<ul>
<li>新研究顯示，三分之二的受訪者正在量化他們的生成性人工智能投資回報率，發現每花費 100 萬美元，他們通過成本節約和收入增加獲得 141 萬美元的回報。</li>
</ul>
<p><strong>阿聯酋迪拜 –</strong> Snowflake，這家人工智能數據雲公司，與企業戰略集團合作，今天發佈了《生成性人工智能的激進投資回報率》報告，發現 92% 的受訪者表示他們的人工智能投資已經產生了投資回報，98% 計劃在 2025 年進一步投資於他們的人工智能項目。</p>
<p>該研究對來自九個不同國家的 1,900 名商業和 IT 領導者進行了調查，包括英國、法國和德國——所有受訪者都在積極使用生成性人工智能進行一個或多個用例。</p>
<p>自生成性人工智能開始主導每個科技話題以來，僅僅過去兩年半，早期的人工智能採用者在內部和外部用例中都取得了成功。超過一半（55%）的受訪者優先考慮面向員工的解決方案，以提高生產力和效率，而 44% 則從面向客户的解決方案開始，以提升客户體驗和滿意度。</p>
<p>“我在人工智能領域工作了近二十年，我們終於達到了一個轉折點，人工智能正在為全球企業創造真正的、有形的價值，” Snowflake 的人工智能負責人 Baris Gultekin 表示。“每週有超過 4,000 個客户使用 Snowflake 進行人工智能和機器學習，我經常目睹這些工具在推動團隊更高效率和生產力方面的巨大影響，並使整個組織的數據洞察民主化。”</p>
<p>Snowflake 中東、非洲和土耳其的總經理 Mohamed Zouari 表示：“預計到 2030 年，阿聯酋將從人工智能中獲得 960 億美元，而沙特阿拉伯正在啓動一項價值 1,000 億美元的人工智能計劃，人工智能正迅速成為中東地區商業增長的藍圖。但沒有數據戰略，就沒有人工智能戰略。地區企業面臨着真正的挑戰——從數據基礎設施的碎片化到人才短缺。在 Snowflake，我們正在幫助組織奠定安全和可擴展的數據基礎，以真正利用人工智能的潛力。”</p>
<p><strong>通過人工智能投資推動成功</strong></p>
<p>報告顯示，早期的人工智能投資對大多數企業來説證明是成功的，93% 的受訪者表示他們的生成性人工智能項目非常成功或大部分成功。受訪者的人工智能項目在效率（88%）、客户體驗（84%）和加速創新（84%）方面都取得了可衡量的改善。事實上，三分之二的受訪者已經開始量化他們的生成性人工智能投資回報，發現每花費 100 萬美元，他們通過成本節約和收入增加獲得 141 萬美元的回報。</p>
<p>隨着全球組織在人工智能旅程中不斷前進，受訪者正在為他們的人工智能項目分配更多資源，提到的數據（81%）、大型語言模型（78%）、支持軟件（83%）、基礎設施（82%）和人才（76%）。這種戰略重點突顯了企業在未來運營和競爭中優先考慮的根本轉變。</p>
<p>克服數據障礙以最大化人工智能的有效性</p>
<p>釋放人工智能的真正潛力需要堅實的數據基礎。組織越來越多地將其專有數據納入，以最大化人工智能的有效性，80% 的受訪者選擇用自己的數據微調模型。儘管如此，許多受訪者在使這些數據準備好用於人工智能方面面臨重大挑戰，以下是推動人工智能成功的最大障礙：</p>
<ul>
<li><strong>超出預期的成本：</strong> 96% 的早期採用者報告稱，他們的生成性人工智能解決方案的一個或多個組件迄今為止的成本超過了最初的預期，78% 表示他們的生成性人工智能用例中有一半或更多的成本超出了預期。</li>
<li><strong>打破數據孤島：</strong> 64% 的早期採用者表示，跨來源整合數據在今天是具有挑戰性的。</li>
<li><strong>組織非結構化數據：</strong> 大多數數據是非結構化的——根據許多估計，80% 到 90%。然而，只有 11% 的早期採用者表示，他們的非結構化數據中有超過一半已準備好用於大型語言模型的訓練和調整。</li>
<li><strong>整合治理框架：</strong> 59% 的人表示，執行數據治理是困難的。</li>
<li><strong>測量和監控數據質量：</strong> 59% 的人表示，測量和監控數據質量是困難的。</li>
<li><strong>整合數據準備：</strong> 58% 的人表示，使數據準備好用於人工智能是一個挑戰。</li>
<li><strong>高效擴展存儲和計算：</strong> 54% 的人表示，滿足存儲容量和計算能力要求是困難的。</li>
</ul>
<p><strong>方法論</strong></p>
<p>企業戰略集團的研究人員在 2024 年 11 月 21 日至 2025 年 1 月 10 日期間識別並對早期採用者組織進行了深入研究——這些組織已經在生產中增強和執行商業流程，使用商業和開源模型，而不是像 ChatGPT 這樣的消費級訂閲軟件。在 3,324 名受訪者中，1,900 名（57%）表示他們正在使用商業或開源的生成性人工智能解決方案。</p>
<p><strong>關於 Snowflake</strong></p>
<p>Snowflake 使企業人工智能變得簡單、高效和可信。全球超過 11,000 家公司，包括數百家世界最大的公司，使用 Snowflake 的人工智能數據雲共享數據、構建應用程序，並利用人工智能推動業務。企業人工智能的時代已經到來。瞭解更多信息，請訪問 snowflake.com。</p>
<p>將您的新聞稿發送至 pressrelease.zawya@lseg.com</p>
<p>免責聲明：本新聞稿的內容由外部第三方提供。本網站不對該外部內容負責，也不控制該內容。該內容以 “原樣” 和 “可用” 方式提供，未經過任何編輯。本網站及我們的附屬機構均不保證本新聞稿中表達的觀點或意見的準確性。</p>
<p>本新聞稿僅供參考。內容不提供任何關於特定證券、投資組合或投資策略的税務、法律或投資建議或意見，也不對其適用性、價值或盈利能力作出任何聲明。本網站及我們的關聯公司對內容中的任何錯誤或不準確之處，或因您依賴該內容而採取的任何行動不承擔責任。您明確同意，您對本文中信息的使用風險自負。</p>
<p>在適用法律允許的最大範圍內，本網站、其母公司、子公司、關聯公司及各自的股東、董事、高級職員、員工、代理、廣告商、內容提供者和許可方對您不承擔任何直接、間接、後果性、特殊、附帶、懲罰性或示範性損害賠償責任，包括但不限於利潤損失、儲蓄損失和收入損失，無論是因過失、侵權、合同或任何其他責任理論，即使各方已被告知可能性或可以預見到任何此類損害。</p>

