定制报告-个性化定制-按需专项定制研究报告
行业报告、薪酬报告
联系：400-6363-638
《IBM：2024年SAP赋能生成式AI：打造跨企业竞争优势报告（24页）.pdf》由会员分享，可在线阅读，更多相关《IBM：2024年SAP赋能生成式AI：打造跨企业竞争优势报告（24页）.pdf（24页珍藏版）》请在本站上搜索。
1、IBM 商业价值研究院|研究洞察SAP 赋能生成式 AI打造跨企业竞争优势2IBM 和 SAP 携手帮助企业加快 AI 的大规模应用，以提高生产率和投资回报率。两家公司都提供广泛的 SAP 专有生成式 AI 解决方案，包括可在各种业务流程和职能中实施的嵌入式 AI 和生成式 AI 功能，以及帮助组织开发和实施定制化 AI 和生成式 AI 功能的解决方案与方法。我们采用共同的 AI 和生成式 AI 方法，即在相互信任的基础上，构建开放生态系统中的强大能力。凭借深厚的 SAP 咨询专业知识，IBM 与 SAP 携手合作，在整个 AI 旅程中为客户创造价值。如需了解更多信息，请访问 和 。IBM 和
2、 SAP 如何提供帮助3基于云的 SAP 系统加速生成式 AI 发展。44%的组织表示基于云架构的 SAP 系统帮助他们更快地推进 SAP 专有生成式 AI 项目。伦理挑战可能会阻碍 AI 的采用，尤其是对于缺乏 AI 治理的组织。65%的高管表示，出于伦理方面的考虑，他们将放弃 SAP 专有生成式 AI 的好处。这些伦理问题并不是 SAP 平台或 SAP 数据所特有的，这两者为许多生成式 AI 项目提供了可信的起点。SAP 专有生成式 AI 已经在提高运营利润。那些拥有最成熟的 SAP 专有生成式 AI 业务和技术能力的组织平均实现了 20%的利润率，而其他组织的平均利润率为 16%。56%
3、的高管表示计划将其他预算领域的支出重新分配给 SAP 专有的生成式 AI 项目。摘要4利用 SAP 系统推动生成式 AI 成功许多组织都在寻求能够学习、适应并以前所未有的规模化方式来变革运营、产品和服务的生成式 AI 项目。而 SAP 系统就是一种理想的生成式 AI 资源，这是因为该系统具备以下特点：深度发掘。SAP 系统可以生成海量且多样化的数据。结构良好。SAP 系统的固有结构可支持生成式 AI 模型更高效地处理信息和提取有价值的洞察。值得信赖。SAP 数据准确、维护有序且有安全保障。互联互通。精心设计的 SAP 平台可实现数据共享。IBM 商业价值研究院(IBM IBV)和 SAP 研究
4、洞察中心(SAP RIC)的最新研究表明，SAP 数据是生成式 AI 计划的金矿。我们在 7 个月内针对 1200 多名高管进行了三次调查，以了解其组织如何基于 SAP 平台和数据来实施生成式 AI 解决方案（请参阅第 20 页的“研究和分析方法”）。我们的研究结果表明，那些拥有最成熟的 SAP 专有生成式 AI 能力的组织具有独特的优势。此类组织实现了出众的盈利能力增长率。那些从战略上在各业务领域整合生成式 AI 的组织大幅领先于采用“零散方法”的组织。越来越多的高管开始认识到将 SAP 系统与 AI 相关联的价值。根据 IBM 商业价值研究院的调研，超过一半的生成式 AI 支出正投入用于
5、SAP 专有项目。事实上，56%的高管表示计划将其他预算领域的支出重新分配给 SAP 专有的生成式 AI 项目，而三分之一的高管表示 SAP 系统拥有最丰富的数据，这些数据对于项目成功至关重要。这些令人鼓舞的调研结果表明，基于 SAP 系统的 AI 创新将为那些采用和适应速度最快的组织带来丰硕成果（参见案例研究“推动一级方程式赛车的表现”）。5案例研究下面提供了如何最有效开展 SAP 专有生成式 AI 项目的路线图。第一部分探讨了一些关键的前提条件，涵盖云基础架构、技能和治理。第二部分深入探讨了战略投资，包括一些已取得初步成果的具体业务领域。第一部分和第二部分都通过一些案例展示了 SAP 专有
