Key Points：
1.当客户评估人工智能时，信任至关重要——随着人工智能日益成为日常生活的一部分，消费者对这项技术抱有复杂情感，这要求企业必须建立在信任和透明度的基础上。高达74%的普通民众对人工智能可能的不道德使用感到担忧，而63%的人对其潜在的偏见表示关注。
2.企业需要审视其数据基础——为了实现人工智能的潜力，需要大量高质量的数据。技术的进步促使企业评估他们数据的质量、时效性和安全性。86%的技术决策者认为，人工智能的输出质量直接取决于输入数据的质量。
3.在企业中，AI应用案例正逐渐形成——无论是生成内容和通信还是优化流程，团队正在探索如何将AI融入工作流程，并且随着投资的增加，他们正在找到最佳实践。92%以上的销售、服务、营销或商务团队正在考虑或已经在使用AI技术。
4.职场技能和招聘政策正在AI 时代发生演变——员工开始认识到人工智能对他们职业的变革性影响，但他们的雇主在很大程度上未能跟上步伐，未能充分赋予他们成功所需的能力。56%的职场人士相信生成式人工智能将彻底改变他们的工作角色，但仅有21%的人表示他们的公司已经制定了明确的AI使用政策。
FOMO time
《Salesforce数据与分析现状》研究数据显示，超过四分之三的商业领袖（77%）对生成式人工智能表现出了“错失恐惧症”（FOMO：fear of missing out）。这种焦虑在营销人员中尤为明显，高达88%，同时在销售主管（78%）和客户服务专业人士（73%）中也有所体现。
这些数据虽然是去年11月的，但考虑到围绕生成式人工智能的热潮并未有明显减退，因此推测这些比例在2024年7月很大概率会保持不变，甚至可能变得更高，这是合情合理的。正如Salesforce AI的首席执行官Clara Shih所言：
不出所料，绝大多数企业高管都担心他们会错过人工智能的优势，这种担忧是有道理的。当前的人工智能发展状况类似于1998年互联网的发展。人工智能意味着存在着巨大的机遇，但同时也伴随着大量的炒作泡沫。
她补充说，这给采用人工智能的企业带来了挑战：
我们如何从众多信息中筛选出真正有价值的信号，找到那些能够带来重大影响的企业应用场景或案例？
向我们展示金钱 - 和价值
这些发现还引发了一个正在形成的问题，特别是关于通用人工智能（gen AI）的成果和投资回报率。
在过去18个月里，我们目睹了许多过分炒作AI 效果带来的的失控，Salesforce作为其中较为负责任的供应商之一，在设定和管理用户期望方面做得较好。但许多企业高管，特别是非技术领域的高管都误以为，生成式人工智能似乎是一种能够解决众多问题的神奇万能钥匙。
这种思维方式的缺陷在于，所谓的"灵丹妙药"往往并不能精准解决问题，它们很少能够达到预期的效果。
在过去的几个月里，我们观察到一些科技行业的领导者试图向行业传达在考虑人工智能对企业利润增长的贡献时注入一些长期主义的思考。但当Meta的首席执行官马克·扎克伯格强调这是一个需要多年时间的项目时，Meta的股价遭受了严重的打击。上周，Alphabet的首席执行官桑达尔·皮查伊在华尔街分析师的严厉追问下，不得不强调现在继续投资的重要性，以便在未来获得回报。
在人工智能采用者中，存在一种变体，正如Shih所解释的，表现为对价值实现时间的日益增长的不耐烦：
自从ChatGPT在18个月前点燃了世界各地对使用人工智能进行商业和其他应用可能性的想象以来，许多公司仍在努力构建和购买解决方案，因为他们不想购买一个过于孤立且难以定制的解决方案。所以这就是一个平衡问题，即如何拥有一个可以快速实现价值的交钥匙（turnkey solution）解决方案，你可以向你的董事会、管理团队和股东证明你正在创新和尝试，并看到高影响力的应用案例，但它不仅仅是turnkey solution的——它也容易配置和定制，因为每个企业的业务单元和部门都是不同的。
她补充道：
我认为，在ChatGPT启动后的头12个月左右，人们有一种误解，认为公司只需要将ChatGPT连接到他们的组织，然后它就会起作用，并彻底改变公司。结果证明，情况并非如此简单，对吧？首先，这样做存在安全风险，因为数据可能会泄露到模型中。所以很多公司急于定制私有大语言模型，但即便如此也无法正常工作。
使模型活跃起来的关键因素之一是，了解最终用户和客户是谁的上下文数据。如果我是一家公司的销售人员，我问[Salesforce AI]Einstein公司这个季度的销售预测是多少，而我们的销售团队的同事也问了同样的问题，答案必须是不同的。即使提示文本完全相同，但由于我们是同一家公司内两个不同的终端用户，得到的答案完全不同。因此，数据背景对于大语言模型是否已经准备好投入生产至关重要。
这里的总体结论呢？正如Shih所说，它又回到了未来的时间：
这让我想到了90年代末，当时有人问，‘互联网是不是被过度炒作了？’答案是‘是的’，因为在炒作周期中，总会有大量的投资，但并不是所有的事情都会成功。但那些能成功的领域将会非常具有变革性，非常有价值。对于许多应用来说，有时需要经过几个实验周期——以及几年的时间——才能有实际成果。我之所以称它为‘1998年的人工智能时刻’，是因为我们现在正处于那个时刻。