把握AI和自动化的机遇

时不我待 IBM如何提供帮助 IBM拥有经过验证的工具、见解和专业知识，可帮助您在整个企业中识别和执行极具影响力的自动化和AI驱动的解决方案，从而打造更加主动的IT系统以及更加高效的业务流程和员工团队。如需了解更多信息，请访问ibm.com/automation 摘要 现在正是探索生成式AI和自动化可为组织释放哪些潜力的绝佳时机。 生成式AI采用和数据主导式创新领域的先行者表示正在收获回报 先行者组织的年净利润要比其他组织高出72%，而年收入增长率要高出17%。 高预期 受访高管们预计其组织运营中实施的AI驱动的自动化所带来的业务收入在未来三年将增长一倍。 增强型AI、增强型自动化 近九成的生成式AI先行者(87%)表示，生成式AI可以帮助其组织实施极具影响力的自动化计划。 高度共识：收益大于风险 超过八成(82%)的受访者认为生成式AI的收益大于潜在风险。 引言 生成式AI已无处不在。这项技术推动了数据民主化，并加速了“模型到变现”周期。四分之三的受访CEO表示其组织的竞争优势建立在生成式AI之上。1 在生成式AI采用和数据主导式创新领域处于前沿的企业（我们称为生成式AI先行者，参见“观点：生成式AI先行者”）已经收获了巨大的回报—其年度净利润要比其他组织高出72%，年度收入增长率要高出17%。这一趋势正全面开启—92%的受访首席级高管预计到2026年将实现组织工作流的数字化，并采用AI驱动的自动化系统。2 挑战：尽管有一些组织在加速行动，但也有一些组织未跟上步伐。早期采用者和犹豫不决的企业之间鸿沟正在不断扩大—那些难以拥抱AI驱动式解决方案的组织可能会在日益由技术驱动的市场中失去竞争力。 为了应对这些飞跃性的技术发展，IBM商业价值研究院(IBM IBV)开展了这项最复杂、影响最深远的AI和自动化调研。我们针对全球范围内的2,000多名首席级高管开展了一项调研，其中包括首席自动化官，了解他们在通过AI和自动化推动智能化工作流以改善连接性和大规模实现价值方面的关键战略与投资（详见第27页的“研究方法”）。我们还重点分析了上面提到的“生成式AI先行者”。此类组织正在对生成式AI技术进行重要投资，以增强整个组织的AI和自动化能力。 超过八成(82%)的受访者认为生成式AI的收益大于潜在风险。随着社会的各个领域都在适应这项新兴技术，现在正是探索生成式AI和自动化可为组织释放哪些潜力的绝佳时机。 在接下来的章节中，我们将深入探讨四个关键领域：数据与准备、劳动力人才与数字助理、IT机遇以及投资优先事项。与此同时，我们还将分享一些具有现实影响力的案例研究。最后，我们拟定了一份行动指南，其中包含优化智能自动化的11项方略。 观点 生成式AI先行者—何以脱颖而出 所有人都参与了生成式AI革命吗？看似如此，但并非所有计划（或组织）的表现都一样。五分之一(19%)的受访者从竞争中脱颖而出（我们将此群体称为“生成式AI先行者”）。他们认为生成式AI对其组织至关重要，并将生成式AI功能视为其组织自动化投资的主要驱动力。在生成式AI战略和采用以及业务与技术绩效方面，此类先行者组织正在拉开与其他组织的距离。 生成式AI先行者积极开展自动化投资（同时认为这非常重要或至关重要）以加快其组织的数字化转型议程。生成式AI先行者计划通过智能工作流来提升绩效，同时正在投资和扩展IT平台与应用，以及通过自动化降低IT复杂性。此外，生成式AI先行者还采取了更加主动进取的态度—例如，他们将自动化视为数字化转型加速器，其比例要比其他受访者高出25%（见图）。 第1章 最高管理层紧急行动：利用数据提升生产力 “极致数字化”的时代已拉开帷幕，这催生了不计其数的数据源和微观洞察。而生成式AI的加入将对整个企业以及庞大的生态系统产生更加复杂的影响。全新水平的复杂数据正在推动AI达到新的高度，从而进一步提升自动化工作流的智能水平。 