阅读： 1
已嵌入AI能力的组织是首批探索生成式AI潜力的组织，而那些从更传统的AI能力中看到最大价值的组织——我们称之为AI高绩效组织——已先他人一步开始采用生成式AI工具。
预计生成式AI将对业务造成颠覆式影响，受访者表示，本组织的员工队伍或将发生重要变化。他们预计，某些领域可能会裁员，可能会进行大规模再培训，以满足不断变化的人才需求。然而，尽管生成式AI的使用可能会促进其他AI工具的采用，但实际上组织对这些技术的采用并无明显增加。自2022年以来，采用AI工具的组织比例保持稳定，这些组织仍集中在少数业务领域。
一、尽管尚处发展初期 生成式AI已持续落地
各组织现在也普遍使用生成式AI。三分之一的受访者表示，所在组织已在至少一项业务中经常使用生成式AI，这意味着60%采用AI的组织开始使用生成式AI。此外，40%反馈组织已采用AI的受访者表示，由于生成式AI，所在公司打算在AI方面增加投资，28%的人表示生成式AI的使用已列入董事会议程。最常使用这些较新工具的业务与最常使用AI的业务一致，均为市场销售、产品/服务开发以及服务运营，如客户服务和后台支持。这表明，组织开始挖掘这些新工具的最大价值。根据我们之前的研究，生成式AI用例每年产生的价值中，有约75%源于这三个领域以及软件工程。
在目前这个早期阶段，人们对生成式AI期望甚高：四分之三的受访者表示，生成式AI将在未来三年内对其行业竞争性造成重大或颠覆性的变化。在科技和金融服务业工作的受访者表示，生成式AI最有可能为本行业带来颠覆性变化。根据我们之前的研究，所有行业都可能在一定程度上被颠覆，但影响程度会有高低。最依赖知识工作的行业会经历更大变化，受益也更多。可以想见，生成式AI影响最大的将是科技公司——增加的价值相当于全球行业收入的9%，接下来是银行（高达5%）、制药和医疗产品（也高达5%）、教育（高达4%），这些也都是知识型行业。相比之下，以制造业为基础的行业，如航空航天、汽车和高端电子产品，受到的破坏性影响相对较小。这与之前对制造业影响最大的技术浪潮形成了鲜明对比，因为生成式AI在基于语言的活动方面具有优势，而之前行业主要依赖体力劳动。
麦肯锡高级合伙人兼人工智能QuantumBlack全球负责人
生成式AI话题如此之热令人惊异。就在几个月前，C级高管的对话还很初级，围绕的是何为生成式AI，到底哪些是炒作，哪些是现实。迄今仅仅六个月的时间，商业领袖们就开始讨论更为复杂的话题。我们的调查结果反映了这一转变，近三分之一的公司至少在一项业务中使用了生成式AI。这突显了公司对生成式AI的商业可行性的理解和接受程度。
我们接下来要问的是，公司将如何采取下一步行动，以及生成式AI是否会遵循普通AI模式，后者的采用率已稳定在50%左右。我们从数据中可以看到，由于生成式AI蕴藏的可能性，有近一半已经在使用AI的公司计划增加这方面的投资，部分原因是他们认识到需要更广泛的能力来充分利用生成式AI。
要将生成式AI从实验变成商业引擎并获取巨额投资回报，公司需要解决一系列问题，包括识别组织中生成式AI的具体机会、确定治理和运营模式、优化方法管理第三方（如云和大型语言模型提供商）、采用哪些措施管理广泛风险、了解对人员和技术栈的影响、明晰如何在获取短期收益和打造长期发展基础之间找到平衡。这些问题确实复杂，但却是解锁真正重要的价值池的关键。
组织认为生成式AI存在的风险和着手缓解的风险，受访者比例（%）
受访者组织至少在1个部门中采用了AI。同时认为存在相关风险并进行缓解的有913人。
数据来源：麦肯锡全球人工智能调查，1684名公司各级人员，2023年4月11~21日
麦肯锡高级合伙人兼人工智能QuantumBlack全球负责人
人们广泛意识到生成式AI存在风险。但与此同时，由于普遍存在的焦虑和恐惧，组织领导人难以有效应对风险。最新调查结果显示，只有略高于20%的公司制定了生成式AI的风险政策。这些政策往往侧重于保护公司的专有信息，如数据、知识等知识产权。这些措施固然重要，但我们发现，如果改变现有业务技术架构，可以规避许多风险。
然而，真正的问题是，公司看待风险的角度过于狭隘。还有许多重大风险需要关注，包括社会、人道主义、可持续性风险。事实上，与一些人所笃信的世界末日场景相比，生成式AI的意外后果更有可能给世界带来问题。准备采用生成式AI的公司正在进行最具建设性的试用，同时用结构化流程来识别和解决各领域风险。他们选定了测试用户，建立了特定团队，探索生成式AI应用程序可能出现的问题，以更准确地预测后果。他们还与业界最优秀、最有创造力的人合作，为组织和整个社会确定最佳结果。对新风险和新机遇的性质进行深入思考以及全面的结构化理解，对于高效、负责任地发展生成式AI至关重要。
