绝大多数企业人工智能试点项目未能展示可衡量的业务影响，高达95%的项目显示不出实际的盈利改善。这种失败通常归因于“基础层”——专有数据与人工智能模型的集成——而非人工智能模型本身的问题。这个基础层需要持续维护，以适应不断变化的数据和模型更新，而这一点在试点评估中常常被忽视，评估往往侧重于初始基准分数，而非随时间的持续正确性。 AI
影响 凸显了企业人工智能采用中的一个关键差距，表明成功的生产部署需要将重点从模型能力转移到数据基础和持续监控。
排序理由 文章讨论了企业人工智能采用的行业趋势和挑战，对失败原因提出了看法，而非报道具体事件。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
