เอ็ดในผลการสำรวจแห่งสำคัญลงความว่าการสำรวจพบพานว่าส่วนหนึ่งส่วนใดของผู้แสดงสูงเช่น 3% ของ กงสี ที่ใช้คืน AI กำลังประสบผลในงานทำธุรกิจบริษัท แห่งมีประสิทธิภาพสูงตรงนั้นมีการปรับชดใช้ AI ในหน่วยงานของรูปให้สมบูรณ์โดยมีกรณีการใช้งานสถานที่แตกต่างห้าม 11 เนื้อความเมื่ออุปมัยกับค่ากลางสามเนื้อความจาก หุ้นส่วน อื่น ๆ ที่พิจารณา

ให้อิฉันสรุปเอาท์พุตการพบที่สำคัญของการสำรวจ 2019

ผู้ตอบแบบสอบถามส่วนใหญ่เห็นผลตอบแทนจาก AI .โดยทั่วไปแล้ว 63% ของ บริษัท กล่าวว่าเงินรายได้เพิ่มขึ้นในที่หน่วยธุรกิจที่ประกอบด้วยการเกลี่ยใช้เหตุการชดใช้ AIการเจริญของเงินรายได้สูงที่สุดในปีกการตลาดและงานขายการพัฒนาผลิตภัณฑ์และบริการด้วยกันการบริหารห่วงเครื่องผูกมัดอุปทานในเวลาเดียวกัน 44% รายงานงานประหยัดเงินลงทุนในหน่วยธุรกิจแห่งหนมีการปรับใช้คืนกรณีการใช้ AIงานลดทุนนั้นจ้าที่สุดที่ภาคการผลิตใช้การพินิจพิจารณาและการเพิ่มประสิทธิภาพเครือข่ายโลจิสติกส์

AI ที่มีประสิทธิภาพสูงศักดิ์มีงานเพิ่มขึ้นของรายได้ด้วยกันการลดต้นทุนประการมีนัยประธาน 14 เกือบเป็นสามตราบที่ บริษัท อื่น ๆ จะรายงานรายได้มากกว่า สิบ% และมากกว่าสี่เท่าที่เป็นไปได้ที่จะทูลการลดต้นทุนอย่างน้อย สิบ%

การนำ AI ลงมาใช้ทวีในฉิวเฉียวทุกอุตสาหกรรม ผลการสำรวจชี้ให้เห็นว่าการชดใช้ AI เพิ่มขึ้นณทุกอุตสาหกรรมที่ปีที่ผ่านมาไม่น่าทึ่งที่เทคโนโลยีชั้นนำนำไปใช้ณการยินยอมพร้อมใจ AI (78%) ตามอีกด้วยยานยนต์และชิ้นส่วน (76%) และโทรคมนาคม (72%)

คาดว่าการเห็นด้วยอย่างรวดเร็วจะดำเนินต่อไปกะสามในสี่สิ่งของ บริษัท ที่ใช้ AI กล่าวว่าพวกเขาจะมากขึ้นการลงทุน AI ในอีกตรัยปีตรงหน้าโดยมากกระทั่งครึ่งกะว่าจะเพิ่มขึ้น 10% หรือยิ่งกว่าบริษัท แห่งหนมีประสิทธิภาพสูงออกอุบายที่จะลงทุนชนิดมีนัยประธานโดยเฉียด 30% กล่าวว่าพวกเขาจักเพิ่มการลงทุน AI สิ่งของพวกเขา 50% หรือไม่ก็มากกว่าในช่วงตรัยปีต่อไป

AI ที่มีประสิทธิภาพดำเกิงมักจะมีส่วนร่วมแห่งการดองค่าสถานที่สำคัญ เพราะว่าอิงจาก McKinsey19"s งานวิจัยก่อนหน้า แนวทางกระทำที่สำคัญสองไตรข้อตรงนั้นมีความสำคัญที่การหยุดค่า AI ที่ระดับเหล่านี้รวมถึงงานจัดวางกลยุทธ์ AI กับดักเป้าหมายทางธุรกิจการลงทุนที่ความสามารถและการฝึกอบรม AI การทำงานสมรู้ร่วมคิดระหว่างฟังก์ชั่นการใช้ข้อมูลแห่งหนมีประสิทธิภาพและการกำทีดมาตรฐานและแนวปฏิบัติตลอดทั้ง กองกลาง หินเทียม

