2024年初人工智能发展状况分析报告

随着生成AI采用的加速，调查受访者报告了可衡量的好处，并增加了对不准确风险的缓解。一小群表现优异的人带头。 本文是Alex Singla，Alexander Sukharevsky，Lareina Yee和Michael Chui与Bryce Hall的合作成果，代表了QuantumBlack，McKinsey和McKinsey Digital的AI观点。 如果2023年是世界发现生成AI（gen AI）的一年，2024年是组织真正开始使用并从中获得商业价值的一年。在最新的麦肯锡全球人工智能调查显示，65%的受访者表示，他们的组织经常使用Gene AI，几乎是我们10个月前的前一次调查的两倍。受访者对gen AI影响的预期仍与去年一样高，四分之三的受访者预测，gen AI将在未来几年带来行业的重大或颠覆性变化。 各组织已经从使用Gene AI中看到了实质性的好处，报告了部署该技术的业务部门的成本下降和收入跃升。该调查还提供了对Gene AI带来的各种风险的见解-最值得注意的是， 不准确-以及表现最好的人正在出现的缓解这些挑战和获取价值的做法。 AI采用率激增 对生成AI的兴趣也使人们更加关注更广泛的AI功能。在过去的六年中，受访者组织的AI采用率一直徘徊在50％左右。 今年，调查发现采用率已跃升至72％（图表1）。而且这种兴趣确实是全球性的。我们的2023年调查发现，任何地区的人工智能采用率均未达到66％。但是，今年几乎每个地区都有超过三分之二的受访者表示他们的组织正在使用AI。1从行业来看，采用的最大增长可以在专业服务中找到。2 在过去的一年中，全球范围内的Al采用率急剧增加，多年来几乎没有什么有意义的变化。 在至少一项业务职能中采用Al的组织，受访者的百分比 麦肯锡公司 此外，回应表明公司现在正在更多的业务领域使用人工智能。一半的受访者表示，他们的组织在两个或更多的业务职能中采用了人工智能，而2023年不到三分之一的受访者(图表2)。 麦肯锡公司 Gen AI采用在可以创造最大价值的功能中最常见 大多数受访者现在报告说，他们的组织-以及他们作为个人-正在使用Gee AI。65%的受访者表示，他们的组织经常在至少一个业务职能中使用Gee AI，高于去年的三分之一。使用Gee AI的平均组织在两个功能中这样做，最常见的是营销和销售以及产品和服务开发-先前的研究确定采用Gee AI可以产生最大价值的两个功能。3-以及IT（图表3）。与2023年相比，增长最大的是营销和销售，报告的采用率增加了一倍以上。然而，在所有功能中，只有15％或更多的受访者报告了营销和销售中的两个用例。 受访者的组织定期使用生成人工智能(generative AI)，按功能，%的受访者 函数中最常见的一代AI用例，%的受访者 麦肯锡公司 Ge AI也正在融入受访者的个人生活。与2023年相比，受访者更有可能在工作中使用ge AI，甚至更有可能在工作和个人生活中使用ge AI（图表4）。调查发现，所有地区的geer AI使用量都在上升，其中亚太地区和大中华区的增幅最大。与此同时，与中层管理人员相比，最高资历的受访者在工作和工作外使用geal工具方面表现出更大的跃升。从特定行业来看，从事能源和材料以及专业服务的受访者报告说，ge AI的使用增幅最大。 附件4 受访者现在比2023年更有可能说他们正在使用生成AI。 使用生成式AI工具的个人经验，按职位和年龄划分，2023 - 24，受访者的百分比 麦肯锡公司 受访者现在比2023年更有可能说他们正在使用生成AI。 2023 - 24年，按行业划分的生成式AI工具的个人经验，受访者的百分比 麦肯锡公司 对gen AI和分析AI的投资开始创造价值 最新的调查还显示了不同行业如何为Geeral AI制定预算。回应表明，在许多行业中，组织将其数字预算的5％以上投资在geer AI上的可能性与在非生成性，分析性AI解决方案上的可能性相同（图表5）。然而，在大多数行业中，更多的受访者表示，他们的组织在分析型人工智能上的支出超过20%。展望未来，大多数受访者（67％）预计他们的组织在未来三年内会在AI上投入更多资金。 这些投资在哪里得到回报？我们的最新调查首次探讨了Geeral AI通过业务功能使用所创造的价值。受访者报告看到成本下降的最大部分是人力资源。受访者通常报告供应链和库存管理方面的收入有意义的增长（超过5％）（图表6）。对于分析型人工智能，受访者最常报告看到服务运营中的成本优势-与我们去年的发现一致-以及人工智能在营销和销售中的使用带来的有意义的收入增长。 展望未来，大多数受访者（67％）希望他们的组织在AI在未来三年。 Exhibit 5 在大多数行业中，组织大约有可能将其数字预算的5％以上投资于生成AI和分析AI。 组织数字预算在生成AI上的份额，受访者的百分比 组织数字预算在分析AI技术上的份额，受访者的百分比 Exhibit 6 组织通常会从人力资源中的生成AI使用和供应链管理中的收入增加中看到有意义的成本降低。 2023年，按功能划分，采用生成式AI带来的成本降低和收入增加，受访者的百分比 分析AI的使用通常会降低服务运营的成本，并增加营销和销售的收入。 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同事 在2024年，生成AI (generative AI)不再是新奇事物。我们调查的近三分之二的受访者报告说，他们的组织经常使用gener AI，几乎是十个月前我们之前调查发现的两倍，十分之四的人在两个以上的业务功能中使用gener AI。这项技术的潜力不再有问题。