6、生成式 AI 项目的方方面面。最后，我们提供了一份涵盖技术、人才和战略的行动指南，旨在助力组织充分释放 SAP 专有生成式 AI 项目的价值。助力梅赛德斯 AMG 提升 F1 赛车表现1 梅赛德斯 AMG 在 F1 赛道上拥有辉煌的成功历史：连续七次获得世界车手总冠军以及连续八次获得世界车队总冠军。这一成就建立在车队优化赛车策略和运营各个方面的能力之上。借助 SAP 专有生成式 AI，车队现在可以实时分析赛车性能、驾驶员行为和赛道状况。通过分析来自传感器、摄像头和其他内部 SAP 数据源的数据，生成式 AI 可全面评估轮胎磨损、油耗、车队人员状况和空气动力学等各种因素，从而有效优化赛车策略。梅
7、赛德斯 AMG 在 F1 赛道上拥有辉煌的成功历史：连续七次获得世界车手总冠军以及连续八次获得世界车队总冠军。这一成就建立在车队优化赛车策略和运营等各个方面能力的基础之上。借助 SAP 专有生成式 AI，车队现在可以实时分析赛车性能、驾驶员行为和赛道状况。通过分析来自传感器、摄像头和其他内部 SAP 数据源的数据，生成式 AI 可全面评估轮胎磨损、油耗、车队人员状况和空气动力学等各种因素，从而有效优化赛车策略。拥有最成熟的 SAP 专有生成式 AI 能力的组织实现了出众的盈利能力。56第一部分 生成式 AI 的成功 基本要素云基础架构的优势生成式 AI 需要一种可靠的架构，既能处理海量复杂数据
8、，又能提供强大、可扩展的计算能力和高级安全保障。2 而云环境与生成式 AI 就像是“天作之合”，打造了一个高度安全的整合式数据管理与协作平台。混合云 SAP 架构可确保仅在需要时才使用成本高昂的 GPU，同时具备在不同模型和服务之间切换的灵活性和可扩展性。尽管组织通常在多个环境中部署 SAP 系统，但许多组织越来越倾向于选择云端或混合部署，以获得更强大的可扩展性和集成能力。3 受访高管表示其组织的 SAP 系统要么托管在由云端和内部资源构成的混合环境中(41%)，要么完全托管在云端(42%)。利用云环境来部署 SAP 系统的组织实现了积极的成效：44%的受访高管表示这种架构帮助其组织更快地实施
9、生成式 AI 项目，相对应，12%的受访高管表示这种架构拖慢了项目进展；其余受访者则表示没有影响（见图 1）。近三分之二(60%)的受访高管表示其 SAP 基础架构现已经过专门优化，可支持其 SAP 专有生成式 AI 目标。那些拥有最先进 SAP 云架构（包括 RISE with SAP 和 SAP S/4HANA）的组织实现了出众的成效，其收入增长率要比那些架构成熟较低的组织高出 10%。对于尚未完全迁移到云端的组织，紧迫性已不容忽视。许多正在运行 SAP 的组织(67%)正在加快推动云迁移，以利用 SAP 专有生成式 AI 的优势。这一比例比 2024 年 3 月的 59%有所上升，表明高
10、管们认为有必要建立面向生成式 AI 的云基础架构来释放 SAP 系统的潜力（参见案例研究“精通财务语言的生成式 AI”）。7图 1云架构有助于加速 SAP 专有生成式 AI 的采用。问：SAP 云架构对组织采用 SAP 专有生成式 AI 有什么影响？78 精通财务语言的 生成式 AI4观点财务有自己的专有语言。如果缺乏适当的上下文，预测、收入、销售额和数量等常见的财务术语在企业中就会有不同的含义。对于一家大型能源公司来说，“预测量”(forecasted volume)这个复合词在组织内部有 58 种不同的含义。因此，在 SAP 财务领域使用自然语言模型是行不通的。生成式 AI 需要一个翻译器
11、来合理地回答财务方面的特定询问。这就是显式语言模型(ELM)的应用领域 此模型旨在结合财务流程与生成式 AI 技术来对财务数据进行自然语言处理。IBM 正在开发这种创新性的方法，让能源公司的员工能够使用“销售成本(COGS)”等业务专有术语来与 SAP 数据进行交互。早期测试已证明这项创新能有效简化标准的财务流程和报告，这些通常都是劳动密集型任务。同时，通过 SAP HR 功能实现了类似的财务专用生成式 AI 应用，能更有效地将工作说明书中的要求转化为职位和劳动力要求。当 SAP 专有生成式 AI 工具精通财务语言时，财务领域中许多最耗时的流程都可以实现自动化或部分自动化。这样一来，财务人员就
