Aż 92% firm korzystających z generatywnej AI już teraz osiąga zwrot z inwestycji, a niemal wszystkie (98%) zamierzają w przyszłym roku wydać na AI jeszcze więcej środków – tak wynika z najnowszego raportu Snowflake.
Snowflake wraz z Enterprise Strategy Group przepytało blisko 1900 menedżerów IT i biznesu z dziewięciu krajów, w tym z Wielkiej Brytanii, Francji i Niemiec. Wszyscy badani używają już generatywnej AI w jakimś obszarze swojej działalności, a wyniki są naprawdę optymistyczne. Co ciekawe, w zaledwie dwa i pół roku od momentu, gdy generatywna AI stała się popularna, firmy już widzą konkretne efekty. Większość (55%) zaczęła od projektów wspierających pracowników i zwiększających ich efektywność, a 44% postawiło na rozwiązania dla klientów, poprawiające obsługę i zadowolenie użytkowników.
Raport pokazuje, iż 93% firm wdrażających generatywną AI odniosło pełny lub częściowy sukces. Najczęściej wymieniane korzyści? Lepsza efektywność (88%), poprawa doświadczeń klienta (84%) i szybsze wprowadzanie innowacji (84%). Co najważniejsze, dwie trzecie firm potrafi już policzyć zwrot z inwestycji – każdy włożony milion dolarów przynosi średnio 1,41 mln dolarów zysku.
Warto zauważyć różnice między krajami. Firmy we Francji dopiero zaczynają przygodę z AI i osiągają średnio 31% zwrotu. Niemcy są liderami w dostosowywaniu modeli językowych do własnych danych (robi to 88% firm), z ROI na poziomie 34%. W Wielkiej Brytanii AI najczęściej poprawia efektywność operacyjną i innowacyjność, a zwrot sięga 42%.
Firmy na całym świecie, inwestując w AI, podkreślają znaczenie dostępu do wysokiej jakości danych (81%), dużych modeli językowych (78%), odpowiedniego systemu (83%), infrastruktury (82%) oraz wykwalifikowanych specjalistów (76%). Coraz więcej organizacji dostosowuje modele AI do własnych danych, jednak przygotowanie tych danych pozostaje poważnym wyzwaniem. Aż 96% firm przyznaje, iż przynajmniej jeden element wdrożenia AI okazał się droższy, niż przewidywano, a 64% napotyka trudności z integracją danych z różnych źródeł.
Dodatkowo, tylko 11% badanych deklaruje, iż ponad połowa ich nieustrukturyzowanych danych jest gotowa do wykorzystania w szkoleniu modeli AI. Wśród najczęściej wskazywanych barier pojawiają się także zarządzanie jakością danych, rozbudowa infrastruktury oraz zapewnienie odpowiedniej mocy obliczeniowej, co potwierdza, iż skuteczne wdrożenie AI wymaga kompleksowego podejścia i znacznych inwestycji.
