Фьючерсы
Доступ к сотням фьючерсов
TradFi
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Launchpad
Будьте готовы к следующему крупному токен-проекту
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Новое исследование показывает, что внедрение корпоративного ИИ набирает обороты, но масштабирование остается основной проблемой
Узнайте о лучших новостях и событиях в области финансовых технологий!
Подпишитесь на новостную рассылку FinTech Weekly
Читается руководителями в JP Morgan, Coinbase, Blackrock, Klarna и других
Искусственный интеллект в корпоративном секторе набирает популярность, но проблемы масштабирования сохраняются, показывает новое исследование DataIQ
Искусственный интеллект становится все более интегрированным в рабочие процессы предприятий, но массовое внедрение по-прежнему сталкивается с привычными препятствиями. Такова картина, emerging из нового отчета DataIQ и Blend, который опросил старших специалистов в области данных и аналитики из различных отраслей, включая членов списка DataIQ 100.
Исследование фиксирует, как инструменты ИИ внедряются в бизнесе—и где они продолжают не соответствовать ожиданиям.
Более половины опрошенных организаций сообщили о наличии как минимум 12 приложений ИИ, часто внедряемых в виде изолированных пробных проектов. Тем не менее, 28% все еще сообщают о использовании только 3–5, что указывает на трудности в переходе от первоначального тестирования к более широкому внедрению. Эти цифры подчеркивают неравномерную траекторию в том, как предприятия переходят от экспериментов к интеграции ИИ в операционные системы.
Хотя интерес к интеграции ИИ растет—аппетит к внедрению на уровне предприятия увеличился на 25% по сравнению с 2023 годом—инвестиции в базовые элементы остаются ограниченными. Только треть респондентов заявила, что их организации приоритизируют обучение или управление изменениями для инструментов ИИ, указывая на потенциальное несоответствие между стратегическими амбициями и готовностью к внедрению.
Отчет также отражает изменение в том, как генеративный ИИ используется в корпоративной среде. Использование в области обработки данных более чем удвоилось за последний год, 65% респондентов теперь применяют генеративный ИИ для поддержки функций обработки данных на заднем плане. В 2023 году эта цифра составляла всего 28%.
Помимо темпов внедрения, отчет также исследует роль руководства и организационной культуры в формировании результатов ИИ. Компании с развитыми стратегиями работы с данными, похоже, лучше подготовлены для более систематической интеграции ИИ, в то время как те, кто больше полагается на интуитивное принятие решений, показывают более медленные темпы внедрения.
Доверие и управление также продолжают определять скорость и эффективность развертывания ИИ. Поскольку организации сталкиваются с регуляторным контролем и внутренними рисками, формальные структуры надзора и подотчетности все чаще рассматриваются как необходимые для ответственного масштабирования.
Полученные данные предполагают, что хотя ИИ становится стандартной функцией в корпоративном планировании, способность операционализировать его остается смешанной. Многие компании все еще сталкиваются с разрывом между амбициями и исполнением—особенно когда речь идет о подготовке рабочей силы, обеспечении прозрачности и интеграции ИИ в сложные устаревшие системы.