《Altair：2023年Frictionless AI全球AI應用調研報告（67頁）.pdf》由會員分享，可在線閱讀，更多相關《Altair：2023年Frictionless AI全球AI應用調研報告（67頁）.pdf（67頁珍藏版）》請在三個皮匠報告上搜索。

1、Altair 2023Frictionless AI無摩擦人工智能技術應用調研報告目錄目錄Altair Frictionless AI Global Survey Report/2概覽概覽 03主要要點主要要點/結論結論 07第一部分：組織數據和第一部分：組織數據和AIAI戰略采用的現狀戰略采用的現狀 10主要要點/結論 13第二部分：組織摩擦第二部分：組織摩擦 15主要要點/結論 22第二部分：技術摩擦第二部分：技術摩擦 24主要要點/結論 28第二部分：財務摩擦第二部分：財務摩擦 30主要要點/結論 33第五部分：組織角色分工第五部分：組織角色分工 35主要要點/結論 39第六部分：地理位

2、置分布第六部分：地理位置分布 41主要要點/結論 60總結總結62方法論方法論65消除人工智能應用“摩擦”的方法消除人工智能應用“摩擦”的方法 67IntroductionIntroductionKeyTakeawaysSection 1Section 2Section 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction概覽概覽為了在當今競爭激烈、數字化的世界中取得成功，大多數企業已經意識到將數據作為戰略資產的必要性，同時也感受到采用數據分析和人工智能（AI）戰略的壓力。人工智能AI高效合理

3、的應用，可以使得企業的業務、生產、運營、管理等方方面面能夠基于數據提升決策的能力和效率，而不需要依賴成本昂貴并且耗時的測試或猜測。這些戰略使組織能夠預測產品或服務需求，進行預測性維護，縮短上市時間，增加產品的安全性和業務、管理等的高效性，減少浪費和能源使用等等。然而，數據分析和人工智能技術的構建和應用，往往會遇到問題，包括企業投入成本、技術能力和內部算法技術團隊和需求部門的溝通問題等等，這些問題中的任何一個都可能導致企業在人工智能應用中失敗，這問題通常被稱為摩擦摩擦。問題在于許多組織在讓數據分析和人工智能項目為其工作方面存在困難，特別是隨著數據處理變得更加復雜。收集、組織、實施和優化大量數據是

4、一項繁重的工作，涉及許多具有不同能力和需求的團隊。盡管近年來這項技術變得更加強大、準確且易于使用，但普遍認識到它尚未充分發揮其潛力。本調研報告分析了數據和人工智能戰略的采用情況，更具體地說，分析了阻礙組織充分發揮這些關鍵技術的因素。Altair Frictionless AI Global Survey Report/3IntroductionIntroductionKeyTakeawaysSection 1Section 2Section 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction

5、在這份報告中，我們對上千位專業人士進行了調查，以了解他們在哪些方面遇到了摩擦，為什么會發生摩擦，以及摩擦如何影響他們的業務。在我們的調研結果總結中發現，摩擦主要體現在三個方面：企業內部團隊之間、技術和投入成本的摩擦企業內部團隊之間、技術和投入成本的摩擦。每一種摩擦都以獨特的方式對業務結果造成嚴重影響。組織摩擦組織摩擦是存在于部門、團隊和個人之間的摩擦。組織摩擦可以在組織內部以水平方式（不同團隊和領域之間）和垂直方式（不同級別或職能的部門、團隊和個人之間）產生影響。技術摩擦技術摩擦是源于技術基礎設施的摩擦，包括硬件和軟件資源、云和高性能計算資源、設備和插件、供應商等等。技術摩擦通常作為瓶頸，限制

6、了項目的速度、規模和范圍等。財務摩擦財務摩擦是在預算緊張、資源有限的情況下出現的摩擦，項目需要有回報投資。財務摩擦在嘗試投資新的倡議或在昂貴的傳統投資中努力擴展工作時最為明顯。Altair Frictionless AI Global Survey Report/4IntroductionIntroductionKeyTakeawaysSection 1Section 2Section 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction摩擦是導致數據和人工智能項目失敗的主要原因。摩擦是導致數

7、據和人工智能項目失敗的主要原因。根據調查，阻礙組織從數據中獲取洞見的主要挑戰包括：由于摩擦，人工智能項目的失敗是真實的，無論其行業或地理位置如何，都可以在各個組織中看到。42%的受訪者承認他們在過去兩年中經歷過人工智能失敗。在過去兩年內在其組織中經歷過AI項目失敗的人中，平均有36%的項目失敗了。在過去兩年中經歷了人工智能失敗的人表示，由于這些失敗，他們在過去一年中經歷了工作人員的時間和精力浪費（63%），并且在過去一年中遭受了網絡安全威脅（50%）。然而，盡管經歷了人工智能項目的失敗，大多數受訪者（盡管經歷了人工智能項目的失敗，大多數受訪者（78%78%）表示他們的組織仍在使）表示他們的組織

8、仍在使用人工智能，因為仍然有提升能力或服務的機會。用人工智能，因為仍然有提升能力或服務的機會。54%的人表示他們的組織仍在使用人工智能，因為小規模的成功顯示了提高效率的突破潛力。最后，50%的人表示他們的組織繼續使用人工智能是因為它有潛力節省員工的時間。速度速度無法快速處理數據準確性準確性數據質量問題效用效用無法利用數據做出明智決策技能技能人才和員工技能集的限制Altair Frictionless AI Global Survey Report/5概況概況IntroductionKeyKey TakeawaysTakeawaysSection 1Section 2Section 3Secti

9、on 5Section 4Section 6MethodologyConclusionResources to Remove Friction要點要點在這里，您可以看到一些調查中最顯著的數據點。組織急需更多的數據科學人才。7575%的受訪者表示他們在尋找足夠的數據科學人才方面遇的受訪者表示他們在尋找足夠的數據科學人才方面遇到了困難到了困難，而人才短缺而人才短缺/培訓現有員工所需的時間是組織在采用人工智能戰略時最常見的問培訓現有員工所需的時間是組織在采用人工智能戰略時最常見的問題題，占比為占比為5454%?？偟膩碚f，數據和人工智能戰略存在三種類型的摩擦：組織摩擦、技術摩擦和財務摩擦。組織摩擦、技

10、術摩擦和財務摩擦。絕大多數受訪者經常遇到阻礙人工智能倡議進展的障礙。8484%的受訪者表示他們的組織有時或的受訪者表示他們的組織有時或經常面臨限制經常面臨限制，這會減慢人工智能倡議的進展；其中這會減慢人工智能倡議的進展；其中1919%表示表示“經常經?！?，而13%表示“非常經?！?。許多受訪者還表示，在過去兩年中，超過一半的數據/人工智能項目由于摩擦的原因未能投入生產。63%的受訪者認同這樣一種觀點，即他們所在的組織讓與人工智能工具的使用比必要復雜化。Altair Frictionless AI Global Survey Report/7IntroductionKeyKey Takeaways

11、TakeawaysSection 1Section 2Section 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction為了解決數據科學人才短缺的問題，大多數組織都采取了一些內部的數據科學推動計劃。然而，大多數組織只在組織的大多數組織只在組織的有限領域內實施了推動計劃有限領域內實施了推動計劃（4747%）。43%的組織在整個組織范圍內都有數據科學推動計劃，而10%的組織表示“沒有重要的計劃”。即使有這些計劃，普遍認為現有的人才仍無法滿足需求?？傮w而言總體而言，9696%的高管級受訪者表示他們

12、所在的組織有的高管級受訪者表示他們所在的組織有某種結構化的數據科學推動計劃某種結構化的數據科學推動計劃，而只有而只有8383%的用戶級的用戶級員工表示同樣員工表示同樣。反過來說，這意味著只有4%的高管級員工表示沒有數據科學計劃，而17%的用戶級員工表示沒有。這是兩個群體之間的顯著差異，可能本身就是組織摩擦的原因之一。高管可能對他們的組織在沒有數據科學專家領域知識的支持下能夠擴展人工智能項目的能力更為樂觀或不太現實。當被當被問及他們是否相信他們的組織能夠在沒有對數據科學領域專問及他們是否相信他們的組織能夠在沒有對數據科學領域專家進行培訓的情況下擴展人工智能項目時家進行培訓的情況下擴展人工智能項目

