飛象原創（魏德齡/文）“在未來1—2年我們覺得GenAI將有一個下降期�！盙artner研究副總裁季新蘇在不久前的一次媒體溝通會，向外界分享了在內部討論“GenAI話題在今年會不會冷卻？”議題時的觀點。在Gartner同期發布的《2024年中國信息與通信技術成熟度曲線》中也能發現，生成式AI正在從期望膨脹期走向泡沫破裂低谷期。

這一曲線的背后一方面體現了技術發展從萌芽到成熟的普遍規律，另一方面單就GenAI本身而言，也反映出了這項技術目前在實際落地過程中所暴露出的能力問題。

GenAI的能力問題

如今GenAI作為一種新的產品賣點，在消費電子領域確實風生水起，產品邏輯多為通過生成式能力帶來如系統交互、圖片處理、文字信息匯總等方面的升級。然而，當類似的邏輯應用于ToB領域的時候，GenAI技術本身目前的種種不足之處，卻會被放大，從而成為落地過程中的掣肘。

首先便是所謂的致幻率問題，“一本正經胡說八道”的情況在消費電子領域或許可以被用戶一笑了之，但在IT運營管理的過程中，卻可能鑄成大錯，當ToB領域對于安全性和準確性的要求變高，以及對高可靠性的要求，就難以有過多的容錯性。從而導致GenAI的方案可能難以被用戶快速接受。

其次，準確性問題顯然與訓練數據的專業性與量級存在強關聯，但企業往往并不愿意對外分享數據，如何在構建便利AI條件的情況下來平衡安全性和隱私性成為比較大的挑戰。

第三，GenAI的出現也在打破企業內部的一些邊界，對于員工而言很容易自然而然地去把如會議紀要、產品資料等內容上傳在云端AI來快速獲取會議總結。企業難以遏制這種員工簡化工作流程的渴望，但對于合規與安全性又提出了更大挑戰。

最后，在使用相關GenAI產品來實現產出的時候，知識產權問題也應運而生，生成的圖像、歸納的總結、構建的代碼的知識產權到底屬于誰，企業對于此類的擔憂同樣一直與GenAI的發展而相生相伴。

上述這些GenAI技術本身還無法徹底解決的問題，無疑影響了企業對于部署相關落地方案的決心與判斷。而從很多企業在今年所對外提供的AI解決方案中也不難發現，在產品功能上多聚焦于通過自然語言來簡化操作流程，并一般會避免讓AI涉及相關決策的環節。

與此同時，除了GenAI技術本身所面臨的挑戰外，企業的IT預算也正在收緊。

保守的IT預算

在Gartner對CIO進行調研時發現，相比以往每年不同公司增長1%～5%的IT預算，2025年的預算則平均縮減0.8%，其中盡管很多公司加大了對于GenAI與AI相關的投入比例，但有60%客戶的實際在GenAI項目投入基礎設施預算卻低于500萬元。

也就是說，從整體預算而言，企業對于AI的投入相對比較保守。企業對于“總體擁有成本”優先級也在變得比較高，考量占比高于第二名的消費體驗的20%～30%。企業目前更多著眼于一年為周期的產出創新，而非為了創新對不確定性有比較高的容忍度。

對于ToB領域的很多客戶而言，對于AI以及新技術的狀態是“不見兔子不撒鷹”，即便可以進行嘗試，但如果沒有結果也會變得適可而止。

CIO們所面臨的挑戰在于如何在成本節約的情況下來改變組織能力與提升可靠性，這也成了2024年里相對最大的主旋律。

在此背景下，一些與GenAI方案能夠達成相似目標的方案，也自然受到了更多的關注。

其他可行性方案的挑戰

實際上，降低IT運維成本與難度一直是相關方案的重要目標，GenAI相關方案中的自動化、自然語言交互、代碼輔助撰寫，其實也正是為了滿足上述目標需求。Low-Code/No-Code技術在如今的脫穎而出，自然也提供了另一種解決思路。

季新蘇介紹稱，Low-Code/No-Code背后的邏輯是“能不能把整體IT的能力用業務能夠使用的語言，或業務能夠使用拖拉拽的方式來讓業務自己去構建自己想要的數據”。

頭部銀行目前在數據中心的Low-Code/No-Code業務場景就是一個很好的例證，由于各支行/分行需要的賬務數據需求會讓數據中心花費大量時間來對數據、對報表。銀行開始將數據進行模塊化，目前構建最多的是“私金”模塊，只要人員獲得授權就能登錄系統進行查詢，并有查詢痕跡，不需要走賬目查詢跨部門的工單，減少了整體IT的工作壓力，也帶來了整體的成本優化與效率提升。

從了解到的客戶反饋來看，無論Low-Code/No-Code還是RPA，對于已知流程的優化均能夠帶來明顯的效率提升，不少企業也認為它們在目前相比AI更具落地和可行性。

總體而言，企業通往成功之路的關鍵在于，組織需要注重快速配置和整體應用程序管理，而不僅僅是基礎設施或運營收益。最重要的是，真正的挑戰在于實現IT的組織的轉型而非基礎設施本身的費用控制。