DI panaudojimas, nes išlaidos informacinėms technologijoms palaipsniui gerėja
Dirbtinis intelektas ir toliau pirmauja visuose įmonių informacinių technologijų sektoriuose pagal išlaidų tempą. Tačiau šis pagreitis nepadidėjo produktyvumo ar reikšmingo įmonių pajamų padidėjimo.
Konkrečiai kalbant, generatyvaus dirbtinio intelekto naudojimas nuolat auga, tačiau naudojimo atvejai dar nėra finansuojami savarankiškai. Taigi IT išlaidų perspektyvos, nors ir lėtai gerėja 2024 m. antrąjį pusmetį, išlieka ribotos.
Šioje lūžio analizėje apžvelgiame AI pritaikymą ir jo ryšį su IT išlaidomis metų viduryje. — atidžiau pažvelgti į tai, kaip IT sprendimus priimantys asmenys gamyboje diegia genų AI, kai kuriuos senus ir naujus blokatorius ir ką, mūsų nuomone, reikia, kad įmonės klientai gautų didesnę AI grąžą.
AI pagreitis viršija visus sektorius
Šioje diagramoje rodomi įvairių sektorių išlaidų profiliai, stebimi „Enterprise Technology Research“ ketvirtiniame technologijų išlaidų ketinimų tyrime arba TSIS. Grynasis balas arba išlaidų greitis rodomas vertikalioje ašyje, o skverbtis arba skverbtis į sektoriaus duomenų rinkinį – horizontalioje ašyje. Apklausoje N yra daugiau nei 1700 IT sprendimus priimančių asmenų arba ITDM. Raudona punktyrinė linija ties 40 % rodo labai padidėjusį grynąjį balą.
Matote nuolatinį mašininio mokymosi ir AI augimą, nes prieš aštuonis ketvirčius 2022 m. spalio mėn. jo pagreitis pasiekė 40 % žemiausią tašką. Prieš naujausią ETR apklausą beveik visuose kituose sektoriuose stebėjome bendrą pagreitį. Tačiau naujausioje apklausoje matome pagreitėjusį pagreitį daugelyje sektorių, įskaitant analizę, debesį, konteinerius, duomenų platformas, tinklus, robotų procesų automatizavimą ir serverius.
IT išlaidų perspektyva gerėja
Šią visuotinę tendenciją palaiko makroekonominių išlaidų perspektyva. Šioje diagramoje parodome metinio IT išlaidų augimo lūkesčius laikui bėgant.
Jau anksčiau pranešėme, kaip išėjus iš pandemijos IT išlaidų augimo lūkesčiai buvo atvirkščiai proporcingi palūkanų normoms. Ši tendencija tęsėsi ankstyvą 2023 m. rudenį, tačiau praėjusiais metais baigėme stipriau, nei tikėtasi, augdami 3,4 %. Ir mes atėjome į 2024 m., tikėdamiesi 4,3 % augimo šiais metais. Šie lūkesčiai antrąjį ketvirtį sumažėjo iki 3,4 proc., tačiau naujausioje apklausoje matome, kad šiek tiek išaugo iki 3,7 proc. Tačiau makroekonominė padėtis išlieka neaiški, o IT išlaidų lūkesčiai šiek tiek viršys dabartines pasaulio bendrojo vidaus produkto augimo prognozes – 2,5–3%.
„Gen AI“ ir toliau yra kamuolio gražuolė
Daug pranešėme, kad dirbtinis intelektas pavogė biudžetą iš kitų sektorių daugiau nei 40 % klientų paskyrų. Ir kaip rodo šie duomenys, vertinimai ir AI pritaikymas tęsiasi stabiliu tempu.
Beveik 1800 ITDM organizacijų, neįvertinančių genų AI, procentas sumažėjo nuo 52 % 2023 m. balandžio mėn. iki 16 % šiandien. O klientų, pasirinkusių bent vieną naudojimo atvejį, procentas per tą patį laikotarpį padvigubėjo nuo maždaug 40 % iki 80 %.
Galbūt jus nustebins šis 16% skaičius – tai yra tie, kurie neįvertina AI. Kai įsigilinome į šiuos duomenis, pastebime, kad klientų grupė laukiasi ir žiūrės, atsižvelgiant į spartų didelių kalbos modelių naujovių tempą ir susirūpinimą dėl privatumo. Tai ypač aktualu sveikatos priežiūros sektoriuje.
Įmonės naudojimo atvejai išlieka „kalbūs“
Nepaisant didelio susidomėjimo gen AI, kai gilinamės į naudojimo atvejus, kurie pradedami gaminti, matome, kad jie yra tokie, kokių tikitės iš ChatGPT ir kitų populiarių LLM.
Iš daugiau nei 1 400 respondentų, kurie nurodė įvertinę bent vieną naudojimo atvejį, 25 % teigė, kad jie dar negamina. Paklausus, kokie naudojimo atvejai yra gamyboje, kaip populiariausius naudojimo atvejus matome kodo generavimą, klientų aptarnavimą, teksto apibendrinimą ir turinio rašymą. Pažymėtina, kad, palyginti su ankstesniais ketvirčiais, šie naudojimo atvejai yra vienodi.