12、可以专注于最重要的工作：分析信息背后的含义以及对组织的全局影响。类似的流程改进在其他与财务相关的领域也在发生。IBM 和 SAP 合作推出了一些零售解决方案，可利用实时数据处理和 AI 辅助决策，将配送需求与运输管理指令整合在一起。这些解决方案依靠 AI 模型，持续评估与天气、交通和其他相关约束因素相关的时间序列数据，以动态调整运输计划。当 SAP 专有生成式 AI 工具能够用财务语言进行沟通时，财务领域中许多最耗时的流程都可以实现自动化或部分自动化。89识别技能，培养人才对于生成式 AI 项目的成功，拥有合适的人才与技术同样重要。尽管生成式 AI 可以增强人类能力，但通常需要新的技能组合。根
13、据 IBM 商业价值研究院之前开展的调研，高管越来越重视软技能而非技术技能。当然，数据素养和机器学习基础知识（如模型训练和提示工程）属于核心能力。但高管认为，解决问题/应对危机是受生成式 AI 影响最大的技能。商业沟通和敏捷性位列其后。5根据 IBM 商业价值研究院的最新调研，69%的高管表示其组织具备快速从 SAP 专有生成式 AI 项目中释放价值的合适技能，比四个月前提高了 14 个百分点。同样，58%的受访高管认为其组织具备卓越或顶尖的 AI 人才与技能。在成功将 SAP 专有生成式 AI 嵌入或整合到多个业务职能中的组织中，有 92%的组织具备必要的生成式 AI 人才和技能（见图 2）
14、。各种类型的组织都可以通过有针对性的再培训、招聘以及与业务伙伴合作来填补 AI 技能缺口。生成式 AI 可以帮助人力资源领导者更高效地识别并快速准备与潜在应聘者的对话。更重要的是，生成式 AI 还能通过加速个性化和适应性学习，助力技能全面提升。例如，生成式 AI 已经在变革企业财务培训，通过由大语言模型(LLM)驱动的导师提供个性化学习体验，从而适应每位学习者的节奏、风格和理解水平（请参阅“观点：AI 重塑财务工作”）。这种方法几乎适用于任何业务领域，包括技术领域。组织还应重视缓解员工对被 AI 取代的担忧，强调 AI 旨在帮助他们更快、更智能地工作，而不是取代他们的工作。6 为员工提供利用
15、SAP 数据和生成式 AI 工具进行实验的机会，同时采取适当的安全预防措施和治理措施，这有助于激发员工的创造力和信心，获取更有力的支持，从而最终取得更大的成功。图 2从战略上运用 SAP 专有生成式 AI 的组织对于其员工的技能水平更有信心。基于 IBM IBV 分析。问：我所在的组织是否具备从 SAP 专有生成式 AI 中快速释放价值所需的适当技能？百分比表示回复“同意”和“非常同意”的受访者比例。10观点AI 重塑财务 工作7最近由 SAP Insights 委托开展的一项调研着重反映了 AI 如何改变财务部门的工作方式。会计、数据管理、规划与战略、控制和分析是受影响最大的领域，AI 工具
16、正在帮助这些领域实现常规任务自动化，提高速度和准确性，以及提供分析支持。AI 可以处理琐碎的日常任务，让财务团队腾出时间来对交易和报告进行更深层次的分析，从而做出更明智的战略决策。研究表明，在批判性思维、伦理判断、问题解决和创造力等领域，人类技能依然不可或缺。但同时也揭示了 AI 有可能在哪些领域接管人类当前执行的任务，例如资产评估。那些不太需要人类判断的领域将更早受到 AI 的影响。建立领先的治理框架生成式 AI 引入了全新的伦理和信任考量，这意味着组织需要更新治理、风险和合规措施。企业领导者不能仅关注生成式 AI 能做什么，还必须讨论它应该做什么。敏感数据是否受到保护？训练数据是否尊重版权