SNOW

<p>最新的研究顯示，92% 的生成性人工智能早期採用者正在獲得投資回報，每投資 100 萬美元平均回報為 141 萬美元。該研究對來自九個國家的 1900 名商業和 IT 領導者進行了調查，強調 93% 的人工智能項目取得了成功。然而，仍然存在挑戰，包括高成本和數據整合問題。Snowflake 強調製定強有力的數據戰略以最大化人工智能潛力的重要性，尤其是在中東地區，預計將在人工智能領域進行大量投資</p>

<ul>
<li>New research shows that two-thirds of respondents are quantifying their generative AI ROI, finding that for every $1 million spent, they are seeing $1.41 million in returns through cost savings and increased revenue</li>
</ul>
<div class="lb-trans"><ul>
<li>新研究顯示，三分之二的受訪者正在量化他們的生成性人工智能投資回報率，發現每花費 100 萬美元，他們通過成本節約和收入增加獲得 141 萬美元的回報。</li>
</ul>
</div><p><strong>Dubai, UAE –</strong> Snowflake, the AI Data Cloud company, in collaboration with Enterprise Strategy Group, today released the “Radical ROI of Generative AI,” which found that 92% of respondents reported that their AI investments are already generating ROI, with 98% planning to invest even more on their AI initiatives in 2025.</p>
<div class="lb-trans"><p><strong>阿聯酋迪拜 –</strong> Snowflake，這家人工智能數據雲公司，與企業戰略集團合作，今天發佈了《生成性人工智能的激進投資回報率》報告，發現 92% 的受訪者表示他們的人工智能投資已經產生了投資回報，98% 計劃在 2025 年進一步投資於他們的人工智能項目。</p>
</div><p>The research surveyed 1,900 business and IT leaders across nine different countries, including the UK, France and Germany — all of whom are actively using generative AI for one or more use cases.</p>
<div class="lb-trans"><p>該研究對來自九個不同國家的 1,900 名商業和 IT 領導者進行了調查，包括英國、法國和德國——所有受訪者都在積極使用生成性人工智能進行一個或多個用例。</p>
</div><p>Just two-and-a-half years since generative AI began dominating every tech conversation, early adopters of AI are realizing success with both internal and external use cases. Over half (55%) of respondents prioritized employee-facing solutions to improve productivity and efficiency, while 44% started with customer-facing solutions to elevate customer experience and satisfaction.</p>
<div class="lb-trans"><p>自生成性人工智能開始主導每個科技話題以來，僅僅過去兩年半，早期的人工智能採用者在內部和外部用例中都取得了成功。超過一半（55%）的受訪者優先考慮面向員工的解決方案，以提高生產力和效率，而 44% 則從面向客户的解決方案開始，以提升客户體驗和滿意度。</p>
</div><p>“I’ve spent almost two decades of my career developing AI, and we’ve finally reached the tipping point where AI is creating real, tangible value for enterprises across the globe,” said Baris Gultekin, Head of AI, Snowflake. “With over 4,000 customers using Snowflake for AI and ML on a weekly basis, I routinely witness the outsized impact these tools have in driving greater efficiency and productivity for teams and democratizing data insights across entire organizations.”</p>
<div class="lb-trans"><p>“我在人工智能領域工作了近二十年，我們終於達到了一個轉折點，人工智能正在為全球企業創造真正的、有形的價值，” Snowflake 的人工智能負責人 Baris Gultekin 表示。“每週有超過 4,000 個客户使用 Snowflake 進行人工智能和機器學習，我經常目睹這些工具在推動團隊更高效率和生產力方面的巨大影響，並使整個組織的數據洞察民主化。”</p>