13、時，6969%的高管回答的高管回答“是是”，而只有而只有5151%的用戶回答的用戶回答“是是”。在區域層面上，與北美洲（AMER）和歐洲-中東（EMEA）地區的受訪者相比，來自亞太地區（APAC）的受訪者最有可能表示他們的組織正在尋求建立數據戰略、擴展組織的數據和人工智能戰略，并試點第一個應用案例。來自亞太地區的受訪者也最有可能表示他們相信他們的組織將在接下來的一年或更短時間內開始實施大規模的人工智能項目。中國中國（8888%）、印度印度（7575%）和韓國和韓國（6262%）是在接下來的一年是在接下來的一年或更短時間內采用人工智能進行大規模項目的最有可能的國或更短時間內采用人工智能進行大規模

14、項目的最有可能的國家家。來自印度的受訪者經歷了不成比例的數據和人工智能失敗，并且更有可能相信他們的組織讓數據和人工智能的過程比必要的更加復雜。他們還報告了最高比例的頻繁他們還報告了最高比例的頻繁人工智能策略障礙人工智能策略障礙（7272%）、兩年內人工智能項目失敗兩年內人工智能項目失敗率率（6666%），并且是最有可能表示在過去兩年中超過一并且是最有可能表示在過去兩年中超過一半的數據半的數據（5252%）和人工智能項目和人工智能項目（4545%）沒有進入生沒有進入生產的國家產的國家。Altair Frictionless AI Global Survey Report/8第一部分數據和人工智能

15、戰略采用的現狀數據和人工智能戰略采用的現狀SectionSection 1 1KeyTakeawaysIntroductionSection 2Section 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction首先，很少有受訪者認為他們所在的組織在數據和人工智能方法方面落后于潮流。事實上，84%84%的受訪者認為他們的組織在數據和人工智能戰略采用方面要么“領先于潮流”，的受訪者認為他們的組織在數據和人工智能戰略采用方面要么“領先于潮流”，要么是“領導者”。要么是“領導者”。只有12%的受訪者

16、認為他們所在的組織在這方面落后于潮流。就您所在的組織而言，您如何描述您利用人工智能和數據推動數字化轉型的方法？就您所在的組織而言，您如何描述您利用人工智能和數據推動數字化轉型的方法？第一部分：第一部分：數據和人工智能戰略采數據和人工智能戰略采用的現狀用的現狀在這一部分，我們試圖了解組織在公司范圍內采用數據和人工智能戰略以及工作流程的廣泛程度，他們在哪些方面使用這些技術等等。由于我們生活在一個充斥著數據的世界中，通常組織處理不了這么多數據，因此深入研究組織如何以及為什么通過涉及人工智能和機器學習的先進工具來收集、組織和使用數據是有意義的。Altair Frictionless AI Global

17、 Survey Report/10SectionSection 1 1KeyTakeawaysIntroductionSection 2Section 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction此外，大多數受訪者（大多數受訪者（52%52%）表示他們的組織正計劃擴大現有的數據和人工智能戰略。）表示他們的組織正計劃擴大現有的數據和人工智能戰略。同時，44%的受訪者表示他們的組織計劃進行財務/資源投資，而42%的受訪者表示他們的組織正試圖建立數據和人工智能戰略。只有只有11%11%的受訪

18、者表示他們的組織目前認為不需要的受訪者表示他們的組織目前認為不需要企業企業級的數據和人工智能戰略。級的數據和人工智能戰略。對于這個問題，受訪者可以選擇多個答案。您的公司在數據戰略方面處于哪個階段？您的公司在數據戰略方面處于哪個階段？關于人工智能的實施，受訪者認為廣泛的組織采用主要是一個月數的事情，而不是數年的事情。數據顯示，59%59%的受訪者認為他們的組織將在的受訪者認為他們的組織將在1212個月內或更短的時間內開始為大規個月內或更短的時間內開始為大規模項目采用人工智能；模項目采用人工智能；36%36%的受訪者認為采用將在的受訪者認為采用將在6 6個月內或更短的時間內進行。個月內或更短的時間

19、內進行。此外，9%的受訪者表示他們的組織已經在大規模項目中使用人工智能。只有8%的受訪者認為他們的組織將在兩年或更長時間內開始為大規模項目采用人工智能。您的組織何時開始實施人工智能（您的組織何時開始實施人工智能（AIAI）用于大規模項目？）用于大規模項目？Altair Frictionless AI Global Survey Report/11SectionSection 1 1KeyTakeawaysIntroductionSection 2Section 3Section 5Section 4Section 6MethodologyConclusionResources to Remov

20、e Friction在這里，您可以看到組織如何利用他們的數據和人工智能戰略。對于這個問題，受訪者可以選擇多個答案。貴公司在使用人工智能方面有哪些常見項目和應用？貴公司在使用人工智能方面有哪些常見項目和應用？最后，需要強調的是，盡管存在摩擦，組織普遍對利用數據來獲取有價值的洞察和結果的能力持有信心。例如，78%78%的受訪者表示他們認為他們的組織能夠利用現有數據來改的受訪者表示他們認為他們的組織能夠利用現有數據來改善業務績效。善業務績效。對于以下陳述，您在多大程度上同意或不同意？我感覺我能夠利用我們擁有的數據對于以下陳述，您在多大程度上同意或不同意？我感覺我能夠利用我們擁有的數據來改善組織的業務

21、績效。來改善組織的業務績效。Altair Frictionless AI Global Survey Report/12相當大比例的受訪者希望改進和擴展現有的戰略和基礎設施。大多數受訪者（大多數受訪者（52%52%）表示他們的組織正在尋求擴大現有的數據和人工智能戰略。表示他們的組織正在尋求擴大現有的數據和人工智能戰略。第一部分主要要點第一部分主要要點許多組織在實施企業級數據和人工智能戰略方面具有領先的覺知。84%84%的受訪者認為他們的受訪者認為他們所在的組織在數據和人工智能戰略采用方面要么“領先于潮流”，要么是“領導者”。所在的組織在數據和人工智能戰略采用方面要么“領先于潮流”，要么是“領導

22、者”。只有12%的受訪者認為他們所在的組織在這方面落后于潮流。如今的行業廣泛認識到組織級數據和人工智能戰略的重要性。只有只有1111%的受訪者表示他的受訪者表示他們所在的組織目前認為不需要們所在的組織目前認為不需要企業企業級的數據和人工智能戰略級的數據和人工智能戰略。59%59%的受訪者認為他們所在的組織將在的受訪者認為他們所在的組織將在1212個月內或更短的時間內開始為大規模項目采個月內或更短的時間內開始為大規模項目采用組織級人工智能戰略，用組織級人工智能戰略，36%的受訪者認為采用將在6個月內或更短的時間內進行，而9%的受訪者已經采用了這樣的戰略。SectionSection 1 1Key

23、TakeawaysAltair Frictionless AI Global Survey Report/13IntroductionSection 2Section 3Section 5Section 4Section 6MethodologyResources to Remove FrictionConclusion第二部分組織摩擦組織摩擦Section 1SectionSection 2 2KeyTakeawaysIntroductionSection 3Section 5Section 4Section 6MethodologyConclusionResources to Remove

24、 Friction第二部分：第二部分：組織摩擦組織摩擦現在，讓我們更詳細地探討摩擦的類型和原因，首先從組織摩擦開始?？傮w而言，84%84%的受訪者表示他們所在的組織有時候或經常面臨限制，這些限制會減緩的受訪者表示他們所在的組織有時候或經常面臨限制，這些限制會減緩人工智能項目的進展；人工智能項目的進展；19%的受訪者表示“經?！?，而13%的受訪者表示“非常經?！?。只有10%的受訪者表示他們很少或從不遇到限制。您的組織經常面臨限制，從而減緩了人工智能項目的進展頻率有多高？您的組織經常面臨限制，從而減緩了人工智能項目的進展頻率有多高？此外，63%63%的受訪者認同這樣一種觀點：他們所在的組織使得使用

25、人工智能工具變得比的受訪者認同這樣一種觀點：他們所在的組織使得使用人工智能工具變得比必要性的更加復雜，其中超過四分之一的受訪者強烈同意這一觀點。必要性的更加復雜，其中超過四分之一的受訪者強烈同意這一觀點。您對以下陳述在多大程度上表示同意或不同意？我們的組織往往會使得使用人工智能您對以下陳述在多大程度上表示同意或不同意？我們的組織往往會使得使用人工智能工具變得比必要的更加復雜。工具變得比必要的更加復雜。Altair Frictionless AI Global Survey Report/15Section 1SectionSection 2 2KeyTakeawaysIntroductionS