17、？输出是否存在偏见或错误？8 生成式 AI 治理的挑战，超越企业的边界，影响深远。但即使是高质量的 ERP 数据也可能存在隐藏的偏见，而且 AI 模型的训练方式也可能会引入偏见。组织需要对模型生成内容的方式有清晰的理解。同时，数据和模型必须受到保护，以防止新兴网络威胁对输入和输出进行恶意篡改。9 这些挑战正在阻碍 AI 的采用：因伦理问题而表示将放弃 SAP 专有生成式 AI 好处的高管比例，从 2024 年 3 月的 26%激增至 2024 年 7 月的 65%（见图 3）。这一转变表明迫切需要更严格的生成式 AI 治理措施，也正是因此，SAP 和其他组织广泛采用了联合国教科文组织关于 AI
18、 伦理的 10 项指导原则。10为了提高企业对伦理和监管问题的认识，并确立应对其影响的行动方案，组织需要建立全面的生成式 AI 治理框架。欧盟 AI 法案等最新颁发的 AI 监管法规提供了关于风险程度和相应负责任 AI 要求的更清晰指导。11 那些在动态监管环境中锤炼出来的企业，能够更好地把握 SAP 专有生成式 AI 治理的核心任务。11百分比表示因伦理问题而同意或强烈同意将放弃 SAP 专有生成式 AI 好处的高管比例。26%65%2024?3?2024?7?AI 治理最佳实践必须超越简单的合规，涵盖更强大的 AI 应用监控和管理系统。对于使用 SAP 系统的企业来说，这可能意味着更新职能
19、性工作流程来适应新的指导方针，并根据法规的发展进行灵活调整。AI 治理还应实现对 AI 系统的广泛监督和控制。例如，可视化仪表盘可实时更新 AI 系统的运行状况和状态，提供针对模型偏见和漂移的自动监测和性能警报，以及审计跟踪。12大多数高管(70%)表示其组织制定了关于如何正确使用生成式 AI 的政策。这包括不允许将 SAP 数据用于公开可用的生成式 AI 工具。这些都是积极的开始，但政策和方向性措施的力度仍不及正式的治理结构。组织必须营造一种以负责任 AI 为核心的内部文化，重视员工教育，支持伦理团队和政策，并积极响应不断变化的监管要求。13AI 治理应实现对 AI 系统的广泛 监督和控制。
20、图 3高管们认识到其组织的 AI 治理能力无法应对新兴的生成式 AI 挑战。12生成式 AI 启航投资于最具潜力的领域许多组织正在大力投资发展生成式 AI，从而释放其 SAP 系统的巨大变革潜力。组织正在考虑将 SAP 专有生成式 AI 应用于广泛的业务领域，从客户服务、财务、人力资源到市场营销，并根据可行性和价值缩小选择范围（见图 4）。受访高管表示在员工人数最多的业务领域应用生成式 AI 创造了最大价值，例如客户服务(53%)、供应链(51%)以及销售与市场营销(47%)。同样，受访高管认为这些业务领域中生成式 AI 用例也最具可行性。在这些业务领域，生成式 AI 可以大幅提高生产率。例如
21、，用于汽车保修索赔的 AI 助手可以预填表格并安排最近的经销商进行检查，从而加快消费者和经销商的保修流程。同样，将生成式 AI 嵌入供应链规划工具，可以为员工配备一个私人助理，通过从 SAP 平台和其他来源提取数据来回答询问，从而加速决策流程。在销售和市场营销领域，AI 可以简化创建个性化消息和其他内容的过程。第二部分 13图 4 组织正在根据可行性和价值来评估 SAP 生成式 AI 用例。问：评估各个业务职能中的生成式 AI 用例的价值。评估各个业务职能中的生成式 AI 用例的可行性。百分比表示回答“高”或“很高”的受访者比例。10203040506070809090807060504030
22、2010低高高客户服务销售与市场营销供应链采购制造人力资源财务风险与合规可行性价值1314观点受访组织表示市场营销领域的 SAP 专有生成式 AI 用例取得了最大的进展。在这些高价值且具有高度可行性的业务领域，受访组织表示市场营销领域的生成式 AI 用例取得了最大进展，18%的受访组织表示正在推进或优化相关 AI 用例。略少比例的受访组织表示在研究与创新(16%)和信息技术(16%)领域取得了进展；在这些领域，生成式 AI可以帮助员工更快地将数据转化为设计或加速软件开发（请参阅“观点：加速应用开发”）。受访高管表示计划在未来三年中将 AI 用例扩展到制造等实体领域。例如，工业制造商可以利用 A
