2023 年 AI 的态势 ： 生成式 AI 的冲突打破年 （ 汉 ）

随着组织快速部署生成AI工具，调查受访者预计会对其行业和劳动力产生重大影响。 最新年度麦肯锡全球调查AI的现状证实了生成AI的爆炸性增长 (gen AI)工具。在许多这些工具推出不到一年后，我们三分之一的受访者表示，他们的组织在至少一个业务职能中定期使用gen AI。在最近的进步中，人工智能已经从一个降级为技术员工的话题上升为公司领导者的焦点:近四分之一 接受调查的高管表示，他们个人使用 用于工作的ge AI工具，超过四分之一的使用AI的公司受访者表示，geAI已经在其董事会的议程上。更重要的是，40%的受访者表示，由于geer AI的进步，他们的组织将整体增加对AI的投资。调查结果表明，这些仍然是管理与AI相关的风险的早期阶段，不到一半的受访者表示，他们的组织正在减轻他们认为最相关的风险：不准确。 已经嵌入AI功能的组织是第一个探索Gene AI潜力的组织，而那些从更传统的AI功能中看到最大价值的组织-我们称之为AI高绩效的组织-在采用Gene AI工具方面已经超过了其他组织。1 Gee AI的预期业务中断是显着的，受访者预测其员工队伍将发生有意义的变化。他们预计在某些领域裁员，并进行大规模的重新培训，以解决不断变化的人才需求。然而，虽然使用geer AI可能会刺激其他AI工具的采用，但我们看到组织对这些技术的采用很少有意义的增加。自2022年以来，采用任何AI工具的组织百分比一直保持稳定，并且采用仍然集中在少数业务职能中。 现在还处于早期阶段，但一代AI的使用已经很普遍 这项于2023年4月中旬在实地进行的调查结果表明，尽管Gee AI的新兴公共可用性，对这些工具的实验已经相对普遍，受访者希望新的功能能够改变他们的行业。GeAI吸引了整个企业群体的兴趣：不同地区、行业和资历的个人都在工作和工作之外使用Ge AI。79%的受访者表示，他们至少在工作或工作之外接触过一代人工智能，22%的受访者表示他们经常在自己的工作中使用它。虽然报告的使用情况在资历级别上非常相似，但在技术部门和其他部门工作的受访者中最高。在北美。 不同地区、行业和资历级别的受访者表示，他们已经在使用生成式AI工具。 麦肯锡公司 组织现在也普遍使用genen AI。三分之一的受访者表示，他们的组织已经在至少一个功能中定期使用generative AI -这意味着 报告采用AI的组织中有60％正在使用Gee AI。更重要的是，在他们的组织中报告采用人工智能的人中，有40%的人表示，由于生成式人工智能，他们的公司希望在整体上投入更多的人工智能，28%的人表示生成式人工智能的使用已经在他们的董事会议程上。使用这些较新工具的最常报告的业务功能与AI使用最普遍的业务功能相同：营销和销售，产品和服务开发以及服务运营，例如客户服务和后台支持。这表明组织正在追求这些最有价值的新工具。在我们之前的研究中，这三个领域以及软件工程表明，有可能从生成式AI用例中提供约75％的年度总价值。 生成AI工具的最常见用途是营销和销售，产品和服务开发以及服务运营。 报告其组织在给定功能中定期使用生成式AI的受访者比例，%1 麦肯锡公司 在这些早期，对ge AI影响的预期很高：四分之三的受访者预计ge AI将在未来三年内对其行业竞争的性质造成重大或破坏性的变化。在技术和金融服务行业工作的调查对象最有可能期望geer AI发生颠覆性变化。我们之前的研究表明，尽管所有行业确实都可能出现一定程度的中断，但影响程度可能会有所不同。2最依赖知识工作的行业可能会看到更多的中断-并可能获得更多价值。虽然我们的估计表明，毫不奇怪，科技公司有望看到Gee AI带来的最大影响-增值相当于全球行业收入的9％-基于知识的行业，如银行（高达5％），药品和医疗产品（也高达5％），以及教育（高达4％）也可能会产生重大影响。相比之下，以制造业为基础的行业，如航空航天、汽车和先进电子产品，可能会经历较少的破坏性影响。