26、ection 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction到目前為止，在組織的人工智能戰略采用中，人才短缺和培訓現有員工所需的時間是到目前為止，在組織的人工智能戰略采用中，人才短缺和培訓現有員工所需的時間是最普遍的問題，占據了最普遍的問題，占據了54%54%。這反映了現代數據科學行業的共同觀點每個組織都沒有足夠的數據科學人才來組建跨部門的數據科學團隊。這一觀點在另一個關于有技能的數據員工是否可獲得的問題上也得到了明確的體現75%75%的受訪者表示他們很的受訪者表示他們很難找到足夠的數據

27、科學人才。難找到足夠的數據科學人才。當依靠人工智能工具完成項目時，您的組織通常會遇到哪些差距或不足？請選擇適用的所當依靠人工智能工具完成項目時，您的組織通常會遇到哪些差距或不足？請選擇適用的所有選項。有選項。您是否在尋找足夠的數據科學人才方面感到困難？您是否在尋找足夠的數據科學人才方面感到困難？Altair Frictionless AI Global Survey Report/16Section 1SectionSection 2 2KeyTakeawaysIntroductionSection 3Section 5Section 4Section 6MethodologyConclusi

28、onResources to Remove Friction關于培訓計劃提升員工能力方面，大多數組織只在組織的有限區域內設置了數據科學培訓大多數組織只在組織的有限區域內設置了數據科學培訓計劃計劃（4747%）。43%的組織在整個組織范圍內設置了數據科學培訓計劃，而10%的組織表示“沒有重要的計劃”。無論如何，數據表明組織仍在尋找更好的方法來解決數據科學人才短缺的問題，這是減少組織摩擦的最簡單、最有效的方式之一。您是否已經建立了結構化的數據科學培訓計劃？您是否已經建立了結構化的數據科學培訓計劃？缺乏足夠的數據科學專業人才是一種主要的摩擦源，特別是當其他員工（很可能沒有足夠的數據科學專業知識）被要

29、求監督和管理組織的數據和人工智能項目時。因此，許多現代組織必須實施內部培訓計劃，提升現有員工和團隊的能力。起初，60%的受訪者認為他們的組織可以在沒有對領域專家進行數據科學培訓的情況下擴展人工智能項目。雖然這只是略微占多數雖然這只是略微占多數，但仍有但仍有4040%的人認為必須對領域專家進行數據科學培的人認為必須對領域專家進行數據科學培訓才能開發成功的人工智能項目訓才能開發成功的人工智能項目。您是否相信在不對領域專家進行數據科學培訓的情況下，您可以擴展人工智能項目？您是否相信在不對領域專家進行數據科學培訓的情況下，您可以擴展人工智能項目？Altair Frictionless AI Globa

30、l Survey Report/17Section 1SectionSection 2 2KeyTakeawaysIntroductionSection 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction35%35%的受訪者表示，大部分員工對人工智能的了解程度較低和的受訪者表示，大部分員工對人工智能的了解程度較低和/或他們缺乏數據科學技能的人員?；蛩麄內狈祿茖W技能的人員。在發揮人工智能的財務投資價值方面，您的企業面臨哪些常見挑戰？請選擇適用的所有選項。在發揮人工智能的財務投資價值方面，您

31、的企業面臨哪些常見挑戰？請選擇適用的所有選項。35%35%我們的大部分員工對人工智能的了解程度較低，缺乏具備數據科學技能的人才。我們的大部分員工對人工智能的了解程度較低，缺乏具備數據科學技能的人才。我們每天都面臨著各種形式的大量混亂、非結構化的數據，這些數據在組織中分散而孤立。數據科學項目管理是迭代的，不能設定并忘記，我們沒有專門的、有經驗的員工來保持項目的順利運行。30%30%在企業內部培養數據驅動文化的困難性在企業內部培養數據驅動文化的困難性32%32%管理人工智能風險比大多數人所認為的更全面管理人工智能風險比大多數人所認為的更全面29%29%團隊（數據科學家和業務領導者）各自獨立工作，團

32、隊（數據科學家和業務領導者）各自獨立工作，彼此之間溝通不暢彼此之間溝通不暢22%22%實現商業價值的路徑不明確實現商業價值的路徑不明確20%20%缺乏高層主管的支持缺乏高層主管的支持13%13%不知道如何開始不知道如何開始7%7%對我們來說，這不是一個挑戰對我們來說，這不是一個挑戰Altair Frictionless AI Global Survey Report/18Section 1SectionSection 2 2KeyTakeawaysIntroductionSection 3Section 5Section 4Section 6MethodologyConclusionResou

33、rces to Remove Friction這些由摩擦引起的問題對組織的員工和利潤都造成了影響。數據顯示，時間和精力的浪費以及資金的浪費分別占據了組織的主要關切，比例分別為時間和精力的浪費以及資金的浪費分別占據了組織的主要關切，比例分別為63%63%和和40%40%。當然，聲譽和網絡安全風險也是常見的回答。在過去在過去1212個月內，由于與人工智能相關的失敗，您的組織是否面臨了負面影響？請個月內，由于與人工智能相關的失敗，您的組織是否面臨了負面影響？請選擇適用的所有選項。選擇適用的所有選項。Altair Frictionless AI Global Survey Report/19Secti

34、on 1SectionSection 2 2KeyTakeawaysIntroductionSection 3Section 5Section 4Section 6MethodologyConclusionResources to Remove Friction重要的是要注意，組織摩擦在水平和垂直方面都會對組織產生影響。數據揭示了有關摩擦如何垂直地傷害組織的一些有見地的趨勢。33%33%的高管級受訪者表示，數據的高管級受訪者表示，數據科學家和業務領導等團隊在各自獨立的領域中工作，科學家和業務領導等團隊在各自獨立的領域中工作，因此溝通效果不佳。而用戶級受訪者以用戶級受訪者以25%25%的比例表示

35、相同的情況，與高管級受訪者相比存在的比例表示相同的情況，與高管級受訪者相比存在8%8%的差的差異。異。在利用人工智能的財務投資價值方面，您的企業面臨哪些常見挑戰？請選擇適用的所有選項。在利用人工智能的財務投資價值方面，您的企業面臨哪些常見挑戰？請選擇適用的所有選項。Altair Frictionless AI Global Survey Report/20Section 1SectionSection 2 2KeyTakeawaysIntroductionSection 3Section 5Section 4Section 6MethodologyConclusionResources to

36、Remove Friction此外，數據顯示高管和用戶在鼓勵數據專家和領域專家之間合作，以及培養業務部門人員在人工智能工具方面的能力方面存在一定的脫節。毫無疑問，高管和用戶都鼓勵高管和用戶都鼓勵其他人合作并提升他們的技能水平，比例分別為其他人合作并提升他們的技能水平，比例分別為62%62%和和58%58%。然而，雖然。然而，雖然42%42%的高管的高管表示他們鼓勵領導團隊中的其他成員理解投資于人工智能解決方案的理由或益處，但表示他們鼓勵領導團隊中的其他成員理解投資于人工智能解決方案的理由或益處，但只有只有32%32%的用戶表示相同。的用戶表示相同。在過去在過去2424個月中，您的組織有多少百分

37、比的人工智能項目失敗了？個月中，您的組織有多少百分比的人工智能項目失敗了？Altair Frictionless AI Global Survey Report/2184%84%的受訪者表示他們的組織有時或經常面臨限制，這會減緩人工智能項目的進展；的受訪者表示他們的組織有時或經常面臨限制，這會減緩人工智能項目的進展；19%的受訪者表示“經?！?，而13%的受訪者表示“非常經?！?。只有10%的受訪者表示他們很少或從未遇到限制。第二部分第二部分 要點要點迄今為止，在組織的人工智能戰略采用中，人才短缺和培養現有員工所需的時間是最普遍的問題。75%75%的受訪者表示他們很難找到足夠的數據科學人才。的受訪