23、I 增强数据检索方法，将其庞大的数据与 SAP 数字化制造分析技术以及机器和设备建模相结合，从而更快地检测维护问题并获取解决方案建议（请参阅“观点：增强军事装备战备状态”）。此外，组织还可以优化生产和库存，或生成需求预测。加速应用开发14 编写代码是一项有难度的任务，开发者需要掌握专业知识。即使是经验丰富的开发人员也经常需要查阅文档，而这会减慢开发过程。借助生成式 AI，开发人员只需提供文本描述就能创建应用。通过 AI 驱动的代码生成、测试脚本创建等功能，应用开发工作量可减少 30%，让开发人员能够专注于处理更复杂的任务。增强军事装备战备状态15军事装备故障可能会导致浪费时间，甚至危及生命。通
24、过将生成式 AI 与国防机构的 SAP 数据相结合，可以提高预测性维护能力，从而增强军事资产与装备的战备状态及效率。SAP 主数据可用于呈现各项装备的实时运行状况，以及资产从部件层级到整体的操作准备状态。生成式 AI 可以分析数千份维护相关文档，预测哪些资产可能需要维修或更换，从最小的设备部件到整个飞机编队、车队和舰队。SAP 系统可以自动启动维护和采购规划流程，从而加快维修速度并尽量减少停机时间。目前的客户预计，这些能力可以将某些军事装备的战备状态提升高达 25%。15从投入到爆发尽管生成式 AI 解决方案仍处于实施的早期阶段，但 SAP 系统的应用已经推动运营利润率的增长（见图 5）。IB
25、M 商业价值研究院开发了一项指数，用于评估组织的 SAP 专有生成式 AI 业务与技术能力，包括其 AI 战略与愿景、数据与技术、人才与技能、工程与运营、运营模式以及组织能力。我们从调研中发现，那些成熟度最高的组织平均实现了 20%的利润率，而其他组织的平均利润率为 16%。我们预计这一模式将持续到 2026 年，成熟组织的平均利润率将达到 23%，而其他组织的平均利润率为 19%。（我们观察到，在生成式 AI 出现之前，组织的利润率也存在类似的差异，这表明早期的 AI 收益已用于推动生成式 AI 投资）。投资回报率(ROI)方面的研究结果则更加微妙。受访高管表示 SAP 专有生成式 AI 项
26、目的投资回报率为 6.8%。我们的调研数据表明，平均而言，48%的组织正在 11 个业务领域测试生成式 AI 用例。考虑到生成式 AI 解决方案的成本和复杂性，组织应当优化其投资，并采取更具战略性的方法，将生成式 AI 整合到其 SAP 平台中并应用于各个职能领域，而不是仅限于小范围的孤立应用组织预计到 2025 年，生成式 AI 将成为其运营中不可或缺的组成部分，并预计生成式 AI 项目的投资回报率将提高近一倍，达到 12.2%。尽管企业可能会倾向于定制其生成式 AI 解决方案的各个方面，但同时也深刻认识到采用统一方法将带来更大的优势。SAP 和 IBM 已将 AI 和生成式 AI 深度嵌入
27、到 SAP 平台中，涵盖业务流程、企业分析和未来 AI 驱动的解决方案开发。总体而言，这些解决方案让 SAP 用户能够以更自然的方式与企业系统交互，提出关于企业数据的问题并进行交互，从而提高工作效率。借助 SAP AI Core 中的生成式 AI 管理中心，组织可以采用标准化、可扩展的方式来开发、部署和管理 AI 解决方案，并对其进行全生命周期管理，从而信心十足地做出数据驱动的决策。组织预计到 2025 年，生成式 AI 将成为其运营中不可或缺的组成部分，并预计所有生成式 AI 项目的投资回报率将提高近一倍。16图 5 更成熟的 SAP 专有生成式 AI 能力转化为更高的盈利能力。根据 IBM
28、 IBV 对组织的 SAP 专有生成式 AI 成熟度分析得出的年均运营利润率。年均运营利润率Figure 516%20%19%23%16%12%202220232024所有其他组织拥有最成熟的 SAP 专有生成式 AI 能力的组织1617三分之二的高管表示其 SAP 系统中的数据应作为大多数生成式 AI 项目的起点。18 行动指南SAP 系统是实施生成式 AI 项目的一项重要工具。三分之二的高管表示由其 SAP 系统处理并包含在其中的数据应作为大多数生成式 AI 项目的起点，56%的受访高管则表示其组织以 SAP 数据为起点开启了生成式 AI 旅程。如何优化生成式 AI 的投资和成果？那就是建