这与以前对制造业影响最大的技术浪潮的影响形成鲜明对比，这是由于一代AI在基于语言的活动中的优势，而不是那些需要体力劳动的活动。 麦肯锡评论 亚历克斯·辛格拉 麦肯锡的QuantumBlack，AI的高级合伙人和全球领导者 令人惊讶的是如此之快围绕生成AI的对话已经发展起来。就在几个月前，首席执行官的谈话还很初级，专注于试图理解它是什么，看看什么是炒作，什么是现实。现在，在大约六个月的时间里，商业领袖正在进行更加复杂的对话。从调查结果中我们可以看到，近三分之一的公司在至少一个业务功能中使用了生成式AI。这强调了公司在多大程度上理解和接受生成式AI在商业上是可行的。 下一个问题将是公司将如何迈出下一步，以及生成式AI是否会遵循我们在更普遍的AI中观察到的相同模式，即采用率已稳定在50％左右。我们从数据中看到创成式AI正在引领几乎一半已经使用AI的公司计划增加对AI的投资，部分原因是人们认识到需要更广泛的能力才能充分利用创成式AI。 下一步，生成式人工智能可以从实验转向业务引擎，并确保强劲的投资回报，这需要公司应对一系列广泛的问题。 的问题。其中包括确定组织中生成AI的具体机会，治理和运营模型应该是什么，如何最好地管理第三方（如云和大型语言模型提供商）。需要什么来管理广泛的风险，了解对人员和技术堆栈的影响，并明确如何在银行业近期收益和发展扩大规模所需的长期基础之间找到平衡。这些都是复杂的问题，但它们是解锁真正重要的价值池的关键。 回应显示，许多组织尚未解决GeneralAI的潜在风险 根据调查，似乎很少有公司为广泛使用 gen AI -或这些工具可能带来的业务风险。报告采用AI的受访者中只有21％表示，他们的组织已经制定了管理员工在工作中使用gen AI技术的政策。当我们特别询问采用gen AI的风险时，很少有受访者说他们的公司正在减轻最常提到的风险 Gene AI：不准确。受访者提到不准确的频率要高于网络安全和监管合规，这是在之前的调查中人工智能最常见的风险。只有32%的人表示他们正在缓解不准确，这一比例低于 38%的受访者表示他们可以减轻网络安全风险。有趣的是，这一数字明显低于去年报告减轻人工智能相关网络安全的受访者比例(51%)。总体而言，正如我们在前几年看到的那样，大多数受访者表示他们的组织没有解决人工智能相关风险。 不准确，网络安全和知识产权侵权是生成AI采用的最常见风险。 组织认为相关并正在努力缓解的与人工智能相关的风险，%的受访者1 麦肯锡公司 麦肯锡评论 亚历山大·苏哈列夫斯基 麦肯锡的QuantumBlack，AI的高级合伙人和全球领导者 有广泛的意识关于与生成AI相关的风险。但与此同时，普遍存在的焦虑和恐惧使领导者有效应对风险具有挑战性。正如我们最新的调查显示，只有略高于20%的公司制定了生成人工智能的风险政策。这些政策往往侧重于保护公司的专有信息，如数据、知识和其他知识产权。这些都是至关重要的，但我们发现，这些风险中的许多可以通过改变反映既定政策的业务技术架构来解决。 然而，真正的陷阱是公司过于狭隘地看待风险。公司也需要关注一系列风险— —社会、人道主义、可持续性。事实上，生成式人工智能的意外后果更有可能造成 世界面临的问题不仅仅是一些人拥护的世界末日情景。最具建设性地接近生成AI的公司正在试验和使用它，同时有一个结构化的过程来识别和解决这些更广泛的风险。他们正在部署beta用户和特定团队，考虑生成AI应用程序如何脱离轨道，以更好地预测其中的一些后果。他们还与企业中最优秀和最有创造力的人合作，为组织和社会更广泛地定义最佳结果。深思熟虑、结构化和整体性地理解新风险和机遇的本质，对于生成人工智能的负责任和生产性增长至关重要。 领先的公司已经领先于genAI 调查结果显示，AI表现较高的组织-即受访者表示2022年至少有20％的息税前利润归因于AI使用的组织-都在人工智能上，既有传统的AI功能，也有传统的AI功能。 