38、者表示他們很難找到足夠的數據科學人才。大多數組織只在組織的有限區域內設置了數據科學培訓計劃（大多數組織只在組織的有限區域內設置了數據科學培訓計劃（47%47%）。43%的受訪者表示，組織在整個組織范圍內都有數據科學培訓計劃，而10%的受訪者表示：“沒有任何重要計劃”。雖然雖然42%42%的高級管理層受訪者表示他們正在鼓勵領導隊中的其他成員理解投資于人工智的高級管理層受訪者表示他們正在鼓勵領導隊中的其他成員理解投資于人工智能解決方案的原理或好處，但只有能解決方案的原理或好處，但只有32%32%的用戶級受團訪者表示同樣的觀點。的用戶級受團訪者表示同樣的觀點。KeyTakeawaysIntroduc

39、tionSection 3Section 5Section 4Section 6MethodologyResources to Remove FrictionSection 1SectionSection 2 2ConclusionAltair Frictionless AI Global Survey Report/22第三部分技術摩擦技術摩擦SectionSection 3 3Section 4KeyTakeawaysIntroductionSection 5Section 6MethodologyConclusionResources to Remove FrictionSection

40、1Section 2此外，數據顯示，在過去兩年內，數據科學項目未能進入生產的摩擦現象非常普遍，這令人擔憂。當被問及過去兩年內有多少組織的數據科學項目未能進入生產時，33%33%的受訪者表示超過的受訪者表示超過一半的數據科學項目未能進入生產。一半的數據科學項目未能進入生產。此外，55%55%的受訪者表示過去兩年內超過三分之一的數據的受訪者表示過去兩年內超過三分之一的數據科學項目未能進入生產，科學項目未能進入生產，而令人震驚的是，67%67%的受訪者表示超過四分之一的項目未能進入生的受訪者表示超過四分之一的項目未能進入生產。產。在過去在過去2424個月中，您的組織有多少百分比的數據科學項目從未進入

41、過生產環境？個月中，您的組織有多少百分比的數據科學項目從未進入過生產環境？第三部分：第三部分：技術摩擦技術摩擦現在，我們將研究技術摩擦以及受訪者對它的體驗。正如前一節所述，大多數受訪者表示在他們的數據和人工智能戰略中經常遇到障礙。下面您可以看到受訪者認為與從數據中獲取洞察相關的最具挑戰性問題?？傮w總體而言，受訪者認為他們在數據處理速度、快速做出明智決策以及數據質量問題而言，受訪者認為他們在數據處理速度、快速做出明智決策以及數據質量問題上遇到了最大困難。上遇到了最大困難。在從您的數據中獲取洞見方面，您的組織最困擾的前三個挑戰是什么？在從您的數據中獲取洞見方面，您的組織最困擾的前三個挑戰是什么？A

42、ltair Frictionless AI Global Survey Report/24SectionSection 3 3Section 4KeyTakeawaysIntroductionSection 5Section 6MethodologyConclusionResources to Remove FrictionSection 1Section 2AI項目的情況也不容樂觀。42%42%的受訪者表示他們的組織在過去兩年內經歷了人工智能項的受訪者表示他們的組織在過去兩年內經歷了人工智能項目的失敗。目的失敗。此外，26%26%的受訪者表示過去兩年內超過一半的人工智能項目失敗。的受訪者表示

43、過去兩年內超過一半的人工智能項目失敗。44%44%的受的受訪者表示過去兩年內超過三分之一的人工智能項目失敗，訪者表示過去兩年內超過三分之一的人工智能項目失敗，57%57%的受訪者表示超過四分之一的受訪者表示超過四分之一的人工智能項目在這個時間范圍內失敗。的人工智能項目在這個時間范圍內失敗。在過去的在過去的2424個月中，您是否經歷過人工智能項目的失??？個月中，您是否經歷過人工智能項目的失??？在過去的在過去的2424個月內，您的組織中有多少百分比的人工智能項目失敗了？個月內，您的組織中有多少百分比的人工智能項目失敗了？Altair Frictionless AI Global Survey Re

44、port/25SectionSection 3 3Section 4KeyTakeawaysIntroductionSection 5Section 6MethodologyConclusionResources to Remove FrictionSection 1Section 2下面，我們可以看到受訪者指出了多個與技術相關的問題，主要包括遺留系統無法開展先進的人工智能和機器學習項目（遺留系統無法開展先進的人工智能和機器學習項目（33%33%），技術團），技術團隊難以以通俗的語言向其他團隊傳達需求（隊難以以通俗的語言向其他團隊傳達需求（31%31%）。）。此外，受訪者還提到供應商系統和軟件

45、的不兼容性是一個經常出現的問題。對于這個問題，受訪者可以選擇多個答案。在您的組織中，以下哪些挑戰對人工智能項目產生了負面影響？在您的組織中，以下哪些挑戰對人工智能項目產生了負面影響？Altair Frictionless AI Global Survey Report/26SectionSection 3 3Section 4KeyTakeawaysIntroductionSection 5Section 6MethodologyConclusionResources to Remove FrictionSection 1Section 2最后，您可以看到組織在利用其在組織數據和人工智能戰略方

46、面的投資時面臨的最常見挑戰。數據顯示，大量雜亂的數據使組織無法成功實施數據和人工智能戰略。在利用在人工智能方面的財務投資中發揮價值時，您的業務面臨的一些常見挑戰是什在利用在人工智能方面的財務投資中發揮價值時，您的業務面臨的一些常見挑戰是什么？請選擇所有適用項。么？請選擇所有適用項。導致受訪者無法從數據中獲取洞察的前三個問題是處理能力不足（無論是人員還是技術方導致受訪者無法從數據中獲取洞察的前三個問題是處理能力不足（無論是人員還是技術方面）、難以快速做出明智決策以及數據質量問題。面）、難以快速做出明智決策以及數據質量問題。在從數據中獲取洞察方面，您的組織最常面臨的三個挑戰是什么？在從數據中獲取洞

47、察方面，您的組織最常面臨的三個挑戰是什么？受訪者表示導致他們無法從數據中獲取洞見的前三個因素是受訪者表示導致他們無法從數據中獲取洞見的前三個因素是：我們的系統或人員無法快速處理數據我們無法快速做出明智決策我們在數據質量方面遇到問題123Altair Frictionless AI Global Survey Report/27當被問及在過去兩年中有多少百分比的組織數據科學項目沒有投入生產時，33%33%的受訪的受訪者表示，超過一半的數據科學項目從未投入生產者表示，超過一半的數據科學項目從未投入生產。此外，55%的受訪者表示，超過三分之一的數據科學項目在過去兩年內從未投入生產，而令人震驚的是，6

48、7%的受訪者表示，超過四分之一的項目從未投入生產。組織AI項目也受到類似失敗率的困擾。42%的受訪者表示，他們的組織在過去兩年中經歷了人工智能項目失敗。此外，26%的受訪者表示，他們超過一半的人工智能項目在過去兩年內失敗了。44%的受訪者表示，超過三分之一的人工智能項目在同一時間范圍內失敗，57%的受訪者表示，超過四分之一的人工智能項目在這段時間內失敗。第三部分關鍵要點第三部分關鍵要點從技術上講，受訪者在數據處理速度、快速做出明智決策和數據質量問題方面最為困難。受訪者指出了導致摩擦的多個技術相關問題-主要是遺留系統無法開發先進的人工智能主要是遺留系統無法開發先進的人工智能和機器學習計劃（和機器

49、學習計劃（33%33%），技術團隊難以用外行的方式向其他團隊傳達他們的需求），技術團隊難以用外行的方式向其他團隊傳達他們的需求（31%31%）。）。受訪者還表示，供應商系統和軟件不兼容是一個反復出現的問題。受訪者還表示，供應商系統和軟件不兼容是一個反復出現的問題。受訪者表示，阻礙他們從數據中收集見解的三大技術問題是缺乏處理能力（人員或技術）、難以快速做出明智的決策以及數據質量問題。SectionSection 3 3Section 4Altair Frictionless AI Global Survey Report/28KeyTakeawaysIntroductionSection 5Se

50、ction 6MethodologyResources to Remove FrictionSection 1Section 2Conclusion第四部分財務摩擦財務摩擦SectionSection 4 4KeyTakeawaysIntroductionSection 5Section 6MethodologyConclusionResources to Remove FrictionSection 1Section 2Section 3第四部分：第四部分：財務摩擦財務摩擦對于摩擦的最后一個主要領域，我們將把顯微鏡轉向財務摩擦。盡管組織可能渴望建立或發展其組織數據和人工智能戰略，但如果團隊和