29、立适当的基础并战略性地投资于整合式方法。如果要将这些目标付诸实践，组织应当重点关注以下三个维度：数据、人才和战略。精准规划，运筹帷幄 如同资深的首席数据官(CDO)组织应当认识到，要确保 SAP 专有生成式 AI 项目取得成功，涵盖所有部门和 SAP 职能领域的海量可信数据是一项基本要求。评估 SAP 数据状况。确定数据的可用性、质量和可访问性。评估现有基础架构是否能够支持生成式 AI 项目。有意识地设计能够支持生成式 AI 创新的云架构。评估组织的网络安全能力，确保能够为生成式 AI 应用、数据和模型保驾护航。跨企业孤岛整合和协同 SAP 数据，确保企业可靠数据源可支持 SAP 专有生成式
30、AI 解决方案。19行动指南要事优先，纲举目张 如同高效的首席执行官(CEO)采用新兴的 SAP 专有生成式 AI 工具将打造出前所未有的全新企业解决方案。确定生成式 AI 解决方案可以解决哪些当前和未来未知的业务问题。明确每个领域在一段时间内的预期成果。将可用的 SAP 数据与业务问题对齐，并明确最具可行性、最有价值的用例。鼓励和奖励开展 SAP 专有生成式 AI 实验，加强企业学习并推动短期成功。让业务职能负责人、流程团队和员工能够利用 SAP 专有生成式 AI 的输出来优化其后续业务成效。量体裁衣，知人善任 如同睿智的首席人力资源官(CHRO)在企业中践行信任的理念 只有在使命、数据和员
31、工上建立深厚的信任，才能为未来成功奠定基础。建立或更新 AI 治理框架。明确伦理准则、数据隐私实践和问责机制。为所有员工提供关于基本 AI 概念、数据素养和负责任 AI 实践的培训或研讨会。为不同的工作岗位匹配合适的生成式 AI 技能组合。为员工制定培训计划，帮助员工在现有岗位上取得发展或转为新岗位。营造一种鼓励实验的企业文化，既要庆祝成功，也要认可失败 因为失败亦是成功的基石。鼓励员工在良好治理和可信数据的明确界限内尝试使用 SAP 专有生成式 AI。20作者Garrick KeattsSAP IBM Consulting 高级合伙人、业务负责人 PereraSAP&Palo Alto IB
32、M 全球销售董事总经理 ShortSAP 全球合作伙伴负责人，IBM Consulting Peterson全球 SAP 和 Salesforce 负责人，全球旅游与运输行业负责人，IBM 商业价值研究院 商业价值研究院(IBM IBV)与牛津经济研究院合作，在 2023 年 12 月至 2024 年 7 月期间开展了三项调研，旨在了解使用 SAP 作为 ERP 记录系统的企业在生成式 AI 方面的最新动态。第一项调研针对北美、拉丁美洲、欧洲、中东和非洲以及亚洲和澳大利亚的 817 名总监级及以上高管，重点了解 SAP 在其组织中的应用情况。第二项和第三项调研分别针对美国、德国和英国的 200
33、 名总监级及以上高管，旨在了解 SAP 专有生成式 AI 在这些组织中的应用情况。第二项调研中的一些问题在第三项调研中重复出现，旨在了解受访者回复随着时间的推移发生了什么样的变化。第一项和第三项调研根据绩效指标对受访者进行了分类，以便于确定相关群体之间在组织决策、投资和行动方面的差异。在第一项调查中，我们根据对生成式 AI 成熟度问题的回复来确定绩效，并将前 15%的受访者与其他所有受访者进行比较。在第三项调研中，我们根据受访者对 SAP 专有生成式 AI 部署程度问题的回复来确定绩效，并将在多个 SAP 职能领域部署或整合 SAP 专有生成式 AI 的受访者（占比 60%）与试验性部署 SA
