“‘錯失恐懼症’是一種轟動，一種恐懼警告，導致消費信號與投資回報率和結果無關。”
請注意，此 ChatGPT 使用者產生的插圖僅出於代表性目的而發布。
Cognos執行長Ravi Kumar表示，由於過去幾年大量數據消耗而沒有將其與實際投資回報率（RoI）掛鉤，因此人工智慧在企業中的作用與社會對人工智慧的採用之間存在很大差距。
Limited 公司正在下一代建模語言 (LLM) 上花費數十億美元，Nvidia、Meta、Google 和 Amazon 已報告今年的支出接近 7000 億美元。
然而，由於多種因素，企業人工智慧的採用率仍然很低，並且仍然只關註生產力和效率的提高。
重點
- Cognizant 執行長 Ravi Kumar 表示，人工智慧的過度使用往往導致與業務成果缺乏明確的聯繫。
- 儘管前沿模型公司和超大規模技術進行了大量投資，但企業人工智慧的採用仍然有限。
- 隨著成本上升，企業越來越多地探索人工智慧支出，但生產力卻沒有相應提高。
企業人工智慧採用差距
拉維·庫馬爾在該公司的人工智慧論壇上表示：“這是增加價值的機會，並擴大從能力到創造價值的努力之間的差距。”
沒有 FOMO 的感覺（害怕錯過）恐懼警告，例如與投資報酬率無關且與結果無關的消費。
“因此，產能和產值之間存在這種差距的原因之一也是因為存在與結果無關的無情消耗。”
他們得到了圓滿
更高的訊號消耗已成為新的討論焦點，許多公司表示，他們在更短的時間內耗盡了年度人工智慧預算，而生產力卻沒有任何重大變化。
微軟已告訴員工停止使用 Claudio Code，轉而使用 GitHub Copilot CLI，而 Uber 則限制其人工智慧工具來控制編碼成本。
我們已經看到了談論這個問題的倡議。成本不斷膨脹，利潤卻微乎其微。拉維·庫馬爾對分析師表示，在某些方面，「我們將對公司進行打擊」。
人工智慧基礎設施損失的增加
Ravi Kumar 補充道，有限責任公司模式的收入潛力在未來四年內可達一兆美元，為 IT 服務公司創造了更大的機會，因為其中一部分將透過它們管道。
「其中一部分實際上是由整合商或人工智慧建構者推動的。
“由於這些知識是上下文相關的，因此您需要為消費創建更有效率、更有效、可預測和更好的金融資訊。”
IT 服務機會
他發表評論之際，由於法學碩士的進步，該行業的有效性或未來受到質疑，而法學碩士需要最少的人力。
同時，精心策劃實驗室的努力以實現人工智慧的最大利益，這是出了名的頑強，也鼓勵LLM工程師創建自己的公司，可以做必要的工作。
Infosys 的資深人士 Ravi Kumar 先前曾表示，人們的假設是，新的人工智慧工具可以在企業環境中實施，並立即疏遠大部分 IT 工作。
將工具或技術插入企業環境中，神奇的是，產出就會從中產生。
如果是這樣的話，為什麼這個價值沒有投入三年的努力（自從 OpenAI 推出 ChatGPT 以來）。
他在二月份的新聞發布會上表示：“現實情況是，基礎設施的價值仍然存在，而努力並沒有得到落實。”
專題介紹：Ashish Narsale / Rediff
