价值创造
报告已经在“很大”或“非常大”程度上实现了预期利益的组织比例为18%-36%，具体取决于所追求的利益类型。
报告生成式人工智能专业水平“高”或“非常高”的组织更积极地扩展生成式人工智能，并且比其他组织更大程度地实现了预期的利益。
企业主要计划将生成式人工智能节省的资金再投资于创新（45%）和改善运营（43%）。
扩大
领导者认为，扩展是创造价值、提高生成式人工智能对业务的影响和扩大技术用户基础的关键。缩放阶段是指生成式人工智能的潜在优势转化为现实价值的阶段。
常见的关注领域包括数据安全和质量，生成式人工智能输出的可解释性，以及工作人员不信任或不熟悉生成式人工智能工具。
员工使用经批准的生成式人工智能工具和应用程序的比例仍然很低，近一半的受访组织（46%）只向一小部分员工（20%或更少）提供了经批准的生成式人工智能访问。
建立信任
缺乏信任仍然是大规模采用和部署生成人工智能的主要障碍。
信任问题并没有阻止组织迅速采用生成式人工智能进行实验和概念验证，60%的组织正在有效地平衡快速实施和风险管理。
发展劳动力
大多数组织（75%）预计该技术将在两年内影响其人才战略；32%的组织报告了“非常高”水平的生成式人工智能专业知识，他们已经在做出改变。
最令人期待的人才战略影响是流程重新设计（48%）和技能提升或再培训（47%）。
在短期内，更多的组织预计该技术将增加员工人数（39%），而不是减少员工人数（22%）。
文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！
更多阅读：