34、P 专有生成式 AI 或仅在单一职能领域中嵌入 SAP 专有生成式 AI 的受访者（占比 40%）进行比较。21相关报告The CEOs guide to generative AI.IBM Institute for Business Value.October 2024.https:/ibm.co/ceo-generative-aiThe ingenuity of generative AI:Unlock productivity and innovation at scale.IBM Institute for Business Value.June 2024.https:/ibm.co
35、/scale-generative-aiSecuring generative AI:What matters now.IBM Institute for Business Value.May 2024.https:/ibm.co/securing-generative-aiIBM 商业价值研究院IBM 商业价值研究院(IBM IBV)成立二十多年来，凭借 IBM 在商业、技术和社会交叉领域的独特地位，每年都会针对成千上万高管、消费者和专家展开调研、访谈和互动，将他们的观点综合成可信赖的、振奋人心和切实可行的洞察。需要 IBV 最新研究成果，请在 上注册以接收 IBV 的电子邮件通讯。您可以在
36、 Twitter 上关注 IBMIBV，或通过 https:/ibm.co/ibv-linkedin 在LinkedIn 上联系我们。访问 IBM 商业价值研究院中国官网，免费下载研究报告：https:/ IBM，我们积极与客户协作，运用业务洞察和先进的研究方法与技术，帮助他们在瞬息万变的商业环境中保持独特的竞争优势。关于研究洞察研究洞察致力于为业务主管就公共和私营领域的关键问题提供基于事实的战略洞察。洞察根据对自身主要研究调查的分析结果得出。要了解更多信息，请联系 IBM 商业价值研究院：22备注和参考资料1“Mercedes-AMG PETRONAS Formula One Team:Ac
37、celerating Tomorrow.”SAP customer story.Accessed August 8,2024.https:/ Bijlani,Varun.“Maximizing business outcomes and scaling AI adoption with a Hybrid by design approach.”IBM Think Blog.March 14,2024.https:/ 10 benefit of cloud ERP systems.”SAP website.Accessed August 20,2024.https:/ Based on inte
38、rnal IBM client information.5 Goehring,Brian,Manish Goyal,Ritika Gunnar,Anthony Marshall,and Aya Soffer.The ingenuity of generative AI:Unlock productivity and innovation at scale.IBM Institute for Business Value.June 2024.Unpublished data for 300 executives.6 The CEOs guide to generative AI:Talent a
39、nd skills.IBM Institute for Business Value.July 2023.https:/ibm.co/ceo-generative-ai-talent-skills7 Acton,Emily,Sarah Dziuk,Michael Rander,and Alan Stafford.“Five Ways That AI Is Changing Finance.”SAP Research.April 10,2024.https:/ Will AI Impact Finance?New Research Uncovers Key Findings.”Forbes.Ma