从人工智能中获得显著价值已经在比其他组织更多的业务功能中使用ge AI，特别是在产品和服务开发以及风险和供应链管理方面。在查看所有AI功能时，包括更传统的机器学习功能，机器人流程自动化和聊天机器人，AI高绩效者也比其他人更有可能在产品和服务开发中使用AI，例如产品开发周期优化，向现有产品添加新功能以及创建新功能。 基于AI的产品。这些组织在风险建模中也比其他组织更频繁地使用AI，并在HR中使用，例如绩效管理和组织设计以及劳动力部署优化。 与同行的另一个不同之处在于，高绩效者的传统人工智能努力不太注重降低成本，而降低成本是其他组织的首要任务。来自AI高绩效者的受访者表示，他们组织的Ge AI的首要目标是创造全新的业务或收入来源的可能性是其他人的两倍，他们最有可能通过新的AI来引用现有产品的价值增长。 麦肯锡公司 正如我们在前几年看到的那样，这些高绩效组织在AI上的投资远远超过其他组织：来自AI高绩效组织的受访者说他们在AI上花费超过20％的数字预算的可能性是其他人的五倍以上。他们还在整个组织中更广泛地使用AI功能。来自高绩效的受访者比其他人更有可能说他们的组织已经在四个或更多的业务职能中采用了人工智能，并且他们嵌入了更多的人工智能功能。例如，来自高绩效企业的受访者更经常报告在至少一个产品或业务功能流程中嵌入知识图，此外还包括geer AI和相关的自然语言能力。 虽然人工智能的高绩效者也不能幸免于从人工智能中获取价值的挑战，但结果表明，他们面临的困难反映了他们的相对人工智能成熟度，而其他人则在人工智能采用的更基础的战略要素上苦苦挣扎。AI表现优异的受访者最常指出模型和工具，例如监控生产中的模型性能，以及随着时间的推移根据需要重新训练模型，是他们面临的最大挑战。相比之下，其他受访者提到了战略问题，比如设定一个与商业价值相关的明确定义的人工智能愿景，或者寻找足够的资源。 模型和工具对高绩效者来说是与人工智能相关的最大挑战，而战略对其他人来说是一个常见的绊脚石。 从人工智能中获取价值的最大挑战， %的受访者1 麦肯锡公司 这些发现提供了进一步的证据，表明即使是高绩效的人也没有掌握有关AI采用的最佳实践，例如机器学习操作（MLOps）方法，尽管它们比其他人更有可能这样做。例如，只有35%的受访者表示，在可能的情况下，他们的组织会组装现有的组件，而不是重新发明它们，但这比报告这种做法的其他组织的19%的受访者所占的比例要大得多。 可能需要许多专业的MLOps技术和实践来采用gee AI应用程序可以提供的一些更具变革性的用例，并尽可能安全地这样做。实时模型操作就是这样一个领域，在该领域中，监控系统和设置即时警报以实现快速问题解决可以控制gee AI系统。高绩效者在这方面脱颖而出，但仍有增长空间：这些组织中有四分之一的受访者表示，他们的整个系统都受到监控并配备了即时警报，而其他受访者中只有12％。 麦肯锡评论布莱斯大厅 Associate partner 过去六年在我们进行年度全球人工智能研究时，一个一致的发现是，高绩效者对成功所需要的东西有广泛的看法。他们特别擅长专注于价值，然后将他们的组织重新连接到捕获该价值。当查看高性能人员与生成AI一起工作时，这种模式很清楚。 例如，在战略方面，我们的分析领导者正在从他们的业务领域中找出AI的高价值机会。可以说，他们这样做不仅仅是为了生成AI。我们所有人都对令人眼花缭乱的新一代AI应用程序感到兴奋，公司一半以上的潜在价值来自不使用generAI的AI应用程序。他们在根据潜在价值查看所有AI机会时保持纪律。 这种方法延伸到所有能力领域。例如，在技术和数据方面，表现优异的人才专注于获取他们所确定的价值所需的能力。这包括使大型语言模型能够在公司和行业特定数据上进行培训的功能。他们正在评估和测试通过使用现有的人工智能服务(我们称之为“接受者”方法)和开发能力来创造竞争优势所带来的效率和速度— —例如，通过调整模型和训练他们使用自己的专有数据(我们称之为