Deloitte
PulseAugur coverage of Deloitte — every cluster mentioning Deloitte across labs, papers, and developer communities, ranked by signal.
- 2026-09-06 controversy Deloitte was found to have used AI to generate large portions of a report for the Wellington Council. 来源
- 2026-08-26 research_milestone Deloitte released a report projecting a lunar economy valued up to $566 billion by 2050. 来源
- 2026-08-07 product_launch Deloitte showcased its agentic AI solutions at the DGE Showcase. 来源
- 2026-06-18 product_launch Deloitte is opening a new AI Studio in London in partnership with Google Cloud. 来源
10 天有情绪数据
-
到 2027 年，随着企业削减未经证实的计划，AI 支出将重新校准
预计到 2027 年，企业将重新校准其 AI 支出，将重点从广泛的实验转向经过验证用例的选择性扩展。许多未能证明明确投资回报率或业务价值的 AI 项目将被削减，而少数关键的 AI 能力将被整合到核心业务功能中。这种重新校准不仅受到投资回报率的担忧驱动，还受到 AI 模型开发的快速步伐（这使得长期架构承诺充满挑战）以及与自主 AI 代理相关的日益增长的安全风险的驱动。
-
制造商面临劳动力短缺和人工智能采用挑战 · 跟踪 1 个来源
由于劳动力短缺和成本上升，制造商面临严峻挑战，预计到 2033 年需要数百万工人，并且投入成本预计将超过价格上涨。虽然人工智能的采用正在增长，但很大一部分组织并未从中获得显著的业务价值，许多人工智能项目因业务效益不明确而被取消。在制造业中，一个关键问题是收集数据的用法不一致，导致对人工智能输出的不信任和项目停滞，而不是技术故障。
-
企业定价工作流中的人工智能治理滞后于企业采用
企业人工智能的采用速度超过了治理速度，尤其是在定价和折扣工作流中，因为人工智能决策具有直接的财务影响。人工智能系统（尤其是代理式人工智能）的能力与现有的监督机制之间存在显著差距。正如人工智能事件的增加以及公司董事会和审计委员会越来越重视人工智能监督所强调的那样，这种成熟治理的缺乏带来了风险。
-
招聘人员透露 LinkedIn 被 AI 生成的简历淹没，但招聘的旧错误依然存在
一家招聘初创公司的创始人，曾是 Microsoft、Accenture 和 Deloitte 等大公司的招聘人员，分享了对招聘过程的见解，指出 LinkedIn 已被 AI 生成的简历淹没。创始人强调，虽然 AI 改变了格局，但未被录用的根本原因——如申请质量差、未能遵循指示以及“广撒网”式的方法——仍然存在。为了脱颖而出，候选人应专注于具体成就，仔细遵循申请指南，并针对特定职位定制申请，而不是大量投递。
-
AI 代理颠覆 B2B SaaS 收入模式，关注点转向价值实现
随着 AI 代理自主性的日益增强，传统的 B2B SaaS 收入模式（合同预先签署并预订收入）正在受到颠覆。随着 AI 接管以前由人类完成的任务，定价正从基于席位的许可证转向基于消耗和结果的模型。这意味着收入不再保证在合同签署时就已确定，而是必须通过持续的客户采用和成功的价值实现来赚取。因此，销售后的客户成功和工程角色变得至关重要，因为它们现在直接负责确保客户实现可衡量的业务影响，这直接转化为供应商收入。
-
新框架标准化AI环境影响指标
一个名为carbonbenchmark的新框架已被开发出来，用于标准化AI研究的环境影响指标，以解决该领域碳核算不一致的问题。对提交给NeurIPS 2025的论文的分析发现，关于环境影响的报告几乎不存在。该框架包括模型训练效率的指标和估算LLM推理成本的启发式方法，以及一个名为“完成工作所需最小模型”（SMAJ）的概念，以鼓励计算效率而非边际准确性提升。
-
人工智能支出从消费转向拥有，以应对可预测的工作负载
随着人工智能的采用从实验阶段转向生产阶段，企业面临着关于其支出模式的关键决策。虽然按使用量付费的定价模式提供了灵活性，但像客户服务代理或知识系统这样的人工智能工作负载的稳定且可预测的需求，可能会使投资自有基础设施更具经济效益。这种转变需要仔细分析具体的工作负载需求、预期使用量和利用率，以确定购买人工智能服务与拥有容量以控制成本和确保可预测性之间的最佳平衡。
-
AI代理展现激进化风险与治理缺口
AI代理正暴露其脆弱性，研究表明它们可能通过共鸣和说服而被激进化，特别是当信息与其现有信念一致时。这种易感性引发了对个性化AI和多代理生态系统的担忧。与此同时，Meta和OpenAI等公司开发的AI代理正专注于用户友好的界面，但这可能掩盖了实际风险。涉及数据共享和意外访问的失误凸显了清晰的用户理解和健全治理的重要性，而这在许多组织中目前是缺乏的。有效的AI治理需要将规则整合到系统的架构中，而不是仅仅依赖政策，并确保AI行为的可追溯记录…