40、y 29,2024.https:/ The CEOs guide to generative AI:Responsible AIðics.IBM Institute for Business Value.October 2023.https:/ibm.co/ceo-generative-ai-responsible-ai-ethics9 Rodgers,Clarke,Moumita Saha,Dimple Ahluwalia,Kevin Shapinetz,and Gerald Parham.Securing generative AI:What matters now.IBM Inst
41、itute for Business Value in partnership with Amazon Web Services.May 2024.https:/ibm.co/securing-generative-ai10“Responsible AI.”SAP website.Accessed August 20,2024.https:/ of Artificial Intelligence.”UNESCO website.Accessed August 20,2024.https:/www.unesco.org/en/artificial-intelligence/recommendat
42、ion-ethics11“High-level summary of the AI Act.”EU Artificial Intelligence Act.Accessed July 24,2024.https:/artificialintelligenceact.eu/high-level-summary/12“What is AI governance?”IBM website.Accessed August 20,2024.https:/ The CEOs guide to generative AI:Responsible AIðics.IBM Institute for Bus
43、iness Value.October 2023.https:/ibm.co/ceo-generative-ai-responsible-ai-ethics14 Based on internal SAP information.15“Intelligent Defense Operations Solutions for SAP Defense.”IBM MediaCenter.Accessed August 20,2024.https:/ Copyright IBM Corporation 2024国际商业机器（中国）有限公司 北京市朝阳区金和东路 20 号院 3 号楼 正大中心南塔 12
44、 层 邮编：100020美国出品|2024 年 12 月IBM、IBM 徽标和 是 International Business Machines Corporation 在世界各地司法辖区的注册商标。其他产品和服务名称可能是 IBM 或其他公司的商标。以下 Web 站点上的“Copyright and trademark information”部分中包含了 IBM 商标的最新列表： 可能随时对其进行更改。IBM 并不一定在开展业务的所有国家或地区提供所有产品或服务。本文档内的信息“按现状”提供，不附有任何种类的（无论是明示的还是默示的）保证，包括不附有关于适销性、适用于某种特定用途的任何保证以及非侵权的任何保证或条件。IBM 产品根据其提供时所依据的协议条款和条件获得保证。本报告的目的仅为提供通用指南。它并不旨在代替详尽的研究或专业判断依据。由于使用本出版物对任何企业或个人所造成的损失，IBM 概不负责。本报告中使用的数据可能源自第三方，IBM 并未对其进行独立核实、验证或审查。此类数据的使用结果均为“按现状”提供，IBM 不作出任何明示或默示的声明或保证。10a998065cafd306-ZHCN-00扫码关注 IBM 商业价值研究院官网微博微信公众号
