隨著企業越來越多地採用人工智慧，根據 Omdia 最新的《人工智慧業務績效指標資料庫》所跟蹤的使用案例，他們衡量生成型人工智慧和預測型（非生成型）人工智慧成功與否的指標也有所不同。與傳統的預測式人工智慧相比，部署生成式人工智慧（GenAI）的企業更注重提高生產力、投資回報率和客戶參與度，這一點在人工智慧部署案例研究資料庫中有所體現。
自 2022 年末以來，GenAI 解決方案開始進入市場。隨著採用時間的推移，供應商越來越多地釋出GenAI “客戶成功 ”研究報告，其中包括測量結果（指標或KPI），用於市場推廣。在人工智慧業務績效指標資料庫的最新更新中，Omdia 重點彙編了 GenAI 案例研究，目前佔 700 條記錄的 9%。在 67 個新案例研究中，52 個側重於 GenAI。這讓我們初步瞭解了企業如何評估其生成型和預測型（非生成型）人工智慧部署的成功與否。
在各項指標中，將生成型人工智慧與預測型人工智慧進行比較後發現，生產率是生成型部署最受青睞的指標，佔 17%，幾乎是預測型案例研究 9% 的兩倍。生產率最高的應用包括自動程式碼開發和虛擬助手。投資回報率在 GenAI 研究中也更受重視（9% 對 6%），尤其是在寫作助理方面。參與度是另一個相對受青睞的指標，在 22% 的生成型案例中被引用，而在預測型案例中僅佔 17%，主要應用案例包括虛擬助理和數字體驗營銷。
預測性人工智慧在提高收入、準確性和降低成本等指標方面仍然受到普遍青睞。
Omdia首席預測師Neil Dunay表示：“最近的案例研究證實，企業確實在採用GenAI，並密切關注該技術對其業務成果的影響。隨著對該技術的大量投資，供應商和企業都急於向客戶和投資者證明GenAI正在實現承諾的結果。這可能意味著GenAI失敗的案例研究可能不會被報導。”
Omdia 的人工智慧業務績效指標資料庫最初釋出於 2021 年，每年更新兩次，該資料庫監測來自人工智慧供應商和終端使用者的案例研究，以記錄衡量人工智慧業務影響的關鍵績效指標。該資源解決了人工智慧客戶最看重哪些指標、這些指標在不同行業和應用中的差異以及量化這些指標的方法等問題。該資料庫專門跟蹤已完成專案的案例研究，這些案例研究提供了成果的具體數字指標。