二、有些公司已先发制人 在生成式AI方面先行一步
调查结果显示，AI高绩效组织——2022年至少20%的息税前利润（EBIT）受益于AI的使用——正全力以赴发展AI，包括生成式AI和传统的AI能力。与其他组织相比，这些从AI中收获颇丰的组织已开始在更多的业务中使用生成式AI，主要集中在产品/服务开发以及风险和供应链管理领域。从全面的AI能力来看，包括传统的机器学习能力、机器人过程自动化和聊天机器人，AI高绩效组织也比其他组织更有可能在产品/服务开发中使用AI，进行产品开发周期优化，为现有产品开发新功能或开发新的智能产品。与其他组织相比，这些组织在风险建模方面使用AI的频率更高，在人力资源内部也更常使用AI进行绩效管理、组织设计和人力部署优化等。此外，AI高绩效组织在开展生成式AI工作时不太关注降低成本，而降低成本是其他组织的首要任务。来自AI高绩效组织的部分受访者表示，所在组织在生成式AI方面的首要目标是新增业务或收入来源，有可能通过新的智能特性来提高现有产品的价值。这部分人群的比例是其他企业作此回答人群的两倍。
有计划开展生成式AI活动组织的首要目标，受访者比例（%）
说明：由于四舍五入的原因，数字的总和可能不是100%。1.受访者组织至少在1个部门中采用了AI。2.受访者表示，2022年，其组织的息税前利润（EBIT）至少有20%源于AI的使用。AI高绩效组织的受访者为45人，其他组织受访者为712人。数据来源：麦肯锡全球人工智能调查，1684名公司各级人员，2023年4月11~21日正如我们在前几年所看到的，这些高绩效组织在AI方面的投资远高于其他组织。比如，对于这一选项：组织用于AI的数字预算超过20%，高绩效组织选择此项的受访者比例是其他组织的五倍多。高绩效组织在整个组织中使用AI功能的范围也更广。与其他组织相比，高绩效组织有更高比例的受访者表示所在组织在至少四项业务中采用了AI且嵌入了更多的AI能力。例如，高绩效组织有更多的受访者表示在至少一个产品或业务流程中嵌入了知识图以及生成式AI和相关的自然语言能力。虽然AI高绩效组织在利用AI方面也会面临挑战，但研究结果表明，他们面临的困难实则反映了他们的AI具有相当水平的成熟度，而其他组织勉力解决的却是AI应用方面的更基础的战略相关问题。AI高绩效组织的受访者通常将模型和工具列为最大挑战，例如监控生产中的模型性能并根据需要对模型进行长期的反复训练。相比之下，其他受访者提到了战略问题，例如设定与商业价值相关的明确的AI愿景或寻找足够资源。
利用AI所面临的最大挑战，受访者比例（%）
说明：由于四舍五入的原因，数字的总和可能不是100%。1.受访者组织至少在一个部门中采用了AI。2.受访者表示，2022年，其组织的息税前利润（EBIT）至少有20%源于AI的使用。AI高绩效组织的受访者为49人，其他组织的受访者为792人。数据来源：麦肯锡全球人工智能调查，1684名公司各级人员，2023年4月11~21日这些发现进一步表明，即使是高绩效组织在AI应用方面（例如机器学习运营，简称为MLOps）做得也不够好，当然和其他组织相比要好得多。例如，AI高绩效组织中只有35%的受访者表示，所在组织会尽量利用现有组件，而不是开发新组件，但这一比例已经远高于其他组织（19%）。生成式AI的某些用例更具变革性，要尽可能安全地采用这些用例，或需要丰富的MLOps专业技术和实践。实时模型运营应运而生，通过监控系统和实时告警快速解决问题，将生成式AI系统控于股掌之中。高绩效组织在这方面表现突出，但仍有发展空间：这些组织中四分之一的受访者表示，全系统都受到监控，并配备了实时告警，而其他组织中这一比例仅为12%。
