因数据安全和隐私问题。尽管GenAI的使用案例和投资增加，只有38%的AI项目成功上线。企业需加强数据访问控制，以降低泄露和合规风险。
🎯
关键要点
- AI在企业中的应用迅速增长，但大多数项目未能投入生产，主要因数据安全和隐私问题。
- 只有38%的AI项目成功上线，企业需加强数据访问控制以降低泄露和合规风险。
- GenAI的使用案例和投资增加，78%的组织在2024年使用AI，企业GenAI支出在2024年增长了6倍。
- GenAI的主要应用包括内容创作、客户支持自动化和软件工程，未来将向自主决策的代理AI系统发展。
- 数据隐私和安全是GenAI实施的主要障碍，95%的受访者认为隐私是优先事项。
- AI项目失败的原因包括缺乏治理和使用控制，77%的受访者对此表示担忧。
- 数据泄露的风险在AI应用中真实存在，企业需加强对数据访问的控制。
- 授权是软件应用的基础，尤其在GenAI和自主AI系统中，动态授权至关重要。
- Oso提供的授权解决方案帮助企业解决权限管理问题，加速AI应用的开发。
- 企业需考虑授权即服务的解决方案，以消除访问控制对AI应用的阻碍。
❓
延伸问答
为什么大多数生成式人工智能项目无法投入生产？
大多数项目未能投入生产的主要原因是数据安全和隐私问题，只有38%的AI项目成功上线。
企业在2024年使用生成式人工智能的比例是多少？
预计到2024年，78%的组织将使用人工智能。
数据隐私和安全在生成式人工智能实施中有多重要？
95%的受访者认为数据隐私是优先事项，且大多数组织承认可以做得更多来保护生成式人工智能模型和应用。
生成式人工智能的主要应用场景有哪些？
主要应用场景包括内容创作、客户支持自动化和软件工程。
企业如何降低数据泄露的风险？
企业需加强数据访问控制，实施动态授权，以降低数据泄露和合规风险。
Oso提供的解决方案如何帮助企业？
Oso提供的授权解决方案帮助企业解决权限管理问题，加速AI应用的开发。
➡️