</div><p>Mohamed Zouari, General Manager for the Middle East, Africa, and Turkey at Snowflake, said: “With the UAE set to gain $96 billion from AI by 2030 and Saudi Arabia launching a $100 billion AI initiative, AI is fast becoming the blueprint for business growth in the Middle East. But without a data strategy, there is no AI strategy. Regional businesses face real challenges—from fragmented data infrastructure gaps to talent shortages. At Snowflake, we’re helping organizations lay the secure and scalable data foundations they need to truly capitalize on AI’s potential.”</p>
<div class="lb-trans"><p>Snowflake 中東、非洲和土耳其的總經理 Mohamed Zouari 表示：“預計到 2030 年，阿聯酋將從人工智能中獲得 960 億美元，而沙特阿拉伯正在啓動一項價值 1,000 億美元的人工智能計劃，人工智能正迅速成為中東地區商業增長的藍圖。但沒有數據戰略，就沒有人工智能戰略。地區企業面臨着真正的挑戰——從數據基礎設施的碎片化到人才短缺。在 Snowflake，我們正在幫助組織奠定安全和可擴展的數據基礎，以真正利用人工智能的潛力。”</p>
</div><p><strong>Driving Success Through AI Investments</strong></p>
<div class="lb-trans"><p><strong>通過人工智能投資推動成功</strong></p>
</div><p>The report reveals that early AI investments are proving to be successful for the majority of enterprises, with 93% indicating that their generative AI initiatives have been very or mostly successful. Respondents’ AI initiatives resulted in measurable improvements across efficiency (88%), customer experience (84%), and accelerated innovation (84%). In fact, two-thirds of respondents are already starting to quantify their generative AI ROI today, finding that for every $1 million spent, they are seeing $1.41 million in returns through cost savings and increased revenue.</p>
<div class="lb-trans"><p>報告顯示，早期的人工智能投資對大多數企業來説證明是成功的，93% 的受訪者表示他們的生成性人工智能項目非常成功或大部分成功。受訪者的人工智能項目在效率（88%）、客户體驗（84%）和加速創新（84%）方面都取得了可衡量的改善。事實上，三分之二的受訪者已經開始量化他們的生成性人工智能投資回報，發現每花費 100 萬美元，他們通過成本節約和收入增加獲得 141 萬美元的回報。</p>
</div><p>As global organizations advance along their AI journeys, respondents are allocating additional resources to their AI initiatives, citing data (81%), large language models (78%), supporting software (83%), infrastructure (82%), and talent (76%). This strategic focus underscores a fundamental shift in what businesses prioritize to operate and compete in the future.</p>
<div class="lb-trans"><p>隨着全球組織在人工智能旅程中不斷前進，受訪者正在為他們的人工智能項目分配更多資源，提到的數據（81%）、大型語言模型（78%）、支持軟件（83%）、基礎設施（82%）和人才（76%）。這種戰略重點突顯了企業在未來運營和競爭中優先考慮的根本轉變。</p>
</div><p>Overcoming Data Barriers to Maximize AI Effectiveness</p>
<div class="lb-trans"><p>克服數據障礙以最大化人工智能的有效性</p>
</div><p>Unlocking AI’s true potential requires a robust data foundation. Organizations are increasingly incorporating their proprietary data to maximize AI’s effectiveness, with 80% of respondents choosing to fine-tune models with their own data. Despite this, many respondents are facing significant challenges in making this data AI-ready, citing the following as the biggest hurdles for driving AI success:</p>