-
德勤调查发现：十分之一的英国员工秘密使用被禁用的AI
德勤最近的一项调查显示，大约10%的英国员工在未经雇主知情的情况下使用人工智能工具工作。尽管许多此类AI工具被公司政策明确禁止，但这种做法仍在发生。
-
AI代理需要新的身份和治理基础设施
随着AI代理从仅仅回答问题转向执行操作，支持AI代理的基础设施正成为企业关注的关键焦点。这一转变要求演进身份和访问管理系统，以容纳AI代理和人类用户，确保它们只拥有特定任务所需的必要权限。组织越来越认识到需要强大的治理、安全和架构标准来大规模管理AI代理，新兴的标准如模型上下文协议（MCP）旨在促进AI系统与企业数据之间的安全连接。
-
生命科学技术转移瓶颈在于数据碎片化，而非流程
生命科学制造中的技术转移受到碎片化和不一致数据的阻碍，而非流程缺陷。公司花费大量时间在不同的开发、验证和制造系统之间查找、协调和验证信息。虽然流程改进能带来一些收益，但核心问题是组装完整且可信的产品数据集。人工智能通过实现互联知识管理，超越简单的内容生成，解决根本的数据问题，提供了潜在的解决方案。
-
银行在运营开放金融数据以实现个性化方面面临挑战
尽管在基础设施方面进行了大量投资，但银行在将开放金融数据的访问转化为切实的业务利益方面仍面临挑战。虽然许多机构已经建立了API和数据共享框架，但在运营化从这些数据中获得的洞察力方面存在差距。大多数消费者愿意为更好的数字金融管理而更换提供商，但只有一小部分银行具备大规模提供个性化服务的成熟数据能力，这导致客户流失和错失收入机会。
-
AI代理在视频分析进步的背景下，难以成为商业工具
尽管许多公司都在试验AI自主代理，但很少有公司能成功地将这些演示转化为实用的商业工具。德勤（Deloitte）和Gartner的报告强调了一个市场，其中热情与缺乏运营基础的现实相冲突。与此同时，多模态模型的进步正在将视频内容转化为结构化、可搜索的数据库，实现了以前只有文本文件才能实现的精确分析。
-
由于运营障碍，AI智能体试点项目失败率高达89% · 跟踪1个来源
大多数企业AI智能体试点项目未能完全部署，原因在于运营挑战而非模型限制。正在进行智能体试点项目的公司比例很高，但成功扩展这些项目的公司比例却很低，两者之间存在显著差距。主要障碍包括范围蔓延、对实时系统的数据访问不足、缺乏自动化评估框架、所有权不明确、规模化成本膨胀以及安全问题。
-
福布斯撰稿人称流媒体碎片化模式重现了有线电视的老问题
据福布斯撰稿人Wayne Lonstein称，消费者发现当前的流媒体模式是传统有线电视的碎片化且昂贵的模仿品。尽管承诺提供更多选择和更低成本，但用户现在需要管理多个订阅，平均每月在四个服务上花费71美元。这种碎片化，特别是对于MLB和NFL比赛等直播体育赛事，促使消费者根据特定内容可用性订阅和取消订阅，实际上是创建了自己的点播模式。文章认为，流媒体平台可能优先考虑分发和经常性收入，而不是消费者需求，这可能会将很大一部分受众排除在外。
-
能源行业设立人工智能卓越中心以推动应用
能源行业日益重视人工智能（AI）以满足激增的电力需求，但许多项目因数据准备不足和缺乏标准化操作手册而停滞不前。为克服这些挑战，公用事业公司正在设立人工智能卓越中心（CoEs），以制定标准、培训员工并推动应用。这些卓越中心通常涉及与系统集成商的合作，但领导者必须确保内部所有权和与现有系统的集成，以避免长期风险和高昂成本。
-
AI体验店开业指导新手，引发代际争论
一家名为Charleston AI的新实体店出现，旨在帮助个人和小企业，特别是老一辈人，理解和使用AI工具。该店由Jim Reilly联合创办，提供面对面的指导和服务，弥合了技术鸿沟。德勤的一份报告显示，与Z世代相比，婴儿潮一代的AI采用率较低。虽然这家店的直白方法在网上受到了一些善意的嘲讽，但许多人也赞扬其让AI更易于使用的举措。
-
Deloitte为惠灵顿市议会生成的报告大部分被发现是AI生成的
一家大型咨询公司Deloitte被发现使用AI生成了报告的很大一部分。这份由惠灵顿市议会委托撰写的报告，包含了以原创作品形式呈现的AI生成内容。这一事件引发了对专业服务领域AI生成报告的透明度和真实性的担忧。
-
惠灵顿议会报告因AI使用和错误而受到质疑
惠灵顿议会委托撰写的一份报告建议大幅削减人员，但由于涉嫌AI生成内容和事实不准确而受到批评。市长Andrew Little表示，价值43.5万美元的德勤报告的“大部分内容”是由AI撰写的，这削弱了其可信度。进一步审查发现，报告存在重复计算员工人数和依赖过时数据等错误，这破坏了报告的核心建议。
-
新加坡将拍卖涉及重大洗钱案的24亿美元资产
新加坡将拍卖一批价值约24亿美元的奢侈品和房产，这些资产源于一起重大的洗钱案。这些资产于2023年8月从涉及非法赌博团伙的中国嫌疑人处查获，并将于9月7日开始分阶段出售。拍卖行SRI、Edmund Tie & Company和Knight Frank将负责房地产拍卖，而Hotlotz将负责奢侈品拍卖。新加坡警方指定的德勤（Deloitte）公司正在监督这些被没收资产的清算工作，预计整个过程将持续到2027年中期。