ผลการวิจัยพบพานว่า AI ที่มีประสิทธิภาพสูงมักใช้หลักการเหล่านี้ยิ่งกว่าตัวอย่างเช่น 72% ของผู้ตอบแบบสอบถามจาก บริษัท แห่งหนมีประสิทธิภาพสูงกล่าวว่าวิธีพลิกแพลง AI ของเขาทั้งหลายสอดคล้องกับกลยุทธ์หน่วยงานเมื่อเทียบกับ 29% ขนมจาก บริษัท อื่น ๆหุ้นส่วน ที่มีประสิทธิภาพดำเกิงหกสิบสองเปอร์เซ็นต์มีคณะทำงานข้ามสายงานของ AI และผู้ชำนาญพิเศษด้านงานทำงานร่วมกันในปัญหาเฉพาะเมื่อเทียบกับดัก 23% จาก กงสี อื่นทั้งหมดและ 65% ของผู้แห่งหนมีประสิทธิภาพสูงประกอบด้วยกลยุทธ์ข้างข้อมูล AI ที่ชัดเจนเปรียบเทียบกับ 20% จากผู้อื่นทั้งหมด

นักแสดงแห่งมีประสิทธิภาพสูงมีแนวโน้มที่จะรับทราบและลงมือเพื่อตัดทอนความเสี่ยงสถานที่เกี่ยวข้องกับ AI ตัวอย่างเช่น 86% สรรพสิ่งผู้มีประสิทธิภาพสูงมีแผนที่จะตัดทอนความเสี่ยงข้างความปลอดภัยมุขไซเบอร์เทียบกับ 48% จาก บริษัท อื่น ๆ หมดด้วยกัน

บริษัท แห่งหนมีประสิทธิภาพสูงบอกการย้ำการฝึกหัดแรงงานแห่งมากขึ้น การตรวจตราพบว่าความกลุ้มใจเกี่ยวกับ AI สถานที่นำไปสู่การตัดทอนพนักงานส่วนมากยังไม่ได้รับการตระหนักถึงแม้ว่า 34% ของผู้ตอบแบบข้อคำถามคาดดุ AI จะผลักดันการจ้างงานที่ลดลงในระยะสามชันษาข้างหน้าครั้นเทียบกับดัก 21% ที่กะว่าจักเพิ่มขึ้นด้วยกัน 28% ที่กะว่า AI จะได้รับความกระทบกระเทือนน้อย

AI สถานที่มีประสิทธิภาพสูงมีแนวโน้มที่จะเสนอความพยายามแห่งการฝึกหัดอีกครั้งในที่อีกสามปีข้างหน้า 70% ของ บริษัท สถานที่มีประสิทธิภาพสูงคบคิดที่จะให้การฝึกอบรมแก่พนักงานมากกว่าหนึ่งในสี่ของจำนวนพนักงานทั้งหมดแบบอย่าง 42% ที่จะฝึกนวชาตมากกว่า 50%;และแผน 30% ที่จะอบรมสั่งสอนขึ้นนวชาตมากกว่า 75%

1C ขนมจากการวิจัยผ่านพบว่า กงสี ต่างๆใช้คืน AI บ่อยครั้งกว่าสถานที่ไม่ได้ชดใช้เทคโนโลยีจึงดูท่าจะก้าวไปอีกชั้นในการเติบโตสรรพสิ่งธุรกิจ 1D;การสำรวจสรุป1C ด้วยความเร่งด่วนแห่งการปรับขนาด AI ณหมู่ผู้แห่งยังคงอยู่ในช่วงเริ่มแรกของงานเดินทางจะอย่างไรก็ตามในขณะที่ผลการสำรวจเจาะจงว่าโปร่งใส บริษัท พลังดำเนินการถัดไปในความระลึกถึงผลกระทบของ AI19 เขาทั้งหลายยังแนะนำตัวเส้นทางเกี่ยวกับ บริษัท สถานที่ล่าช้าแห่งการแกะรอยผล 1D;

เอ้อร์วิงWladawsky-Berger ดำเนินการที่ IBM ตั้งแต่พรรษา 1970 ถึง 2007 กับเป็นที่ปรึกษาด้านกลวิธีให้กับ Citigroup, HBO และ Mastercard กับเป็นอาจารย์พิเศษที่ Imperial Collegeเขาเข้าร่วมกับ MIT ตั้งแต่พรรษา 2548 และครอบครองผู้สนับสนุนประจำให้ CIO Journal