<div class="lb-trans"><p>釋放人工智能的真正潛力需要堅實的數據基礎。組織越來越多地將其專有數據納入，以最大化人工智能的有效性，80% 的受訪者選擇用自己的數據微調模型。儘管如此，許多受訪者在使這些數據準備好用於人工智能方面面臨重大挑戰，以下是推動人工智能成功的最大障礙：</p>
</div><ul>
<li><strong>Higher than expected costs:</strong> 96% of early adopters report that one or more components of their gen AI solutions have cost more to date than was initially anticipated, and 78% say that half or more of their gen AI use cases have cost more than expected to get into production.</li>
<li><strong>Breaking down data silos:</strong> 64% of early adopters say integrating data across sources is challenging today.</li>
<li><strong>Organizing unstructured data</strong>: The vast majority of data is unstructured — 80%–90% by many estimates. However, only 11% of the early adopters say that more than half their unstructured data is ready to be used in LLM training and tuning.</li>
<li><strong>Integrating governance guardrails:</strong> 59% say enforcing data governance is difficult.</li>
<li><strong>Measuring and monitoring data quality:</strong> 59% say measuring and monitoring data quality is difficult.</li>
<li><strong>Integrating data prep:</strong> 58% say making data AI-ready is a challenge.</li>
<li><strong>Efficiently scaling storage and compute:</strong> 54% say it’s difficult to meet storage capacity and computing power requirements.</li>
</ul>
<div class="lb-trans"><ul>
<li><strong>超出預期的成本：</strong> 96% 的早期採用者報告稱，他們的生成性人工智能解決方案的一個或多個組件迄今為止的成本超過了最初的預期，78% 表示他們的生成性人工智能用例中有一半或更多的成本超出了預期。</li>
<li><strong>打破數據孤島：</strong> 64% 的早期採用者表示，跨來源整合數據在今天是具有挑戰性的。</li>
<li><strong>組織非結構化數據：</strong> 大多數數據是非結構化的——根據許多估計，80% 到 90%。然而，只有 11% 的早期採用者表示，他們的非結構化數據中有超過一半已準備好用於大型語言模型的訓練和調整。</li>
<li><strong>整合治理框架：</strong> 59% 的人表示，執行數據治理是困難的。</li>
<li><strong>測量和監控數據質量：</strong> 59% 的人表示，測量和監控數據質量是困難的。</li>
<li><strong>整合數據準備：</strong> 58% 的人表示，使數據準備好用於人工智能是一個挑戰。</li>
<li><strong>高效擴展存儲和計算：</strong> 54% 的人表示，滿足存儲容量和計算能力要求是困難的。</li>
</ul>
</div><p><strong>Methodology</strong></p>
<div class="lb-trans"><p><strong>方法論</strong></p>
</div><p>Researchers from Enterprise Strategy Group identified, and conducted deeper research between Nov. 21, 2024, to Jan. 10, 2025, with early adopter organizations — those already augmenting and executing business processes in production, using commercial and open-source models rather than consumer-grade, subscription software such as ChatGPT. Of 3,324 respondents, 1,900 (57%) said they are using commercial or open source generative AI solutions.</p>
<div class="lb-trans"><p>企業戰略集團的研究人員在 2024 年 11 月 21 日至 2025 年 1 月 10 日期間識別並對早期採用者組織進行了深入研究——這些組織已經在生產中增強和執行商業流程，使用商業和開源模型，而不是像 ChatGPT 這樣的消費級訂閲軟件。在 3,324 名受訪者中，1,900 名（57%）表示他們正在使用商業或開源的生成性人工智能解決方案。</p>
</div><p><strong>About Snowflake</strong></p>
<div class="lb-trans"><p><strong>關於 Snowflake</strong></p>
