自2022年底OpenAI发布ChatGPT以来，生成式AI技术受到了业界的广泛关注，在企业侧的采用率呈现爆炸式增长。
根据沙丘智库发布的《2024生成式AI案例研究简报（6月）》，共收录了198个当前已产生阶段性成果、值得企业参考的生成式AI技术落地案例，生成式AI应用可谓“遍地开花”，其中金融、消费品、制造等行业最为突出，企业通常在多个业务部门的多种用例中探索生成式AI技术落地。
尽管生成式AI技术的应用前景广阔，但也会使企业面临过度聚焦于生成式AI而忽视AI领域其他技术应用的风险。实际上，生成式AI技术仅仅是人工智能技术版图中的一小部分。
生成式AI技术并不是万能的，对于大多数AI用例来说，生成式AI技术往往不是最合适的。一方面，受限于大模型的不可解释性，在控制类场景，短期内大模型更多是用于对人类决策的辅助；另一方面成熟度高、性价比好的小模型（如人脸识别、OCR等）也不需要用大模型进行替代。此外，企业面临的很多问题需要综合利用不同的AI技术来进行解决。
由于目前市场上对生成式AI技术的期望值很高，很可能导致企业将生成式AI技术应用于不合适的用例。如果企业只是短视地专注于生成式AI，很可能会忽略其他AI技术，不仅可能导致人工智能项目的失败，也有可能错失大多数AI技术的机会。
为了避免生成式AI项目的失败，企业应当考虑：
• 生成式AI技术是否适用于某一用例？
• 是否应该考虑其他AI技术？
• 何时应将生成式AI技术与其他AI技术结合使用？
