该报告由 SAS 联合 Coleman Parkes 发布，基于 2024 年 2-4 月对全球 1600 家组织（涵盖银行、电信、医疗等多行业）GenAI 决策层的调研，分析 GenAI 部署现状、挑战、区域与行业差异及成功策略，为组织落地 GenAI 提供指引。
⠀
- 早期成效显著：89% 的组织表示员工体验与满意度提升，82% 实现运营成本节省，82% 客户保留率提高，凸显 GenAI 在效率与体验优化上的价值。
- 四大核心挑战：
- 管理与合规：仅 10% 组织做好 GenAI 法规准备，95% 缺乏完善管理架构，7% 提供高阶管理培训；76% 担忧数据隐私，75% 担忧安全，仅 5% 有系统衡量 LLM 偏差与隐私风险，71% 无法持续监控系统。
- 策略性部署：93% 资深技术决策者不完全了解 GenAI 对业务的影响，47% 难以将 GenAI 从概念落地，37% 难证明 ROI，39% 无员工使用政策。
- 技术整合：47% 缺乏合适工具，41% 面临系统兼容性问题，52% 在公有 / 专有数据集使用上遇阻，34% 受技术限制影响监控。
- 人才短缺：51% 担忧内部无专业人才，39% 将内部知识不足列为落地障碍，北欧（54%）、欧洲其他地区（56%）人才获取难度高于北美（44%）、亚太（49%）。
- 区域特征：
- 法规准备：中国（19%）、澳洲（15%）、美国（14%）准备最充足；爱尔兰（60%）、荷比卢（56%）、波兰（55%）准备不足。
- 技术部署：亚太（尤其是中国）GenAI 使用率最高，但北美（20%）全面实作比例领先；中国、英国、美国、澳洲、德国使用率超全球均值，美国在全面实作上表现最优。
- 工具与知识：亚太（36%）缺乏合适工具的比例低于拉美（57%），中国（21%）内部知识不足比例低于区域均值（31%）。
- 行业特征：
- 领先行业：电信业（70% 使用率）在部署上最先进，其次为零售（66%）、保险（60%）、银行（60%）、生命科學（58%），管理架构完善率（9%）也居首。
- 滞后行业：制造业、公部门、医疗保健使用率较低，公部门仅 38% 决策者表示了解 GenAI，医疗保健（43%）、公部门（43%）、制造业（48%）受内部知识不足影响较大。
- 四大成功要素：
- 完善管理：建立覆盖合规、数据隐私、LLM 偏差监控的架构，参考政策引入数据管理工具（如加密、匿名化），加强高阶培训。
- 策略性部署：优先识别高 ROI 用例，确保决策者掌握 GenAI 知识，制定员工使用政策（亚太 71% 组织已制定，领先全球）。
- 技术整合：选择可与现有工作流程、决策平台整合的 GenAI 供应商，利用决策工作流程系统实现成果量化，解决数据集使用障碍。
- 专家指导：通过外部合作补充内部人才缺口，针对性培养技术与管理人才，尤其关注滞后行业的知识补给。
- 未来趋势：
- ** adoption 增长 **：54% 组织已实作 GenAI（11% 全面整合），86% 计划今明两年投资，72% 着手建立专属 LLM；20% 员工每天使用 GenAI 生成内容，销售（86%）、营销（85%）、IT（81%）为主要应用部门。
- 工具支撑：SAS Viya 等平台成为关键，可通过 API 整合 LLM、生成合成数据、加速 AI 任务，助力组织安全合规落地 GenAI。
- 组织层面：优先解决合规与数据安全问题，制定清晰使用政策，从高 ROI 用例切入，通过外部合作弥补人才与技术缺口。
- 区域与行业适配：欧美需加强法规准备与人才获取，亚太持续推进技术整合，滞后行业（如医疗、公部门）需强化知识培训与跨行业借鉴。
- 技术选择：优先采用可与现有系统兼容、具备监控与偏差修正能力的 GenAI 工具，借助合成数据技术解决数据稀缺问题。
