又一个答案击中目标！大多数受访者声称，人工智能计划的预期回报为 2-5 美元。
ChatGPT 提到了那些预计回报较大的组织，但没有提到那些预计回报较低的组织。然而，根据调查结果，预计投资回报率为 1 美元的组织（占受访者的 20%）实际上比预计投资回报率为 5-10 美元的组织（占受访者的 12%）要多。所以，我们给 ChatGPT 50% 的分数。
问题五：人工智能价值的障碍
请对阻碍组织从数据、分析和人工智能中获取更多价值的所有障碍进行排名，其中 1 表示最大/最常见的障碍。
ChatGPT
缺乏优质数据或无法轻松获取正确数据：尽管拥有资源，但许多大型组织仍难以获取和整合来自不同业务部门、部门或地区的优质数据。这通常是最大的障碍。
无法快速实施和迭代数据、分析和 AI 产品：许多组织都有概念验证项目，但难以大规模部署 AI 解决方案或快速迭代以实现持续价值。开发和实施之间的差距可能是一个关键障碍。
缺乏对整个组织的数据、分析和 AI 产品的可视性和控制：如果没有集中的可视性和治理，组织将面临效率低下、重复劳动以及在多个团队或部门扩展 AI 计划的挑战。
缺乏数据人才或数据素养劳动力：即使在大型组织中，熟练的数据科学家、工程师和数据 葡萄牙电话号码数据 素养员工的短缺也会严重阻碍数据驱动项目的执行和扩展。
基础设施过于复杂：遗留系统、孤立数据和过于复杂的基础设施会拖慢数据和 AI 计划的进度。即使对于大型企业来说，管理和维护这些系统也会成为增长和可扩展性的障碍。
成本：虽然成本可能是一个问题，但对于拥有大量预算的大型组织来说，这并不是什么障碍。然而，对先进 AI 基础设施、人才和工具的持续投资需求仍可能带来挑战。
缺乏明确的商业案例：大型组织可能有多个部门或利益相关者，目标各不相同。即使意识到该技术的潜力，如果人工智能和数据计划缺乏协调或明确的商业案例，也可能会延迟或阻碍关键投资。
调查受访者
哇，这真是太接近了。根据我们的调查结果，从分析和人工智能中获取更多价值的四大障碍确实是：
缺乏高质量数据或无法轻松获取正确数据
无法快速操作和迭代数据、分析和人工智能产品
缺乏数据人才或具备数据素养的劳动力
缺乏整个组织对数据、分析和人工智能产品的可见性和控制
然而，大多数受访者认为，缺乏数据人才比缺乏可见性和控制力更令人困扰。除了这个顺序切换之外，ChatGPT 还正确反映了所有其他障碍。我们将允许 75% 的点数。