51、個人不斷遇到財務障礙，則什么也做不了。首先，25%25%的受訪者提到了財務限制，特別是那些阻止他們獲得新技術基礎設施的的受訪者提到了財務限制，特別是那些阻止他們獲得新技術基礎設施的因素。因素。作為對組織內的作為對組織內的 AI AI 計劃產生負面影響的摩擦點。計劃產生負面影響的摩擦點。此外，28%的受訪者表示，他們的領導層過于關注戰略的前期成本，無法理解投資人工智能和機器學習將如何使他們的組織受益。以下哪些挑戰會對組織中的 AI 計劃產生負面影響？同樣，33%的受訪者表示，“實施的高成本”“實施的高成本”無論是真實的還是感知的是他們組織依靠人工智能工具完成項目的不足之一。在同一問題中，受訪者還

52、指出了與提高現有員工的數據科學技能相關的財務成本。您的組織在依靠您的組織在依靠 AI AI 工具完成項目時通常會遇到哪些差距或不足？工具完成項目時通常會遇到哪些差距或不足？34%34%培訓和提升我們的員工既昂貴又耗時培訓和提升我們的員工既昂貴又耗時33%33%實施成本高實施成本高Altair Frictionless AI Global Survey Report/30SectionSection 4 4KeyTakeawaysIntroductionSection 5Section 6MethodologyConclusionResources to Remove FrictionSecti

53、on 1Section 2Section 3此外，44%44%的受訪者表示的受訪者表示，他們很難找到大型人工智能項目的用例他們很難找到大型人工智能項目的用例這包括與計費、發票、支付處理、成本分析等相關的項目。在哪些領域，您最難找到AI用例？展望未來，相當一部分受訪者表示相當一部分受訪者表示，他們的組織正在努力擴大對數據和人工智能戰他們的組織正在努力擴大對數據和人工智能戰略的金融投資略的金融投資。在從數據中獲取見解時，您的組織最難應對的三大挑戰是什么？在從數據中獲取見解時，您的組織最難應對的三大挑戰是什么？1.821.82我們努力擴大金融投資規模我們努力擴大金融投資規模44%44%精簡財務業務精

54、簡財務業務（即計費、發票、付款處理、成本分析等）Altair Frictionless AI Global Survey Report/31SectionSection 4 4KeyTakeawaysIntroductionSection 5Section 6MethodologyConclusionResources to Remove FrictionSection 1Section 2Section 3最后，由于這些財務摩擦來源，40%40%的受訪者表示，他們在過去一年中因人工智能項目的受訪者表示，他們在過去一年中因人工智能項目相關的失敗而浪費了資金。相關的失敗而浪費了資金。在過去的在過

55、去的 12 12 個月內，您的組織因與個月內，您的組織因與 AI AI 相關的故障而面臨哪些負面影響（如果有相關的故障而面臨哪些負面影響（如果有的話）？的話）？下面，您可以看到受訪者認為哪些因素是阻止他們在人工智能戰略中利用金融投資的最大挑戰。您的企業在利用其在人工智能方面的金融投資價值時面臨哪些常見挑戰？選擇所有適您的企業在利用其在人工智能方面的金融投資價值時面臨哪些常見挑戰？選擇所有適用項。用項。40%40%資金投入浪費資金投入浪費Altair Frictionless AI Global Survey Report/32第四部分第四部分 要點要點44%44%的受訪者表示很難找到大型人工智

56、能項目的用例的受訪者表示很難找到大型人工智能項目的用例這包括與計費、發這包括與計費、發票、支付處理、成本分析等相關的項目。票、支付處理、成本分析等相關的項目。25%25%的受訪者認為財務限制是對其組織內的人工智能計劃產生負面影響的摩擦點。的受訪者認為財務限制是對其組織內的人工智能計劃產生負面影響的摩擦點。此外，28%的受訪者表示，他們的領導層過于關注戰略的前期成本，無法理解投資人工智能和機器學習將如何使他們的組織受益。40%40%的受訪者表示，他們在過去一年中因人工智能項目相關的失敗而浪費了資金。的受訪者表示，他們在過去一年中因人工智能項目相關的失敗而浪費了資金。SectionSection

57、4 4Altair Frictionless AI Global Survey Report/33KeyTakeawaysIntroductionSection 5Section 6MethodologyResources to Remove FrictionSection 1Section 2Section 3Conclusion第五部分第五部分組織角色細分組織角色細分SectionSection 5 5KeyTakeawaysIntroductionSection 6MethodologyConclusionResources to Remove FrictionSection 1Sect

58、ion 2Section 3Section 4正如第 2 節中所討論的，這就是為什么大多數組織創建專門的數據科學支持計劃來提高現有員工的技能。然而，數據表明，高管級和用戶級員工對這些計劃的有效性的看法并不一致?？傮w而言，96%96%的高管級受訪者表示，他們的組織有某種結構化的數據科學支持計劃，而只的高管級受訪者表示，他們的組織有某種結構化的數據科學支持計劃，而只有有83%83%的用戶級員工表示相同。的用戶級員工表示相同。反過來說，這意味著只有4%的高管級員工表示沒有數據科學計劃，而用戶級員工的這一比例為17%。這是兩個群體之間的重大脫節，本身可能是組織摩擦的原因。第五部分：第五部分：組織角色細

59、分組織角色細分與任何組織一樣，執行級別和用戶級別的員工看待事物的方式不同。這意味著這兩個不同的人群可能對如何實施數據和人工智能戰略、摩擦來自哪里、如何消除摩擦等等有不同的看法。對于團隊來說，保持一致非常重要，這樣工作才能順利、快速、提前完成，這樣每個人都能從組織的投資中獲得最大收益。當部門、團隊和個人不一致時，這是主要類型之一的重要而持久的原因，即摩擦組織摩擦。在本節中，我們將分析按組織角色細分的數據，以了解在組織數據和AI 策略中的摩擦方面，執行層級別員工和用戶級別員工之間存在哪些差異（如果有）。首先，需要注意的是，高管級和用戶級員工都同意尋找數據科學人才的困難這些組織表示，他們的組織很難以

60、幾乎相同的速度找到足夠的數據科學人才（分別為74%和75%）。您是否制定了結構化數據科學支持計劃？您是否制定了結構化數據科學支持計劃？Altair Frictionless AI Global Survey Report/35SectionSection 5 5KeyTakeawaysIntroductionSection 6MethodologyConclusionResources to Remove FrictionSection 1Section 2Section 3Section 4此外，盡管差異較小，但與用戶級員工（25%）相比，更多的高管（更多的高管（33%33%）認為團隊）認為

61、團隊在孤島中工作，無法在團隊之間進行有效溝通。在孤島中工作，無法在團隊之間進行有效溝通。您的企業在利用其在人工智能方面的金融投資價值時面臨哪些常見挑戰？您的企業在利用其在人工智能方面的金融投資價值時面臨哪些常見挑戰？然而，這并不是唯一揭示高管和用戶之間脫節的回應。當被問及他們是否相信他們的組織當被問及他們是否相信他們的組織可以在不培訓數據科學領域專家的情況下擴展人工智能項目時，可以在不培訓數據科學領域專家的情況下擴展人工智能項目時，69%69%的高管說“是”，而的高管說“是”，而只有只有51%51%的用戶表示相同。的用戶表示相同。您是否相信您可以在不培訓領域專家接受數據科學的情況下擴展您是否相

62、信您可以在不培訓領域專家接受數據科學的情況下擴展 AI AI 項目？項目？Altair Frictionless AI Global Survey Report/36SectionSection 5 5KeyTakeawaysIntroductionSection 6MethodologyConclusionResources to Remove FrictionSection 1Section 2Section 3Section 4下面，您可以看到高管和用戶對他們認為阻礙組織部署有效組織 AI 戰略的能力的看法略有不同。以下哪些障礙限制了組織部署以下哪些障礙限制了組織部署 AI AI 的能力

63、？的能力？Altair Frictionless AI Global Survey Report/37SectionSection 5 5KeyTakeawaysIntroductionSection 6MethodologyConclusionResources to Remove FrictionSection 1Section 2Section 3Section 4在這里，您可以看到高管和用戶對他們認為可以在組織內使用AI 解決的挑戰的看法有何不同。您的組織遇到了哪些可以通過您的組織遇到了哪些可以通過 AI AI 改善的低效率問題？改善的低效率問題？然而，這兩個群體之間也有許多一致的領域

