MIT报告：50%企业靠AI技术定制提效，你的公司掉队了吗？

02

优质数据成就优质AI应用

AI技术定制潜力巨大，但挑战并存。具有讽刺意味的是，AI技术定制最宝贵的资产——数据，往往成为客户的最大障碍。具体而言，是数据完整性，这包括与AI应用配合使用的数据安全性、保密性和质量。MIT报告中，有半数参与者将数据隐私安全（52%）和数据质量准备（49%）列为AI技术定制的主要障碍。

生成式AI是数据领域长期以来的重大突破，为企业提供了以独特方式与数据进行互动的新途径。 数据正是“魔法”发生的地方，AI技术模型掌握着海量知识，除非用你自己的的数据进行过训练，否则它无法准确识别你的公司和竞争对手之间的差异。

智能数据平台是支持数据驱动型 AI 应用工具的关键，它能整合分散的数据存储、提供数据管控与安全保障，并与AI技术构建工具无缝集成。这正是为什么Microsoft Fabric（国际版）能够成为我们历史上增长最快的分析产品，也是我们看到原始存储、数据库服务和应用平台服务，因客户数据驱动型AI工作负载而快速增长的原因。Microsoft Fabric（国际版）显著降低了数据完整性方面的挑战，与Microsoft Azure AI Foundry（国际版）配合使用时，数据与开发团队得以在同一环境中协同工作，消除了因数据问题导致的上市延迟。

03

RAG是定制的起点

检索增强生成（RAG）是最简单有效的定制方法之一。 MIT报告中三分之二的受访者正在实施或探索RAG应用。将AI模型植根于组织或实践的专属数据，能够使其具备提供专业化体验的独特能力。

在实践中，RAG 并不单独用于自定义模型。报告发现，它通常与微调（54%）和提示工程（46%）结合使用，以创建高度专业化的模型。东京跨国广告公关公司电通（Dentsu）最初使用通用大语言模型来分析媒体渠道对客户销售的贡献，但发现准确率仅为40-50%。为此他们开发了定制数据控制结构，利用他们在零售与营销数据分析的专长打造了专属模型。

通过集成定制RAG框架和智能体决策层，电通实现了约95%的相关数据与洞察检索准确率。这种AI技术驱动的方法，现已成为了制定广告策略和优化客户营销预算分配的核心手段。

04

赋能开发团队

AI应用的开发会带来新的动力，其中关键是要跟上技术进步的步伐。 模型功能特性与开发者工具方法都在快速演进， 因此为团队配备合适工具对成功定制AI应用至关重要。

例如，新模型功能的快速迭代催生了对模型评估工具自动化的需求。MIT报告显示，54%的企业使用手动评估的方法，26%的企业已经开始或持续应用自动化方法，然而这些数据预计很快就会逆转。报告指出，提示词调试工具Playground和提示词开发功能，也被广泛用于促进AI工程师与应用开发者在定制模型时的协作。

评估不仅是AI技术定制的关键环节，更是应用上线后的管理监控重点。我们将全生命周期评估内置于Microsoft Azure AI Foundry（国际版），助你持续评估模型能力、优化性能、测试安全性并紧跟技术进步的步伐。

我们还看到，定制化与不断扩展的AI技术产品组合正在引领下一代AI应用开发。报告显示，超半数受访机构已采用遥测追踪与调试工具。AI技术追踪增强了理解AI应用结果所需的透明度，调试则通过展示从初始提示到最终输出的推理流程来优化性能。