这些高度自动化和智能化的工作流可以帮助组织提高生产力并满足客户需求，从而保持竞争力。当然，高管们希望自动化能够产生更广泛的业务影响，但同时也在通过实时洞察、决策、行动和韧性来推动和扩展其内部数字化转型议程。 绩效就是明证：生成式AI先行者加大了自动化投资的力度，通过AI驱动的智能工作流提升了绩效—他们在各个维度上均全面领先于其他组织，包括劳动力敏捷性（领先36%）、盈利能力和效率（领先24%）、创新（领先53%）和收入增长（领先17%）。（见图1。） 所有这一切的基础要素就是数据，但数据本身并不具有价值。数据的实用性取决于其来源的透明度、信任和安全性。针对数据管理和AI的使用实施强有力的治理对于保持这种实用性至关重要。 “我们需要建立一个黄金流程—传统AI与机器学习及生成式AI进行交互，以增强预测并提供主动警报。” 客户高管，半导体行业 例如，在日益注重可持续发展的世界中，客户期望供应链提供从第一公里到最后一公里的完全透明度。如果能够引入对数据和AI管道的良好治理，智能工作流可以让这种可见性成为可能。 图1 生成式AI先行者 FIGURE 1Generative AI Leaders: Artificial intelligence, real results人工智能，真实成效 但可见数据并不总是等同于可消费的数据。而这就催生了对数据可视化的需求—实际上就是将数据转换为易于理解的格式并进行传递。与AI和分析相结合，数据可视化有助于模拟决策影响、预测运营挑战、对前瞻性的新战略进行建模，以及在没有可用历史数据的情况下对选项进行评估，尤其是应对一些前所未有的情形。可视化和模拟已成为最高管理层的关注点—超过一半(52%)的受访高管希望这些模型能够提高预测性运营的透明度和可见性。 数据、AI和自动化是相互依赖的。可以说，没有数据就没有AI。而AI则是自动化的基础。正是因此，66%的受访者表示，如果没有整合于一体的数据和AI战略，其组织的数字化转型计划就无法成功。 通常，这种整体思维需要超越企业本身。为了提高透明度和可见性，越来越多的企业高管开始将智能工作流与其生态系统合作伙伴整合在一起。事实上，53%的受访高管预计新兴技术将能够通过这些生态系统和网络数字连接来提高透明度和可见性。与现在相比，超过两倍的受访高管预计，到2026年，扩展至生态系统合作伙伴的工作流将通过智能自动化实现数字化。 案例研究 BlueIT：加速数字化转型和可持续发展3 IT外包服务提供商BlueIT致力于帮助其客户实施IT战略，以确保性能、优化IT支出以及减少碳排放。实现这些目标的关键在于能够为客户提供对整个IT环境的全面视图，并帮助客户主动重新分配资源，以减少浪费以及提高应用性能。 目前，BlueIT的一项侧重点是从传统ITOps转型为AIOps。在此之前，BlueIT团队要依赖不同的监控工具和手动干预来优化客户的环境。现在，他们已经建立了全栈视图和AI驱动的自动化。这有助于BlueIT团队及时识别资源拥塞，同时减少浪费，从而避免影响最终用户体验。 成果 –应用资源决策速度提升60%–平均恢复时间(MTTR)缩短50%–减少客户环境中的浪费–腾出更多时间帮助客户实现目标 “这些工具展现出了AI方法的强大力量，它们可以主动揭示潜在问题，并提供有助于改善资源规模和确保性能的行动建议。” Francesco SartiniBlueIT首席创新官 第2章 不断发展的化学效应：AI助理和员工协作 尽管AI和自动化有助于打造更加智能化的工作流，但要真正改善业务绩效，还需要采取一项关键步骤—为员工赋能。这是一个尤其重要的环节，旨在通过自动化重塑人类与技术的关系。 最近，生成式AI广受关注；这是一项最新的技术发展成果。80%的受访首席级高管认同：生成式AI将彻底变革其组织的工作流以及员工高效完成工作的方式。 “聊天机器人将成为领航员，引导人们更快地找到所需的报告或信息。” 