64、。然而，這兩個群體之間也有許多一致的領域。一般來說，高管和用戶在團隊和組織面臨的挑戰上是一致的，并且了解缺乏人才會導致大量的組織摩擦。例如，當被問及在過去兩年中有多少百分比的數據科學項目沒有投入生產時，他們給出了幾乎相同的回答兩組都表示，超過一半的此類項目失敗了（分別為33%和32%）。他們還認為，他們的組織使使用人工智能工具變得比需要的更加復雜（分別為65%和60%）。Altair Frictionless AI Global Survey Report/38總體而言總體而言，96%96%的高管級受訪者表示的高管級受訪者表示，他們的組織有某種結構化的數據科學支持計劃他們的組織有某種結構化的數

65、據科學支持計劃，而而只有只有83%83%的用戶級員工表示相同的用戶級員工表示相同。反過來說反過來說，這意味著只有這意味著只有4%4%的高管級員工表示沒有數的高管級員工表示沒有數據科學計劃據科學計劃，而用戶級員工的這一比例為而用戶級員工的這一比例為17%17%。這是兩個群體之間的重大脫節這是兩個群體之間的重大脫節，本身可能本身可能是組織摩擦的原因是組織摩擦的原因。第五部分第五部分 要點要點高管級和用戶級員工都同意尋找數據科學人才的困難這些組織表示，他們的組織很難以幾乎相同的比率找到足夠的數據科學人才（分別為74%和75%）。高管們可能對他們的組織在沒有精通數據科學的領域專家幫助的情況下擴展人工智

66、能項目的能力更樂觀或者不太現實。當被問及他們是否相信他們的組織可以在不培訓數據科學領域專家的情況下擴展人工智能項目時，69%的高管說“是”，而只有51%的用戶表示相同。SectionSection 5 5Altair Frictionless AI Global Survey Report/39KeyTakeawaysIntroductionSection 6MethodologyConclusionResources to Remove FrictionSection 1Section 2Section 3Section 4第六部分第六部分地理位置地理位置細分細分SectionSection

67、 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction第第6 6部分：部分：地理位置細分地理位置細分在本節中，我們將研究與組織數據和AI 策略相關的不同地理區域之間存在哪些差異。本節的數據顯示，國際地區和國家在使用組織數據和人工智能戰略方面存在差異，對摩擦的感知和體驗不同，并且正在尋求以不同的方式擴展其現有戰略?？傮w而言，數據表明，亞太地區（尤其是中國）的受訪者希望在不久的將來了解有關組織數據和 AI 策略

68、的更多信息、實施它們、減少摩擦等。區域調研洞察區域調研洞察首先，與與AMERAMER和和EMEAEMEA地區的受訪者相比，亞太地區的受訪者最有可能表示，與地區的受訪者相比，亞太地區的受訪者最有可能表示，與AMERAMER和和EMEAEMEA地區的受訪者相比，他們的組織正在尋求建立數據戰略，擴展組織數據和人工智能戰略，并試地區的受訪者相比，他們的組織正在尋求建立數據戰略，擴展組織數據和人工智能戰略，并試點第一個用例。點第一個用例。Altair Frictionless AI Global Survey Report/41SectionSection 6 6KeyTakeawaysIntroduc

69、tionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction此外，來自亞太地區的受訪者也最有可能表示來自亞太地區的受訪者也最有可能表示，他們相信他們的組織將在明年或更早開始為大型他們相信他們的組織將在明年或更早開始為大型項目實施人工智能項目實施人工智能。數據還顯示數據還顯示，亞太地區的受訪者最不可能已經在大型項目中使用人工智能亞太地區的受訪者最不可能已經在大型項目中使用人工智能。這表明該地區及其組織正在尋求快速擴展，以彌補采用和實施方面的差距。貴公司的數據戰略

70、處于什么位置貴公司的數據戰略處于什么位置？您的組織何時開始為大型項目實施您的組織何時開始為大型項目實施 AIAI？Altair Frictionless AI Global Survey Report/42SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction總體而言，來自三個主要國際地區的受訪者都表示，他們遇到了一些限制，以大致相同的速度減緩了他們的人工智能計劃。這一結果表明，

71、摩擦是一個全球性問題，無論組織位于何處，都會影響組織。您的組織多久面臨一次限制，這些限制會減慢您的組織多久面臨一次限制，這些限制會減慢 AI AI 計劃的速度？計劃的速度？Altair Frictionless AI Global Survey Report/43SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction當被問及是否覺得自己所在的組織讓使用人工智能工具變得比必要性更加

72、復雜時，調查結果顯示出了相同的觀點。您在多大程度上同意或不同意以下陳述：我們的組織傾向于使用您在多大程度上同意或不同意以下陳述：我們的組織傾向于使用 AI AI 工具比必要性更工具比必要性更復雜。復雜。然而，數據顯示，與亞太地區（與亞太地區（54%54%）和）和EMEAEMEA（35%35%）地區相比，）地區相比，AMERAMER地區的受訪者在過地區的受訪者在過去兩年（去兩年（29%29%）中經歷）中經歷AIAI故障的可能性要小得多。故障的可能性要小得多。您在過去您在過去 24 24 個月內是否經歷過個月內是否經歷過 AI AI 故障？故障？Altair Frictionless AI Glo

73、bal Survey Report/44SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction數據還表明，與亞太地區（與亞太地區（91%91%）和歐洲、中東和非洲地區（）和歐洲、中東和非洲地區（90%90%）的受訪者相比，）的受訪者相比，美洲地區（美洲地區（80%80%）的受訪者更少有一個結構化的數據科學培養計劃。）的受訪者更少有一個結構化的數據科學培養計劃?？傮w而言，美洲地區在

74、這個問題上的比例比整體調查平均值低了九個百分點。你是否有一個結構化的數據科學培養計劃？Altair Frictionless AI Global Survey Report/45SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction正如前面的章節所討論的，眾所周知，尋找數據科學人才對于所有組織來說都是一個難題。數據顯示，在尋找足夠的數據科學人才方面，APAC和EMEA地區比AME

75、R地區更為突出，總體而言，7878%的的APACAPAC受訪者和受訪者和7575%的的EMEAEMEA受訪者表示他們在尋找足夠的數據科學人受訪者表示他們在尋找足夠的數據科學人才方面遇到了困難才方面遇到了困難，而相比之下而相比之下，只有只有6161%的的AMERAMER受訪者表示如此受訪者表示如此。盡管存在差異盡管存在差異，但但可以明確的是可以明確的是，對于人才短缺問題存在廣泛的共識對于人才短缺問題存在廣泛的共識。您是否在尋找足夠的數據科學人才方面遇到困難？您是否在尋找足夠的數據科學人才方面遇到困難？此外，似乎來自亞太地區和歐洲、中東和非洲地區的受訪者（均為61%）比來自美洲地區的受訪者（50%

76、）更有信心在不培訓數據科學領域專家的情況下擴大人工智能項目。您是否認為在不培訓領域專家接受數據科學知識的情況下，您可以擴展人工智能項您是否認為在不培訓領域專家接受數據科學知識的情況下，您可以擴展人工智能項目？目？Altair Frictionless AI Global Survey Report/46SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction不同國家調研洞察不同國家

77、調研洞察讓我們更詳細地研究各個國家的情況。根據調查數據，來自中國和印度這兩個亞太地區的受訪者最有可能認為他們的組織是人工智能和數字化轉型的領導者。另一方面，來自美國的受訪者最有可能感覺他們的組織在與競爭對手的比拼中落后，與法國和英國一樣。對于您的組織來說，您如何描述您在利用人工智能和數據推動數字化轉型方面對于您的組織來說，您如何描述您在利用人工智能和數據推動數字化轉型方面的方法？的方法？Altair Frictionless AI Global Survey Report/47SectionSection 6 6KeyTakeawaysIntroductionSection 1Section

