Det lönar sig att investera i olika slags projekt som bygger på generativ AI – det visar en undersökning som AI-företaget Snowflake nyligen släppte. Enligt undersökningen ”Radical ROI of Generative AI” leder 92 procent av AI-investeringarna till att man uppnår roi, det vill säga att investeringen leder till ökad lönsamhet.
7 hinder som du måste övervinna för att lyckas med AI-projektet
AI Det lönar sig att investera i AI-teknik enligt en ny undersökning från Snowflake. Men det finns ett antal hinder som många företag kämpar med.

Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Techtidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
– Det är ingen överraskning att företag som tidigt anammat AI redan ser positiv avkastning på sina investeringar. Men framgångsrik AI-implementering kräver en genomtänkt datastrategi. Nyckeln till framgång ligger i förmågan att effektivt samla, organisera och berika företagets data från både interna och externa källor, säger Per Enell, Sverigechef på Snowflake.
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
