AI 正在取代工作岗位、ChatBot 进入厌倦期、向量数据库崛起,人工智能现状报告有这些重要发现!...

AI科技大本营 2024-07-17 13:01:01 阅读 77

作者 | Echo Tang&GPT

出品丨AI 科技大本营(ID:rgznai100)

百度的无人驾驶“萝卜快跑”已经在武汉大面积推广,在部分城市进行小量的试运行,以低廉的价格直接卷翻滴滴、出租车司机,让人们热议“五年、十年后,网约车、出租车基本都是无人驾驶了”。

这是 AI 取代工作岗位的一个缩影。

06478737966a060f79d7da780107fae5.png

GPT 生成

国外软件开发平台 Retool 日前调查了约 750 位技术人员(包括开发者、数据团队、管理层以及其他跨技术及行业人士)发现,AI 的采用率并没有飙升,但工作岗位的替代危机正在上演。45.7% 的人认为初级人员最有可能被 AI 取代,而高级人才和高层管理者被取代的风险则较低。这就带来了一个至关重要的问题,如果初级都被取代了,那么未来中高级人才从何而来呢?

AI 科技大本营对这份反映人工智能最新现状的报告进行了要点提炼,接下来就让我们一起来看有哪些颇值得我们关注的现状。

4596797e2a29b66ba02fa859ad866421.png

AI 被高估了!

毫无疑问,AI 行业正在快速发展,技术也在不断迭代,伴随着这一切而来的还有炒作、怀疑、焦虑和好奇。在 Retool 2023 年报告中,受访者对 AI 持谨慎态度,大多数人认为它有些被高估了。到目前为止,2024 年这种看法并没有太大变化:

3474e77ba7616653b0e6049f2fc0c847.png

在经历了 2023 年的炒作风暴之后(可以说,这使得任何与 AI 相关的事物都难以符合预期),对 AI 相对不成熟、当前局限性和巨大潜力的更清晰的看法似乎正在浮现。

在填写的回答中,我们看到了一种感觉,即激进的炒作暂时掩盖了 AI 的真正潜力:

1. AI 被硬塞进产品中,但并没有真正增加价值。(有人想起“我们用$HOTLANG 重写了一切”吗?)

2. “AI”被用作机器学习、LLM 和自动化的总称。

3. AI 被视为一个魔法锤,包括在传统编程就足够或优于 AI 的情况下,无需应对繁琐的提示和幻觉。

似乎仍有大量无用的信息需要筛选,才能让我们发现对日常技术和商业用例真正有用的 AI 应用,但受访者乐观地认为,AI 的实用性和应用范围将会显现出来。

一句话总结:当谈到可操作的 AI 时,这才刚刚开始。

d2afb60595606b58215cfdf91617bd7e.png

AI 的采用率真的在飙升吗?

尽管媒体关于AI的主要叙述是其采用率和实用性正在激增,并且正在接管世界,但现实是,现在的情况要温和得多。

bc506f61146a0b5ee1bc41bb6fa15b9c.png

或许每个人都在使用它,但大多数受访者明确表示,他们离顶峰还有很长的路要走。相当多的受访者对他们的公司给予了好评——约30%认为自己在采用方面“奔跑”或“飞翔”的状态,咨询(46%)、房地产(46%)和消费品(37%)行业的受访者排名最高。但总体而言,认为自己处于领先地位(即飞翔)的受访者从2023年的13.4%下降到2024年的9.8%。此外,受访者们指出的进展大部分不具备变革性。

a31d25652c50c709a9ed0d9b1fd0476a.png

管理层想要在 AI 上更多地投资!

在所有角色、团队和资历中,只有少数受访者(4.5%)认为他们的公司在 AI 上的投资过多,几乎均分为“恰到好处”(42%)和“不足”(40.5%)。

深入一层,动手的领导者——董事、经理和副总裁——比个人贡献者更希望增加投资。

fa4a74dca52ad8ee950427e59244b8e5.png

按公司规模来看,拥有 50-99 名员工的公司最强烈地倾向于更多的 AI(50%),其次是超过 5000 名员工的企业(45%)。技术团队中,IT 员工最看好对 AI 的更多投资(49%),设计团队则不太确定(33%)。

aaa5ba24dd51fee53bd6849ddfa1ebd8.png

AI 采用分布的真实现状

(1)产品和工程是主体

几乎四分之三的受访者在工作中至少每周使用一次 AI 工具(如 ChatGPT、Claude 等),其中 56.4%接近每天使用。在最小的公司(1-9 名员工)中,这一每日使用比例飙升至 72%,其次是 10-49 名员工的公司,为 59%。其他公司规模则徘徊在 50%左右,但在 1000-4999 名员工的公司中,这一比例降至 43%。

按角色划分,产品和工程部门引领每日(或几乎每日)的采用,分别为 68%和 62.6%,而设计部门则落后,为 39%。(我们的 AI 看好 IT 朋友正处于中间位置,为 50.1%。)

(2)使用越多,生产力提升越显著

总体而言,大多数在工作中使用 AI 工具的受访者分享了生产力的提高:

3909e18a19ca742b6a846f706a2f0fac.png

使用 AI 工具越多的人,越有可能发现它们有价值:64.4%的每日用户表示生产力显著提升,而每周用户为 17%,偶尔使用者为 6.6%。

(3)工作中被允许使用 AI 的情况正在提升,但仍然有近三成在“偷偷”使用

在去年的调查中,34.4% 的受访者表示在工作中“秘密”使用 AI。这核心还是在于公司对数据安全的考虑。

这一次,有更高比例的受访者被允许在工作中使用 AI,但仍有超过四分之一(27.3%)的受访者在工作中秘密使用 AI。比 2023 年有所下降,但鉴于现在企业技术栈中提供的 AI 功能的普及,还是有些令人惊讶。

0731f3f2e4b86a59819f4de1d0fd72f0.png

只有大约 9%的秘密使用 AI 的人是直接违反公司政策的——其他动机则是围绕内部协调和对使用 AI 的看法,或者对政策缺乏清晰的认识。在这方面,62.9%的受访者至少在一定程度上关注新兴的 AI 相关的法规或政策。

983a85a61aaab164f6bb90576367b78f.png

工作岗位取代危机

关于哪些工作可能因为 AI 而消失的讨论在互联网上非常激烈。我们是否真的应该担心人类与机器的竞争?软件工程将会变得过时吗?

在此次调查中,虽然 15.3%的人认为没有人真正面临被 AI 取代的风险),但 45.7%的人认为初级个人贡献者最有被 AI 取代的风险。在填写的回答中,情况变得更加复杂——变革是合理的预期。毕竟,如果初级个人贡献者被取代,未来世界还需要更多软件时,中高级个人贡献者从哪里来呢?

中层管理人员排在第二位(13.2%),但在那些中层管理人员主要是监督角色而非战略角色的公司,想象这些功能在某种程度上被自动化并不难。另一方面,通过自动化腾出时间可能会让这些中层管理人员更具战略性。

高级个人贡献者和高管/高级领导层被视为风险较低。

而高管对采用 AI 的热情一直很强:C-Suite(高层)的受访者是 AI 的最大日常用户,约为 72%(其他角色的范围为 45%到 56%)。

f2a6ce4da760c8b9328c837f51172d5c.png

或许这都表明了一个机会:使用 AI 作为杠杆可以帮助领导者和个人贡献者为自己创造一个护城河。竞争,可能不是人类与 AI 之间的竞争,而是人类与使用 AI 的人类之间的竞争,这一观点得到了许多填写回答的用户支持。

8c8f89345a9ac7a5a84417f0292e54c4.png

聊天机器人进入疲劳厌倦期

超过一半的受访者(55.1%)已经建立了一个 AI 驱动的聊天机器人,或者他们的公司已经建立了一个,16.8%建立了三个或更多。

cc5898b5cd2adba9c64961362d6912d5.png

尽管愈发普及,但我们依然听到了受访者对聊天机器人的一些疲劳,他们感叹这些是所有新“AI”功能或产品的极限。虽然从表面上看,聊天机器人似乎主导了面向公众的 AI 应用程序(包括带有 RAG 增强的支持机器人,如 Klarna 推出的备受瞩目的机器人),但这些可能是最可见的,因为它们数量众多,而且是目前最容易实现的用例。在实际的应用场景中,编写代码或查询从 47.5%降至 42.1%,文案写作从 32.9%下降至 28%,工作流程自动化从 12.9%升至 17.8%。

ebab8f99990d6c8f5b8935ca5200cad8.png

OpenAI 依然占据主导地位

OpenAI 模型仍然是生产中最常用的,占 AI 用户选择的模型的大约四分之三(76.7%)。GPT-4 领先,占 45%,其次是 GPT-3.5,占 25%。(注:此项问卷没有统计 GPT-4o,因为调查时它刚刚出现,但推测受访者正在尝试它。)这种模式在各行业和公司规模中也得到了体现,OpenAI 在各方面都领先。

fef36bdce874d960f59e2f4a54580296.png

话虽如此,也有一些有趣的亮点——Anthropic 的 Claude 3 的数据增长了四倍多。(这还不包括早期的 Claude。)最近筹集了大量资金的 Mistral 也出现在名单上。

91cf39ee51eed155d620217b188e2a55.png

向量数据库在崛起

今天,大多数受访者报告使用向量数据库(63.6%)——比 2023 年的 20%大幅跃升。(使用向量数据库的人越多,他们推荐它的可能性越大。)

进一步说,最大公司的员工最有可能使用向量数据库或 RAG 来定制他们的模型。(在 5000 名以上公司的比例为 33%。)

bccbd9d44a4e946f2eef59be121d8a91.png

在评估和比较项目的向量数据库时,最受欢迎的方法是使用性能基准(40%),其次是用户评论和社区反馈(39.3%)以及概念验证实验(38%)。

91d10ede62a8f3d9bec0d967e058d6f0.png

推理平台尚未成为常态

略超过一半的受访者(51.9%)没有使用任何推理平台,考虑到相关的硬件要求和训练成本,这也许并不奇怪。(开发 AI 应用程序的第二大痛点是缺乏可用的技术专家/资源,占 38.2%。)

使用推理平台的受访者中,亚马逊 Sagemaker(13%)和 Databricks(8.6%)是最常用的,其他平台分布相对均匀。(Databricks 在用户满意度方面获得了最高分。)

报告链接:https://retool.com/blog/state-of-ai-h1-2024

0c09025ca47ca900d12bf3a36874a5bd.gif



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。