Tačiau naujovė sąraše yra susitikimų, paieškos ir pagalbos tarnybos naudojimo atvejų apibendrinimas.
Esmė ta, kad nors priėmimas tęsiasi, naudojimo atvejai, atrodo, nekeičia žaidimo ta prasme, kad atneša tiek daug vertės, kad tapo savarankiško finansavimo reikalais. Jie yra puikūs, bet labai panašūs į naudojimo atvejus, kuriuos galėtumėte gauti iš paruoštų LLM.
Biudžetas šliaužia kaip LLM priėmimo blokatorius
Iki šiol pagrindinės kliūtys, trukdančios pradėti gaminti genų AI, išlieka privatumo ir teisinių problemų. Tačiau, kaip parodyta čia, biudžeto ir išteklių apribojimus dabar nurodo 20 % respondentų, kurie dar negamina generatyvaus AI.
Taip pat įdomu pastebėti, kad nors susirūpinimas dėl duomenų privatumo ir atitikties tebėra ryškiausias, organizacijos gali susidoroti su šiais klausimais, nes duomenų kiekis pasiekė aukščiausią tašką ir šį ketvirtį šiek tiek sumažėjo.
Tačiau grįžtant prie biudžeto suvaržymų, tai dar vienas rodiklis, kad gen AI investicijų grąža nėra iškritusi iš topų. Klientų, pranešančių apie gamybos panaudojimo atvejus, susijusius su nuskaitymu papildyta generacija arba RAG, procentinė dalis yra vienaženklė, dar vienas galimų išteklių apribojimų rodiklis. Šiuo metu dirbtinio intelekto investicijų grąža nėra tokia akivaizdi, kad ji būtų taip akivaizdžiai finansuojama iš savęs, kad būtų kurstoma, o ne mažinama kitų sektorių veikla.
Įmonės IG bus gaunama iš konkrečių domeno naudojimo atvejų
Mes daug kartų naudojome šią Gen AI galios įstatymo sąvoką iš CUBE tyrimų, kaip vėl parodyta čia:
Trumpai tariant, šio modelio esmė ta, kad nors šiandien yra daug veiksmo su labai dideliais, brangiai kuriamais kalbos modeliais, daugumai įmonių tikroji vertė bus teikiama naudojant mažesnius kalbos modelius arba SLM konkrečiam verslui. unikali vertė pramonėje. Pavyzdžiai būtų naujos mažmeninės prekybos patirtis, tiekimo grandinės pritaikymas realiuoju laiku, gamybos hiperautomatizavimas ir labai suspaustas vaistų atradimas.
Tačiau tokio tipo didelės vertės projektai reikalauja laiko, išteklių ir daug bandymų bei klaidų. Todėl gamybos įmonių investicijų grąža šiandien išlieka ribota. Be to, matome, kad didesnis klientų procentas padidina IG atsipirkimo lūkesčius per 12 mėnesių, o tai yra protinga. Klientų pokalbiai patvirtina, kad idėja taikyti mažesnius kalbos modelius konkrečiose srityse yra naudinga. Tačiau sėkmingiems projektams, kurių grynoji dabartinė vertė yra daug didesnė, prireiks daug daugiau laiko – galbūt 18–4 mėnesių ar daugiau.
Skambinkite 2024 m. 2 val
Kokius barometrus galime stebėti kaip pažangos rodiklius antrąjį šių metų pusmetį?
Pasakojimas apie infliacijos baimes apsivertė. Ekonomikos augimas lėtėja, o nedarbas galbūt šiek tiek didėja. Lūkesčiai sumažinti palūkanų normas rugsėjį vėl pasirodė ant stalo, o tai tikrai gali paskatinti teigiamas nuotaikas akcijų rinkose. Ir tai gali būti teigiama IT išlaidoms. Tačiau tai rinkimų metai, kupini neapibrėžtumo ir gali sukelti išlaidų modelių iškraipymus.
„Gen AI“ pažadas panaikins produktyvumo atotrūkį…. Tačiau iki šiol AI reikšmingai nepasitvirtino kaip išmatuojamas produktyvumas ar pajamų padidėjimas.
Šis našumo padidėjimas greičiausiai bus pasiektas naudojant programas. Esamos programos su įterptuoju AI iš tokių kaip „Microsoft“, „Salesforce“, „Oracle“, „Workday“ ir „ServiceNow“.
Žiūrėkite mažų kalbų modelius ir konkrečiam domenui pritaikytą AI. Tikėtina, kad čia mes surasime naujų pajamų gavimo su nauja patirtimi, pažanga robotikos srityje, labai pažangią analizę, taikomą ieškant naujų vaistų ar naujų energijos šaltinių, tiekimo grandinės ir logistikos laimėjimų bei geresnių prognozių.
Ką matote apie LLM priėmimą? Kaip tai paveikia kitus biudžetus ir kokių lūkesčių dėl atsipirkimo dydžio ir laikotarpio?
Praneškite mums.