78、2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction繼上一個問題之后，來自中國和印度的受訪者也最有可能表示他們的組織目前正在努力建立和實施企業級的數據和人工智能戰略。中國在這個問題上的角色尤為引人關注中國在這個問題上的角色尤為引人關注-來自中國的受來自中國的受訪者遠遠超過其他國家，最有可能表示他們的組織正在努力建立數據戰略、試點初步應用案例、尋求擴大規模，并進行數據和人工智能戰略投資。訪者遠遠超過其他國家，最有可能表示他們的組織正在努力建立數據戰略、試點初步應用案例、尋求擴大規模，并進行數據和

79、人工智能戰略投資。與此同時，他們也是僅次于韓國的第二個最有可能表示他們的組織沒有數據和人工智能戰略，并且目前沒有這方面需求的國家。您的公司在數據戰略方面處于何種狀態？您的公司在數據戰略方面處于何種狀態？Altair Frictionless AI Global Survey Report/48SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction關于組織計劃在何時開始實施大規模的

80、人工智能項目，亞太地區的三個國家處于領先地位。中國（中國（88%88%）、印度（）、印度（75%75%）和韓國（）和韓國（62%62%）是最有可能在未來一年或更短時間內采用人工智能進行大）是最有可能在未來一年或更短時間內采用人工智能進行大規模項目的國家。規模項目的國家。而意大利（22%）、美國（12%）和德國（11%）的受訪者最有可能表示他們的組織已經在大規模項目中使用人工智能。您的組織計劃何時開始實施人工智能（您的組織計劃何時開始實施人工智能（AIAI）的大規模項目？）的大規模項目？Altair Frictionless AI Global Survey Report/49SectionSe

81、ction 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction正如之前提到的，全球范圍內遇到減慢數據和人工智能項目的限制非常普遍。以下是各個國家的受訪者表示他們的組織面臨這些障礙的頻率。此外，您還可以看到每個國家表示這些障礙是什么。您的組織有多頻繁面臨減緩人工智能項目的限制？您的組織有多頻繁面臨減緩人工智能項目的限制？Altair Frictionless AI Global Survey Report/

82、50SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction以下哪些障礙限制了您的組織部署人工智能的能力？以下哪些障礙限制了您的組織部署人工智能的能力？Altair Frictionless AI Global Survey Report/51SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3S

83、ection 4Section 5MethodologyConclusionResources to Remove Friction根據調查數據，印度的受訪者似乎經歷了不成比例的數據和人工智能項目失敗，并且他們更有可能認為他們的組織使得數據和人工智能過程變得比必要的更加困難。在過去在過去2424個月內，您的組織有多少數據科學項目從未進入生產階段？個月內，您的組織有多少數據科學項目從未進入生產階段？Altair Frictionless AI Global Survey Report/52SectionSection 6 6KeyTakeawaysIntroductionSection 1Sec

84、tion 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction在過去在過去2424個月內，您是否經歷過人工智能項目的失??？個月內，您是否經歷過人工智能項目的失??？ChinaChinaYesNoIdont know59%59%39%39%1%1%FranceFranceYesNoIdont know33%33%59%59%8%8%GermanyGermanyYesNoIdont know37%37%60%60%3%3%JapanJapanYesNoIdont know42%42%47%47%11

85、%11%SpainSpainYesNoIdont know39%39%50%50%12%12%IndiaIndiaYesNoIdont know30%30%4%4%66%66%SouthSouth KoreaKoreaYesNoIdont know49%49%36%36%15%15%UnitedUnited KingdomKingdomYesNoIdont know44%44%49%49%7%7%UnitedUnited StatesStatesYesNoIdont know29%29%56%56%15%15%ItalyItalyYesAltair Frictionless AI Global

86、 Survey Report/53NoIdont know21%21%72%72%7%7%SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction在過去在過去2424個月內，您的組織的人工智能項目失敗的百分比是多少？個月內，您的組織的人工智能項目失敗的百分比是多少？Altair Frictionless AI Global Survey Report/54SectionSectio

87、n 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction對于以下陳述對于以下陳述，您在多大程度上同意或不同意：我們的組織存在將人您在多大程度上同意或不同意：我們的組織存在將人工智能技術變得復雜化的問題工智能技術變得復雜化的問題Altair Frictionless AI Global Survey Report/55SectionSection 6 6KeyTakeawaysIntroductionSect

88、ion 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction回到尋找數據科學人才的問題，您可以看到每個國家對于獲取人才、為現有員工創建數據科學項目以及對于能否在不培訓數據科學領域專家的情況下擴展人工智能項目的信心。您是否在尋找足夠的數據科學人才方面遇到困難？您是否在尋找足夠的數據科學人才方面遇到困難？中國中國YesNo73%73%27%27%法國法國YesNo78%78%22%22%印度印度YesNo23%23%意大利意大利YesNo62%62%38%38%英國英國YesNo

89、69%69%31%31%77%77%德國德國YesNo83%83%17%17%韓國韓國YesNo85%85%15%15%西班牙西班牙YesNo82%82%18%18%美國美國YesNo61%61%39%39%日本日本Altair Frictionless AI Global Survey Report/56YesNo77%77%23%23%SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove F

90、riction您是否已經建立了結構化的數據科學能力提升計劃？您是否已經建立了結構化的數據科學能力提升計劃？Altair Frictionless AI Global Survey Report/57SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction你是否相信在不對領域專家進行數據科學培訓的情況下，你能夠擴展人工智能項目？你是否相信在不對領域專家進行數據科學培訓的情況下，你能夠

91、擴展人工智能項目？UnitedUnited StatesStatesYesNo50%50%50%50%ChinaChinaYesNo66%66%34%34%ItalyItalyYesNo59%59%41%41%JapanJapanYesNo47%47%53%53%SpainSpainYesNo53%53%47%47%UnitedUnited KingdomKingdomYesNo56%56%44%44%FranceFranceYesNo74%74%26%26%IndiaIndiaYesNo32%32%68%68%SouthSouth KoreaKoreaYesNo64%64%36%36%Ger

92、manyGermanyAltair Frictionless AI Global Survey Report/58YesNo62%62%38%38%SectionSection 6 6KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction下面，您可以看到各個國家的組織在其組織運營中使用人工智能的情況。請注意，中國在大多數類別中的數字較高。您的公司在哪些常見項目和應用中使用人工智能？您的公司在哪些常見項目和應用中使用

93、人工智能？Altair Frictionless AI Global Survey Report/59在國家層面上，來自中國的受訪者明顯更有可能表示他們的組織正在努力建立數據戰略，來自中國的受訪者明顯更有可能表示他們的組織正在努力建立數據戰略，試點初步應用案例，并計劃擴大規模并在數據和人工智能戰略上進行投資。試點初步應用案例，并計劃擴大規模并在數據和人工智能戰略上進行投資。中國（88%）、印度（75%）和韓國（62%）是最有可能在未來一年內或更早采用人工智能進行大規模項目的國家。第六部分第六部分 要點要點在區域層面上，盡管失敗率較高，亞太地區全力以赴投入數據和人工智能亞太地區全力以赴投入數據和

94、人工智能。與美洲和歐洲-中東-非洲（EMEA）地區的受訪者相比，亞太地區的受訪者最有可能表示他們的組織正在努力建立數據戰略、擴大企業級數據和人工智能戰略，并試點首個使用案例。亞太地區的受訪者也最有可能表示他們相信他們的組織將在未來一年內或更早開始實施大規模的人工智能項目。來自中國和印度的受訪者最有可能認為他們的組織是人工智能和數字化轉型的領導者；來自中國和印度的受訪者最有可能認為他們的組織是人工智能和數字化轉型的領導者；與此相反，與此相反，來自美國的受訪者最有可能認為他們的組織在競爭中落后，以及法國和英國。盡管如此，來自意大利（22%）、美國（12%）和德國（11%）的受訪者最有可能表示他們的

95、組織已經在大規模項目中使用人工智能，而不是中國或印度。來自印度的受訪者經歷了不成比例的數據和人工智能失敗，并且更有可能認為他們的組織使數據和人工智能過程變得比必要性更加困難。來自印度的受訪者報告了最高比來自印度的受訪者報告了最高比例的頻繁人工智能策略障礙（例的頻繁人工智能策略障礙（72%72%）、兩年內人工智能項目失敗率（）、兩年內人工智能項目失敗率（66%66%），并且是），并且是最有可能表示在過去兩年中超過一半的數據（最有可能表示在過去兩年中超過一半的數據（52%52%）和人工智能項目（）和人工智能項目（45%45%）從未投）從未投入生產的國家。入生產的國家。SectionSection

