关于Generative AI使用调查的7大要点

在Contentful，我们致力于确保客户处于最佳位置，以构建与他们关心的受众互动的内容。

随着生成式人工智能（GenAI）的迅猛发展，以及最了解它的人表现出的热情，企业可以通过确保所有员工都能使用这些工具以及适当使用这些工具所需的指导来获得很多好处。

为了深入了解生成式AI在工作场所带来的机遇和挑战，Contentful对来自不同行业、公司规模以及国家/地区的820名担任各种技术和非技术角色的人进行了调查。调查结果表明，企业领导层必须采取相应措施，但专业人士本身也应发挥主动性。

“GenAI 将继续存在。它有能力从根本上改变我们跨团队和部门合作的方式，“Contentful 首席执行官 Karthik Rau 表示。“通过培养知识和负责任的使用文化，组织可以使其员工能够利用 GenAI 的全部功能，同时释放团队的创造力。”

完整的结果、分析、建议和方法说明，可以在《Contentful 生成式人工智能专业使用与感知调查》中找到。以下是您将从阅读报告中学到的七件事：

1. 公司付费访问 GenAI 工具

超过四分之三的受访者在工作中可以通过公司付费使用generative AI 工具。令人惊讶的是，近四分之一的受访者认为这些工具在工作环境中非常有价值，以至于他们愿意用自己的钱来使用它们，无论是完全自费还是从雇主的资助中获取。

然而，有18%的受访者表示他们不会为生成式AI工具付费。我们难以理解为什么有些人会如此渴望这类技术，以至于愿意自掏腰包支持其专业用途的发展。

在所有使用generative AI 的用户中，20%的人将其用于专业目的，而15%的人则用于个人用途。关于节省时间方面，38%的受访者表示他们每周可以通过使用generative AI 工具节省1到近5小时；37%的人每周可以节省5到10小时；还有11%的人每周能节省超过10小时的时间。

generative AI 已经改变了人们的工作方式，这可能导致授权员工使用这些工具的企业与不授权的企业之间存在快速增长的差距。

大多数受访者表示希望获得更多关于使用generative AI的指导，这表明公司需要提供更多的培训和支持。尽管 36% 的受访者表示，他们已经从组织那里获得了足够的指导，了解如何负责任地使用generative AI，但 51% 的受访者希望获得更多指导。

对于没有在专业或个人上使用generative AI 的 11% 的受访者来说，大多数人表示缺乏机会和获取这些工具的途径。一些受访者表示，他们正在等待他们的公司制定有关如何使用generative AI 的指导方针或政策。

超过三分之二的机构正在考虑将现有的大型语言模型（LLM）应用于自己的专有内容或训练自己的 LLM 。只有 31% 的受访者表示，他们不知道他们的组织中存在任何此类计划。而 18%的受访者已经有了明确的计划，一小部分但具有前瞻性的 6% 正在进行项目。

这些结果验证了这样一种观点，对于大多数机构来说，生成式人工智能（generative AI）的重要近期价值在于量身定制的方法。无论目标或背景如何，引用经过审查、验证和批准的输入的 GenAI 工具都更有可能产生有用的输出。

在已经拥有或正在考虑定制 LLM 计划的组织中，有49% 正在利用现有的 LLM，而42% 正在培训自己的 LLM。这些数据引发了一个关键问题：哪种方法能够最快、最有效地构建量身定制的LLM？例如，使用开源工具来训练专有的LLM可以带来巨大的价值，但这种方法并不适合胆小的人。

在整个调查人群中，我们的受访者对generative AI充满热情，并认为他们的管理和领导的热情与他们自己的热情不相上下。

然而，认为自己对generative AI 非常了解的人（尤其是那些在 1 到 5 分制中给自己打“5”分的人）和其他人对 AI 的热情存在很大差距。

同样地，那些对generative AI 有较高知识水平的受访者更有可能通过使用这些工具每周节省更多时间，其中，21%最了解的人每周能节省超过10小时。相比之下，知识最少的人节省的时间也最少。

鉴于 GenAI 的迅速崛起以及最了解它的人表现出的热情，企业可以通过确保所有员工都能使用这些工具以及适当使用这些工具所需的指导来获得很多好处。

我们调查了来自不同行业的820名专业人士，了解他们对生成式人工智能（generative AI）在工作上带来的好处和挑战的看法。完整的报告是这些发现的高潮部分，包括多伦多大学营销和心理学教授 Sam Maglio 的评论，以及有效实施新技术的可行建议。

显而易见的是，generative AI 为用户提供了多项好处，例如速度、效率和增强功能。受访者意识到了这一点，大多数人对该工具表现出热情。但generative AI 也会使真实性受到质疑，需要大量的人力才能产生积极的输出。

变化就在这里，而且发生得很快。数字团队正在寻找利用 AI 的创新方法，三分之二的团队正在考虑或已经计划创建自定义工具。