</div><p>Snowflake makes enterprise AI easy, efficient and trusted. More than 11,000 companies around the globe, including hundreds of the world’s largest, use Snowflake’s AI Data Cloud to share data, build applications, and power their business with AI. The era of enterprise AI is here. Learn more at snowflake.com .</p>
<div class="lb-trans"><p>Snowflake 使企業人工智能變得簡單、高效和可信。全球超過 11,000 家公司，包括數百家世界最大的公司，使用 Snowflake 的人工智能數據雲共享數據、構建應用程序，並利用人工智能推動業務。企業人工智能的時代已經到來。瞭解更多信息，請訪問 snowflake.com。</p>
</div><p>Send us your press releases to pressrelease.zawya@lseg.com</p>
<div class="lb-trans"><p>將您的新聞稿發送至 pressrelease.zawya@lseg.com</p>
</div><p>Disclaimer: The contents of this press release was provided from an external third party provider. This website is not responsible for, and does not control, such external content. This content is provided on an “as is” and “as available” basis and has not been edited in any way. Neither this website nor our affiliates guarantee the accuracy of or endorse the views or opinions expressed in this press release.</p>
<div class="lb-trans"><p>免責聲明：本新聞稿的內容由外部第三方提供。本網站不對該外部內容負責，也不控制該內容。該內容以 “原樣” 和 “可用” 方式提供，未經過任何編輯。本網站及我們的附屬機構均不保證本新聞稿中表達的觀點或意見的準確性。</p>
</div><p>The press release is provided for informational purposes only. The content does not provide tax, legal or investment advice or opinion regarding the suitability, value or profitability of any particular security, portfolio or investment strategy. Neither this website nor our affiliates shall be liable for any errors or inaccuracies in the content, or for any actions taken by you in reliance thereon. You expressly agree that your use of the information within this article is at your sole risk.</p>
<div class="lb-trans"><p>本新聞稿僅供參考。內容不提供任何關於特定證券、投資組合或投資策略的税務、法律或投資建議或意見，也不對其適用性、價值或盈利能力作出任何聲明。本網站及我們的關聯公司對內容中的任何錯誤或不準確之處，或因您依賴該內容而採取的任何行動不承擔責任。您明確同意，您對本文中信息的使用風險自負。</p>
</div><p>To the fullest extent permitted by applicable law, this website, its parent company, its subsidiaries, its affiliates and the respective shareholders, directors, officers, employees, agents, advertisers, content providers and licensors will not be liable (jointly or severally) to you for any direct, indirect, consequential, special, incidental, punitive or exemplary damages, including without limitation, lost profits, lost savings and lost revenues, whether in negligence, tort, contract or any other theory of liability, even if the parties have been advised of the possibility or could have foreseen any such damages.</p>
<div class="lb-trans"><p>在適用法律允許的最大範圍內，本網站、其母公司、子公司、關聯公司及各自的股東、董事、高級職員、員工、代理、廣告商、內容提供者和許可方對您不承擔任何直接、間接、後果性、特殊、附帶、懲罰性或示範性損害賠償責任，包括但不限於利潤損失、儲蓄損失和收入損失，無論是因過失、侵權、合同或任何其他責任理論，即使各方已被告知可能性或可以預見到任何此類損害。</p>
</div>

PRESSR：Snowflake 的研究顯示，92% 的早期採用者從人工智能投資中看到了投資回報