来自Dynatrace的研究揭示了与AI实施相关的挑战和风险。
该报告强调了综合AI方法的必要性。这包括将各种AI类型（如生成型、预测型和因果型）与多样化的数据源（如可观察性、安全性和业务事件）相结合。这种整体策略旨在为AI输出提供精确性、上下文和含义，确保可靠的结果。
主要发现：
- 83%的技术领导者强调AI在应对云环境的动态性方面的强制性作用。
- 82%预计AI在安全威胁检测、调查和响应方面发挥关键作用。
- 88%预见AI通过自然语言查询扩展非技术员工的数据分析访问权限。
- 88%认为AI将通过支持财务运营（FinOps）实践提高云成本效益。
Dynatrace首席技术官Bernd Greifeneder表示：“AI已经成为组织提高效率、提高生产力和加速创新的核心。”
“去年底发布的ChatGPT引发了一轮重大的生成型AI炒作。业务、开发、运营和安全领导者对生成型AI产生了很高的期望，希望它能帮助他们以更少的工作量和更快的速度提供新服务。”
尽管组织对AI的变革潜力表示乐观，但仍存在一些担忧：
- 93%的技术领导者担心员工对ChatGPT等工具越来越熟悉，可能会出现潜在的非批准使用AI的情况。
- 95%表示对使用生成型AI进行代码生成感到担忧，担心泄漏和不当使用知识产权。
- 98%对生成型AI中的无意偏见、错误和错误信息感到担忧。
“特别是对于涉及自动化并依赖数据上下文的用例，采用综合AI方法至关重要。例如，自动化软件服务、解决安全漏洞、预测维护需求和分析业务数据都需要综合AI方法，”Greifeneder补充道。
“这种方法应该提供因果型AI的精确性，该AI确定系统行为的根本原因和影响，以及预测型AI，该AI根据历史数据预测未来事件。”
随着组织推进AI采用，平衡热情与对挑战的谨慎态度变得至关重要。该调查强调了AI的变革潜力，但其有效整合需要仔细考虑和多元化的AI策略。
“预测型AI和因果型AI不仅为生成型AI产生的响应提供了必要的上下文，还可以促使生成型AI确保将精确的、非概率性的答案嵌入其响应中，”Greifeneder说。
“如果组织制定正确的策略，将这些不同类型的AI与高质量的可观察性、安全性和业务事件数据相结合，可以显著提高其开发、运营和安全团队的生产力，并提供持久的商业价值。”
完整的报告副本可以在此处找到（需要注册）
（照片来自Matt Sclarandis在Unsplash）
另请参阅：AI＆Big Data Expo：揭秘AI并看透炒作
想要从行业领导者那里了解更多关于AI和大数据的知识吗？请查看在阿姆斯特丹、加利福尼亚和伦敦举办的AI＆Big Data Expo。这个全面的活动与网络安全与云计算博览会和数字化转型周同期举办。
探索由TechForge提供支持的其他即将举行的企业技术活动和网络研讨会这里。
