生成式人工智能及其對行業的影響有許多令人矚目的方面，其中之一就是它與最近的其他大技術趨勢相比有多麼不同。與區塊鍊和加密貨幣等其他熱門技術相比，它不僅發展速度更快、範圍更廣，而且還將企業帶入了大量未知領域。

TECHnalysis Research 最近對1000 名參與公司GenAI 工作的IT 決策者進行了調查，結果顯示，99% 使用該技術的公司仍面臨挑戰。值得注意的是，半數以上的公司都強調了三個主要問題–數據保護/安全、不准確性和版權侵犯，如下圖所示。此外，這些公司平均指出了五個不同的問題，這表明潛在的問題並不局限於狹小的範圍，而是非常普遍。

此外，許多公司在沒有全面了解GenAI 技術的機制及其多樣化部署可能性的情況下就貿然進入了GenAI 領域。誠然，許多以企業為目標的技術都是在沒有完全掌握其細微差別或潛在影響的情況下推出的，但GenAI 似乎打破了等待技術成熟後再廣泛實施的傳統智慧。

出現這種情況有幾個原因，但其中大部分歸結為一個事實：GenAI 已經有了一種必然性和必要性的光環，促使公司比其他時候更早開始使用它。

人們對這項技術的興奮程度–通常是由一些令人印象深刻的早期使用經驗所驅動–特別有效地促進了這項技術的採用。事實上，同一項調查顯示，95% 的IT 決策者認為GenAI 會對他們的業務產生深遠或至少是潛在的顯著影響。毫不奇怪，這讓人們明顯感覺到，每個人都在採用這項技術（同樣，調查結果顯示，88% 的公司已經開始採用這項技術）。

這也讓企業相信，如果不迅速採取行動，就會在競爭中處於嚴重劣勢–潛在的顧慮和有限的理解都會造成嚴重後果。

當然，科技行業中不乏最初被認為會對企業產生巨大影響的新技術。GenAI 的不同之處在於，企業似乎願意忽略這些潛在的問題，因為它承諾會帶來潛在的好處，而且圍繞這項技術的緊迫感也很強。

顯然，圍繞GenAI 的困惑是真實而普遍的。

GenAI 面臨的另一個重大挑戰是圍繞這一主題的困惑。雖然很少有人會急於承認自己對一項重要的新創新缺乏了解，尤其是那些科技領域的人，但與GenAI 相關的模糊不清顯然是真實而普遍的。即使是看似基本的區別，例如理解一個以GenAI 為重點的基礎模型（如LLM 或大型語言模型）與一個利用該模型的應用程序之間的作用和意義，也會造成誤解。

造成這種混淆的原因有很多。首先，在與ChatGPT 等GenAI 工具的早期討論和接觸中，基礎模型和應用程序經常被交替使用。我們很容易認為，ChatGPT 既包括基礎模型，也包括我們許多人都體驗過的聊天界面。但實際上，ChatGPT 就是應用程序，它可以運行在GPT 大型語言模型的不同迭代版本上，如GPT-3 或GPT-4。

這種由底層引擎和構建在其上的應用程序組成的分層方法在大多數GenAI 應用程序中都很常見。一方面，它提供了新的靈活性，但也有可能造成更大的混亂。以客戶關係管理、辦公生產力套件等典型的企業軟件應用程序為例，我們從未考慮過用於驅動功能的內部引擎，也沒有改變它的選項。然而，有了GenAI，您就有可能在相同的基本應用程序中使用多個不同的引擎，或者在完全不同的應用程序中使用相同的引擎。例如，單個LLM 可用於創建原始文本、總結現有文本、編寫軟件代碼等。因此，可能出現的各種情況很快就會讓人應接不暇。

另一個問題是，不同供應商的早期產品往往以相對相似的方式進行描述，但可能以完全正交的方式處理問題或解決問題。換句話說，這往往是蘋果和橘子的比較，從而進一步混淆了問題。

這也是為什麼教育工作和清晰、基本的營銷信息對前幾代GenAI 工具至關重要的重要原因之一。即使是擁有數十年IT 經驗的人也會發現，GenAI 是一種不同的動物，大多數人都需要簡單明了的解釋（無論他們是否願意承認）。在圍繞GenAI 迅速做出重要戰略決策的額外壓力下，對清晰度的需求就更加重要了。

不管這些擔憂如何，GenAI 的列車顯然沒有減速。事實上，當微軟和Google的主要生產力套件支持GenAI 的版本全面上市時–據說是今年秋天的某個時候–期待著新一輪的GenAI 熱潮和活動。這些都是企業希望GenAI 能夠產生最大影響的應用類型，而它們也恰好是每個企業中幾乎每個人都在使用的工具。因此，一旦有大量人員開始定期使用這些工具，GenAI 所能產生的實際影響就會變得前所未有的清晰。

相信這些工具可能產生的影響不會使前面討論的挑戰或教育問題消失，相反，它們會變得更加突出。不過，企業需要做好準備，供應商需要集中精力，以推動GenAI 必將帶來的突破性變革。