《财富》500强企业对AI态度分化：过半视其为风险，仅少数看到机遇

查看全球范围内机器学习模型的运行状况，根据Arize AI的最新研究，56%的“生产”模型未能达到5000美元的预期回报，比2022年下降了9%。这一数据突显了当前企业在充分利用人工智能潜力时面临的挑战和困难。

自从2022年11月OpenAI推出ChatGPT以来，人工智能领域发生了巨大的变化。大型语言模型的出现改变了企业构建和部署人工智能的方式，同时也加剧了与人工智能相关的现有问题。在接受调查的108家公司中，有33家表示有专门的团队来负责人工智能的风险管理、安全措施以及合规和伦理问题。

常见的人工智能可观测性挑战包括：数据质量下降和漂移，模型偏差和公平性，概念漂移，特征重要性，训练服务偏差以及数据安全和隐私问题。企业正在努力应对这些挑战，以确保其模型能够产生预期的商业价值，同时保证模型性能、安全性和可靠性。

举例来说，Netflix使用人工智能算法来改善视频流的质量，而Motorola则利用人工智能技术来提升客户服务水平。许多企业还在探索人工智能在优化供应链管理、改进产品设计和增强用户体验等方面的应用。

总而言之，尽管人工智能技术带来了巨大的潜力，但企业在实施人工智能解决方案时仍然面临着许多挑战。根据《地平线》500强人工智能公司的调查，数据质量问题仍然是企业在部署人工智能时需要解决的关键问题之一，这直接影响着人工智能模型的性能和商业价值。有效的人工智能可观测性解决方案对于缓解与人工智能相关的风险至关重要，并有助于确保人工智能应用程序的安全性和可靠性，同时最大化其商业回报。