在过去六年中，我们的年度全球AI调查得出了一个一致结论：对于成功的必要元素，高绩效组织的看法趋同。他们特别关注价值，为了获取价值，会对组织进行重整。在生成式AI方面，这些组织同样如此。例如，在战略方面，我们分析发现，领导者们开始着手规划AI在其各个业务领域的高价值机会。很明显，他们并不仅在生成式AI领域如此行事。尽管生成式AI的各种应用令人期待，但显然，公司的潜在价值有一多半来自于非生成式AI的普通AI应用。他们始终基于潜在价值来全方位看待AI机会。这一方法适用于所有能力领域。例如，在技术和数据方面，高绩效组织高度聚焦获取价值所需的能力，包括基于公司和特定行业数据训练大型语言模型的能力。他们已开始测评（1）使用现有的AI服务（“接受者”方法）所实现的效率和速度与（2）开发新功能创造竞争优势所实现的效率和速度，例如，通过调优和训练，让模型使用自有数据（“塑造者”方法）。
三、AI相关人才的需求发生转变，AI对人力产生的影响预计会很显著
展望未来三年，受访者预测，引入AI后，许多职位会受到影响。总的来说，他们希望更多的员工接受新技能培训，而不是简单解雇。采用AI的组织中，近四成受访者预计，所在公司有20%以上的人员需要接受新技能培训，而8%的受访者表示，人力规模将减少20%以上。
具体来看生成式AI的预期影响，服务运营是大多数受访者认为最可能减少人力规模的部门。这一发现总体上与我们的近期调查结果一致：因为生成式AI的出现，预计可自动化的工作比例相应提升（从50%提高到60%~70%），但这并不一定意味着某类工作可以完全自动化。
与其他公司相比，AI高绩效公司预计提供更高水平的新技能培训。就这一选项：由于AI的采用，组织将在未来三年内重新培训至少30%的员工，AI高绩效公司受访者选择此项的比例是其他组织的三倍多。
麦肯锡高级合伙人；麦肯锡技术委员会主席
我们正处于生成式AI的早期发展阶段，各公司已经预测这将对人才产生重大影响，包括提供新工作机会、改变工作方式、引入新职别（如提示工程）等。生成式AI的一大好处是可以简化几乎所有工作，但这同时也是它面临的最大挑战。
这种规模不同于传统的AI。传统的AI影响的人群较小，仅为那些在机器学习、数据科学或机器人等技术领域拥有深厚技能的员工，当然这种影响同样重要。考虑到所需的高度专业化能力，AI人才几乎总是供不应求。我们的调查结果表明，这些职位的招聘仍是一个挑战。生成式AI仍然需要高技能人才来构建大型语言模型和训练生成式模型，但用户却几乎没有任何门槛，他们不需要数据科学学位或机器学习专业知识就能使用生成式AI。这就好比从大型计算机到个人计算机的演进，前者是由高技能专家操作的大型机器，后者是任何人都可以使用的机器。就工具型技术而言，这是革命性的转变。
我们的调查表明，受访者将生成式AI视作工具。在大多数情况下，公司认为生成式AI可辅助而不一定是取代人类活动。我们发现，倾向于生成式AI的公司大多很务实，明确将其用于提高利润或生产力。例如，生成式AI工具被用于实现遗留代码的现代化，或加快科学领域的研究和发现。当然，这些应用只是九牛一毛，预计未来会加速对AI的应用。
虽然生成式AI的使用迅速普及，但调查数据并没有显示这些新工具对AI的总体采用率有何促进。采用了AI的组织比例总体保持稳定（至少调查时是这样），约为55%。这些人群中，不到三分之一的受访者表示，组织在至少一项业务中采用了AI，表明AI的使用范围仍然有限。与前四次调查一样，受访者反馈产品/服务开发和服务运营是最常采用AI的业务。总体而言，只有23%的受访者表示，所在组织去年有至少5%的息税前利润归功于AI，这与之前的调查基本持平，表明还有很大的价值提升空间。
超过三分之二的受访者预计，所在组织将在未来三年增加对AI的投资。
由于使用AI的业务领域持续收到回报，组织计划在未来几年增加投资。我们发现，大多数受访者表示，使用AI的各项业务的收入都有所增加。进行未来预测时，超过三分之二的人表示所在组织会在未来三年增加对AI的投资。
我们一直在强调生成式AI的重要性（考虑到它可能带来的革命性变化，如此重视无可厚非），但本次调查显然提醒我们，广义AI领域同样具有颇多价值。事实上，我们开展的某些研究表明，非生成式AI比生成式AI更具价值潜力。广义AI可为公司带来如下价值：提高预测准确性、优化物流网络以及推荐可购买产品等。
免责声明
文章信息
发布日期：2023年8月
原文链接：https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai%20in%202023%20generative%20ais%20breakout%20year/the-state-of-ai-in-2023-generative-ais-breakout-year_vf.pd