文／F5
F5發布的「2024 年人工智慧應用策略報告」顯示， 有75% 的企業正在運用人工智慧，但 72% 的企業指出，他們仍存在嚴重的資料品質問題以及無法擴展運用實際的資料。資料以及企業為了擷取、儲存和保護資料建置的系統，對於實施和優化AI 將面臨挑戰。
F5 的執行副總裁兼首席技術長 Kunal Anand指出：「人工智慧是一股顛覆性力量，使公司能夠開拓創新和無與倫比的數位體驗。然而，實施人工智慧的實際操作非常複雜，如果沒有適當且安全的方法，它可能會加速提高企業的風險。 F5 AI應用策略報告中發現令人擔憂的趨勢：許多企業急於利用人工智慧，卻忽略了堅實基礎的必要性。這種疏忽不僅降低了人工智慧解決方案的有效性，還使它們面臨多種安全威脅。」
隨著企業建立新的技術堆疊來支援不斷擴大的人工智慧數位服務，在研究中也發現企業在基礎設施、資料、模型、應用服務和應用層方面面臨的挑戰，我們必須克服以下幾個重要挑戰，才能實現廣泛可擴展的應用。
生成式人工智慧的前景與現實
各企業對生成式人工智慧的商業影響前景充滿熱情。受訪者認為是2024 年最令人興奮的技術趨勢。然而只有 24% 的企業表示他們已經大規模地實施了生成式 AI。
儘管生成式人工智慧的運用正在增加，但最常見的應用往往無發發揮戰略功能。受訪者表示他們已經部署的最常見用例包括協作工具和其他員工生產力工具（40% 的受訪者使用），以及客戶服務工具如聊天機器人等(36%)。然而，工作流程自動化工具 (36%) 被評比為最優先的AI用例。
AI在基礎設施和資料層擴展的障礙
當企業決策者研究大規模部署人工智慧應用的挑戰時，他們列舉基礎設施層面遇的三個主要問題：
- 62% 的受訪者認為運算成本是擴展ＡI的一個主要問題
- 57% 的受訪者將模型安全性視為首要關注點。為了解決這個問題，企業決策者將在未來幾年擴大部署時，在安全方面將增加 44%的支出。
- 超過一半的受訪者 (55%) 將模型各方面的性能將是面臨的問題。
在資料層，資料成熟度是更緊迫且更大的挑戰，影響AI的廣泛實施：
- 72% 的受訪者指出，資料品質和無法擴展並實踐資料，是擴展AI的最大障礙。
- 53% 的人認為缺乏ＡI和資料技能是主要障礙。
- 儘管 53% 的企業表示他們已製定明確的資料策略，但超過 77% 的受訪企業表示他們缺乏單一資料的真實來源。
網路安全仍然是一個主要關鍵和考慮
根據研究，網路安全是負責提供AI服務的人最關心的問題。如AI驅動的攻擊、資料隱私、資料外洩和增加的責任歸屬等因素，都是對AI安全的主要擔憂。
當被問及他們計劃如何防禦這些威脅以確保 AI 安全的實施（或已經執行）時，受訪者將重點主要關注在 API 安全、監控以及 DDoS 和機器人防護等應用服務：
- 42% 受訪者表示，他們正在使用或計劃使用 API 安全解決方案，來保護資料在 AI 訓練模型中的傳輸安全。
- 41% 使用或計劃使用監控工具來了解 AI 應用程式的使用現況。
- 39% 使用或計劃使用DDoS來保護 AI 模型。
- 38% 使用或計劃使用機器人防護來守衛 AI 模型。