96、6 6Altair Frictionless AI Global Survey Report/60KeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5MethodologyConclusionResources to Remove Friction結論結論ConclusionConclusionKeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5Section 6MethodologyResources to Remove

97、Friction結論調查結果提供了哪些見解呢？首先，全球范圍內，組織在數據和人工智能策略方面遇到的首先，全球范圍內，組織在數據和人工智能策略方面遇到的摩擦非常普遍，無論行業如何。這些摩擦源于組織、技術和財務三個關鍵領域。摩擦非常普遍，無論行業如何。這些摩擦源于組織、技術和財務三個關鍵領域。好消息是，組織正在采取措施解決這些問題，但他們仍然面臨障礙，使他們感到過程比必要的復雜。讓我們進一步深入研究。首先，調查顯示，盡管許多組織面臨持續的數據和人工智能戰略摩擦和項目失敗，但許多組織認為自己處于“領先地位”如果不是完全領先的話。亞太地區的受訪者最有可能認為自己在數字化轉型戰略方面是領先者。話雖如此，

98、表示他們已經在大規模項目中使用人工智能的前三個國家是意大利、美國和德國。繼續談論組織的數據和人工智能戰略，結果表明許多組織要么正在尋求建立新的戰略，要么正在擴大現有的戰略。此外，許多受訪者認為數據和人工智能戰略采用只是一個幾個月的事情 59%59%的受訪者認為他們的組織將在未來一年內或更短時間內開始在大規模項目的受訪者認為他們的組織將在未來一年內或更短時間內開始在大規模項目中采用人工智能。中采用人工智能。其中36%的受訪者認為采用將在六個月內或更短時間內發生。該調查還證實了摩擦的普遍存在，并揭示了組織在頻繁的項目延遲和失敗方面的挫折感，盡管它們采取了措施來提升員工技能和尋找新的數據科學人才。在

99、所有地區，組織一致組織一致認為最大的問題是缺乏數據科學人才，尤其在亞太地區和歐洲中東非洲地區這個問題更認為最大的問題是缺乏數據科學人才，尤其在亞太地區和歐洲中東非洲地區這個問題更加突出。加突出。調查結果還顯示，受訪者指出過時的遺留基礎設施和數據孤立等技術因素是阻礙成功的數據和人工智能戰略項目的障礙?？傮w而言，結果顯示結果顯示，在過去兩年中在過去兩年中，大量的數據和大量的數據和人工智能項目甚至沒有進入實際生產階段人工智能項目甚至沒有進入實際生產階段，這一統計數據必須改變，才能使組織的數字化轉型在短期和長期內取得成功。Altair Frictionless AI Global Survey Rep

100、ort/62ConclusionConclusionKeyTakeawaysIntroductionSection 1Section 2Section 3Section 4Section 5Section 6MethodologyResources to Remove Friction調查還顯示，組織和地理因素在組織對待數據和人工智能策略以及其中存在的摩擦時發揮了作用。此外，高管級受訪者對于組織能否在不培訓數據科學領域專家的情況下擴展人工智能項目的能力更加樂觀。雖然69%的高管對此表示有信心，但只有51%的用戶持相同觀點，兩者之間存在18個百分點的差距?？傮w而言，組織、技術和財務來源的摩擦普遍

101、存在，但似乎并未阻止企業實施或擴展數總體而言，組織、技術和財務來源的摩擦普遍存在，但似乎并未阻止企業實施或擴展數據和人工智能策略。據和人工智能策略。事實上，這些倡議似乎正在迅速增長，并將很快在全球范圍內發揮更大的作用，那么：在如此多的摩擦阻礙的情況下，組織如何能夠向前邁進并獲得最好的人工智能投入產出收益？Altair Frictionless AI Global Survey Report/63方法論方法論Altair Frictionless AI Global Survey Report/65ConclusionMethodologyMethodologyResources to Remo

102、ve FrictionIntroductionKeyTakeawaysSection 1Section 2Section 3Section 4Section 5方法論方法論2023年3月，Altair委托Atomik Research進行了一項國際在線調查，調查了2037名在多個目標行業就職的專業人士，他們以某種方式使用數據為其組織提供有價值的見解。目標行業包括：Section 6航空航天汽車制造銀行、金融服務和保險（BFSI）消費電子產品重型/工業設備技術樣本群體由來自十個國家的受訪者組成。以下是這些國家的名稱，其中N表示每個地區的受訪者人數：美國（N=213）法國（N=206）德國（N=2

103、03）英國（N=203）中國（N=202）印度（N=202）意大利（N=202）日本（N=202）韓國（N=202）西班牙（N=202）在這2037名受訪者中，一半自稱為“高管”，另一半自稱為“用戶”。用戶級別的受訪者在數據科學、數據分析、數據架構、機器學習、財務分析和/或產品開發等技術職能中工作。所有受訪者都在雇傭500名或更多員工的組織中工作。以下是各組的職位分布情況：對于高管受訪者樣本，抽樣誤差為3%，置信水平為95%。對于用戶級別受訪者樣本，抽樣誤差為3%，置信水平為95%。參與者可以選擇以英語、法語、德語、印地語、意大利語、日語、韓語、中文（簡體）或西班牙語進行調查。調查的實施時間為

104、2023年3月14日至31日。AtomikResearch是一家獨立的市場研究機構。高管級別的受訪者：高管級別的受訪者：用戶級別的受訪者：用戶級別的受訪者：6%6%N=63President or ownerC-levelexecutive21%21%N=21029%29%N=297Vice president44%44%N=440Director63%63%N=651Manager37%37%N=376Non-management消除摩擦消除摩擦Altair Frictionless AI Global Survey Report/67IntroductionMethodologyResou

105、rcesResources toto RemoveRemove FrictionFrictionKeyTakeawaysSection 1Section 2Section 3Section 5Section 4Section 6Conclusion消除摩擦的方法消除摩擦的方法Altair RapidMiner Altair的數據分析和人工智能平臺幫助組織克服在數據之旅中遇到的最具挑戰性的障礙。我們為已建立的數據分析團隊提供現代化的路徑，同時為剛剛開始的團隊提供自動化的路徑。我們做到這一點不需要您的組織徹底改變人員、流程、計算環境或現有的數據基礎。這有助于您的組織在不改變自身本質或現有情況的情況

106、下實現數據目標。Altair RapidMiner消除了摩擦：在用戶和數據之間在用戶和數據之間我們的平臺適用于任何數據，并幫助建立對數據洞察力的信任。我們使用戶能夠輕松地從任何來源提取和準備數據，與業務核心的報告和PDF文件一起使用。我們通過一系列功能建立信任，解釋復雜的數據模型，并實時向合適的利益相關者提供洞察力。在數據和領域專家之間在數據和領域專家之間 Altair RapidMiner能夠擴大人工智能計劃，而無需龐大的數據科學家團隊或昂貴的服務合作。我們幫助組織提升員工的能力，使初學者和專家都能夠利用所需的工具來提供基于數據的洞察。團隊可以輕松地在我們的自動機器學習、可視化工作流和編碼選

107、項之間進行項目合作，同時保持他們想要的工作方式。從構思到實際應用從構思到實際應用我們的平臺和方法旨在快速部署模型，以便它們可以立即提供業務價值。我們與組織合作制定人工智能路線圖，根據可行性和價值確定最高優先級的應用案例，然后幫助解決這些問題。Altair RapidMiner真正實現了端到端的功能，從數據攝取和建模到操作和可視化。無論數據來自何處，洞察需要傳遞到何處，所有內容都可以輕松分發和擴展使用。當基礎架構當基礎架構、工具或供應商發生變化時工具或供應商發生變化時-Altair RapidMiner支持多樣化的基礎架構環境從主機到云端，并減輕了現代化昂貴的傳統環境的壓力。通過Altair SLC，團隊可以在多語言環境中直接創建、維護和運行SAS語言程序、模型和工作流，無需許可第三方軟件。我們通過Altair Units提供所有Altair數據分析和人工智能產品的靈活許可和使用方式，Altair Units是Altair的黃金標準軟件許可系統。Altair Units為用戶提供了在任何地方運行軟件的靈活性，選擇所需的軟件工具，以及在最大程度上利用和最小化成本的無與倫比的價值。