客户高管，消费品行业 调研数据表明，生成式AI先行者在此领域实现了卓越成效。86%的生成式AI先行者认为投资生成式AI是其组织自动化计划中的一项关键要素。80%的生成式AI先行者表示，生成式AI让数字助理能够对复杂问题进行预测并生成相应的解决方案（见图2）。 FIGURE 2Generative AI: The key to transformative workflows生成式AI 变革工作流的关键4 生成式AI可以提高整个生态系统的可见性、洞察力和决策能力 为员工赋能，消除重复性工作 图3 出色的赋能水平 自动化可以提高生产力并减少重复、繁琐的工作。这样可以腾出更多时间专注于更具战略价值、可改善客户和业务合作伙伴关系的活动（请参阅案例研究“SELTASQUARE”）。额外的一项益处是，这些增值性活动通常对员工来说更有趣，也有助于提升技能。 生成式AI先行者激发员工灵感方面处于领先地位 近一半(47%)的受访高管表示，技能短缺可能在未来三年对组织产生最重大的影响。自动化和AI不仅可以改善员工工作和生产力，而且还有助于缓解劳动力短缺并增强技能。 然而，自动化的这些积极方面并不一定能保证转型会一帆风顺。80%的受访高管认为，未充分开展变革管理可能会限制劳动力技能提升。积极拥抱数字自动化赋能需要在观念上进行明确的转变，而这就需要高管层的指导和鼓励。 我们的研究表明，新一代AI先行者展现出了尤为积极的态度。与其他组织相比，AI先行者更频繁地通过关键举措来简化转型，例如实施针对智能自动化的卓越中心、利用多学科团队融合技术和业务专业知识、聘请首席自动化官或同等职位，以及指导员工使用数字助理（见图3）。这些举措可以帮助员工团队培养相关技能，使他们了解如何高效、正确地使用AI和自动化技术。 案例研究 SELTA SQUARE：首创的自动化药物安全监测流程5 韩国领先的研发公司大宏制药协助创立了一家名为SELTA SQUARE的新公司，该公司正在研发一项可能改善全球人类药物安全的关键药物警戒(PV)流程。药物警戒是一种法定学科，用于检测和报告药物的不良反应，然后评估、理解和预防这些效应。 SELTA SQUARE正在运用智能自动化软件来运行自动化药物警戒服务，这可能会彻底变革制药公司帮助确保消费者安全的方式。该智能自动化软件为一项关键但繁琐的流程提供了巨大的改进。这个流程涉及对数据库、医学文献和病例报告，以及每种产品的活性成分的名称进行广泛搜索。除了搜索外，药物警戒人员还需要截取和保存截屏、下载源文档、记录搜索结果，并将数据上传到大宏制药服务器。结果令人印象深刻： 成果 –药物警戒流程的速度提升了四倍–文献检索时间从五分钟缩短至一分钟–为专家提供更多时间来提高药物警戒质量–帮助提供更安全的药物 “人类专家现在只是可以更快地获取关键信息，他们仍然需要决定如何根据信息采取行动。” Min Kyung ShinCEOSELTA SQUARE 决策和数字助理 一般来说，工作流自动化定义如何通过由员工及其使用的数字系统执行的一系列任务来完成工作。通过生成根据需要提供的、基于广泛背景的洞察，AI驱动的工作流可以引导团队开展更高价值的客户和合作伙伴协作、复杂的问题解决情形以及具有前瞻性的创新活动。 数字化技术正在通过传统AI和生成式AI获得更加复杂的分析与决策能力。超过四分之三(77%)的首席级高管表示，数字助理可以带来更好的洞察和决策。他们预计，在未来三年内，数字助理将支持员工做出高度复杂的任务关键型决策（见图4）。 图4 任务关键 FIGURE 4预计自动化工具将越来越广泛地支持复杂决策 高管们理解智能自动化的潜力。60%的受访高管正在通过自动化投资来提高员工生产力和敏捷性。 近一半受访高管表示引入了新的自动化技术来提高运营的可预测性、灵活性和智能水平，尤其是建立自动化的主动客户和员工体验流程方面。54%的受访高管正在评估自动化和AI在创造新工作方式方面的作用，52%的受访高管将更好的客户