随着企业越来越多地采用人工智能，根据OMdia最新的《人工智能业务绩效指标数据库》所跟踪的使用案例，他们衡量生成型人工智能和预测型（非生成型）人工智能成功与否的指标也有所不同。与传统的预测式人工智能相比，部署生成式人工智能（GenAI）的企业更注重提高生产力、投资回报率和客户参与度，这一点在人工智能部署案例研究数据库中有所体现。
自2022年末以来，GenAI解决方案开始进入市场。随着采用时间的推移，供应商越来越多地发布GenAI“客户成功”研究报告，其中包括测量结果（指标或KPI），用于市场推广。在人工智能业务绩效指标数据库的最新更新中，OMdia重点汇编了GenAI案例研究，目前占700条记录的9%。在67个新案例研究中，52个侧重于GenAI。这让我们初步了解了企业如何评估其生成型和预测型（非生成型）人工智能部署的成功与否。
在各项指标中，将生成型人工智能与预测型人工智能进行比较后发现，生产率是生成型部署最受青睐的指标，占17%，几乎是预测型案例研究9%的两倍。生产率最高的应用包括自动代码开发和虚拟助手。投资回报率在GenAI研究中也更受重视（9%对6%），尤其是在写作助理方面。参与度是另一个相对受青睐的指标，在22%的生成型案例中被引用，而在预测型案例中仅占17%，主要应用案例包括虚拟助理和数字体验营销。
预测性人工智能在提高收入、准确性和降低成本等指标方面仍然受到普遍青睐。
OMdia首席预测师Neil Dunay表示：“最近的案例研究证实，企业确实在采用GenAI，并密切关注该技术对其业务成果的影响。随着对该技术的大量投资，供应商和企业都急于向客户和投资者证明GenAI正在实现承诺的结果。这可能意味着GenAI失败的案例研究可能不会被报道。”
OMdia的人工智能业务绩效指标数据库最初发布于2021年，每年更新两次，该数据库监测来自人工智能供应商和最终用户的案例研究，以记录衡量人工智能业务影响的关键绩效指标。该资源解决了人工智能客户最看重哪些指标、这些指标在不同行业和应用中的差异以及量化这些指标的方法等问题。该数据库专门跟踪已完成项目的案例研究，这些案例研究提供了成果的具体数字指标。
