分析公司 Gartner 预测，到明年年底，将有 30% 的生成式人工智能项目在完成概念验证阶段后被企业放弃。预计放弃的原因包括数据质量差、风险控制不足、成本上升或商业价值不明确。
Gartner 举例说明了基因人工智能的应用情况，其中一些应用包括编码助理、个性化销售内容创建、使用检索增强生成（RAG）进行文档搜索、虚拟助理以及医疗、保险或金融服务。
编码助理是最具成本效益的应用，前期成本从 10 万到 20 万美元不等，每个用户每年的经常性成本从 280 美元到 550 美元不等。如果从零开始建立法律硕士，提供医疗、保险或金融服务法律硕士，成本就会急剧上升，前期成本从 800 万美元到 2000 万美元不等，经常性成本从 1.1 万美元到 2.1 万美元不等。
Gartner 杰出副总裁分析师 Rita Sallam 在评论这一预测时说：
"经过去年的炒作，高管们已经迫不及待地想要看到 GenAI 投资的回报，然而企业却在努力证明和实现价值。随着计划范围的扩大，开发和部署 GenAI 模型的财务负担越来越重。"
遗憾的是，GenAI 并不存在"一刀切"的情况，成本也不像其他技术那样可以预测。所花费的资金、所投资的用例以及你所采取的部署方法，都决定了成本的高低。无论是一个市场颠覆者，希望将人工智能渗透到各个角落，还是更保守地专注于提高生产力或扩展现有流程，每种技术都有不同程度的成本、风险、可变性和战略影响。
听到有些企业不会继续使用某些生成式人工智能应用，这并不太令人惊讶，毕竟这就是概念验证的目的。随着语言模型的能力越来越强，企业也可以重新审视它们的用例。