虽然大多数组织仍处于使用Gene AI的早期阶段，我们开始了解在实现和产生实际价值方面，什么是有效的，什么是无效的。 我们学到了一件事：业务目标必须是最重要的。在与客户的合作中，我们要求他们找出最有前途的商业机会和战略，然后向后寻找潜在的AI应用。领导者必须避免为了技术而追求技术的陷阱。最大的回报也将归于那些不怕大思考的人。正如我们所观察到的那样，领先的公司是那些专注于使用Geeral AI和分析AI重新构想整个工作流程的公司，而不是简单地寻求将这些工具嵌入到他们目前的工作方式中。 为了使之有效，领导者必须准备好在过程中的每一步管理变革。他们应该期望这种变化是不变的：企业将需要设计一个强大的、具有成本效益的、可扩展的下一代AI堆栈。他们还需要吸引整个组织的领导人。实现Geeral AI的损益影响需要与人力资源、财务、法律和风险部门紧密合作，以不断重新调整资源战略和生产力预期。 不准确：GenAI使用的最公认和最有经验的风险 随着企业开始看到Gee AI的好处，他们也认识到与该技术相关的各种风险。这些风险可能包括数据管理风险，如数据隐私、偏见或知识产权(IP)侵权，以及模型管理风险，这些风险往往集中在不准确的输出或缺乏可解释性。第三大风险类别是安全性和不正确使用。与去年相比，最新调查的受访者更有可能表示，他们的组织认为不准确和知识产权侵权与他们使用通用人工智能有关，大约一半的人继续认为网络安全是一种风险(图表7)。 相反，受访者表示他们的组织认为劳动力和劳动力流离失所是相关风险，并且没有加大努力来减轻这些风险。事实上，不准确-可能会影响整个AI价值链的用例，从客户旅程和摘要到编码和创意内容-是受访者比去年更有可能表示他们的组织正在积极努力的唯一风险。 不准确和侵犯知识产权越来越被认为是组织使用生成AI的相关风险。 组织认为相关的GenAI风险，受访者的百分比 麦肯锡公司 事实上，一些组织已经经历了使用Gen AI的负面影响，44%的受访者表示他们的组织至少经历了一种后果（图表8）。受访者最常报告不准确是影响其组织的风险，其次是网络安全和可解释性。 Exhibit8 近四分之一的受访者表示，他们的组织经历了生成AI不准确的负面影响。 对组织造成负面影响的与人工智能相关的风险，受访者的百分比 麦肯锡公司 麦肯锡评论 LareinaYee 麦肯锡高级合伙人；麦肯锡技术委员会主席 负责任的AI需要从第一天开始，在教育和行动方面还有很多工作要做。它始于公司的价值观-组织必须为他们如何应用生成AI（geerative AI）建立明确的原则，并设置护栏以确保其安全实施。例如，认识到数据安全的重要性意味着公司级别的数据和提示保留在企业墙内。要做到这一点，企业必须与大型语言模型和应用程序提供商签订安全合同，并进行强大的培训，以确保员工了解两者之间的区别。企业工具和公共工具，以便代码或专有数据不会无意中在公共模型中共享。 负责任的AI也开始在合规和监控的上游。部署Gee AI的领先公司在其AI应用程序的开发中纳入了风险实践。这包括确保技术团队了解风险和缓解措施。Ge AI解决方案是概率模型，可能会犯错误或无意中放大训练数据中的偏见，因此在部署模型之前对其进行测试至关重要。如果没有强大的测试方法，就很难实现负责任的AI。 最后，公司必须开发一个清晰的治理模型，以帮助确保Geeral AI应用程序符合治理原则。我们在调查结果和与客户的对话中看到的是，人们对负责任的人工智能的意识越来越强，并且迫切需要把它做好。尽管如此，即使越来越多的理解，在我们的调查报告中，只有不到四分之一的受访者有明确的流程将风险缓解嵌入到他们的解决方案中。从意识到行动将是至关重要的。 带来generAI能力 最新的调查还试图了解组织如何以及多快地部署这些新的Gene AI工具。我们发现了三种实施Gene AI解决方案的原型：接受者使用现成的公开可用的解决方案；塑造者使用专有数据和系统定制这些工具；制造商从头开始开发自己的基础模型。5在大多数行业中，调查结果表明，组织正在寻找适合其业务需求的现成产品-尽管许多组织正在寻求机会来定制模型甚至开发自己的模型（图表9）。在受访者的业务功能中，约有一半的Gee AI使用的是现成的，公开可用的模型或工具，很少或没有定制。能源和材料、技术和媒体领域的受访者。 和电信更有可能报告对公开可用的模型进行重大定制或调整，或开发自己的专有模型以满足特定的业务需求。 组织正在追求现成的生成AI功能的组合，并大幅定制模型或开发自己的模型。 开发生成AI (gen AI)能力的战略，已报告的gen AI使用实例的百分比 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同事 尽管尖峰In adoption of generative AI (gen AI), we are still in the experimental phase, with many organizationsseeing relatively simple, one - step solutions. Although 它因行业而异，大约一半的受访者表示他们使用的是现成的，现成的一代AI模型，而不是定制设计的解决方案。在新技术的早期，这是一个非常自然的趋势-但随着一代AI的广泛采用，这并不是一个合理的方法。如果你有，你的竞争对手可能也有。组织需要问自己：我们的护城河是什么？在许多情况下，答案很可能是定制。 但即使在那里，答案也不是那么简单。未来企业的脊柱和大脑将依赖于多种基础模型的精心策划的组合-现成的解决方案和工具，这些工具已经根据企业的特定需求进行了微调。事实上，对于Gee AI，我们正在从“构建与购买”的二元世界转变为“购买、构建和合作伙伴”，其中最成功的组织是那些构建融合了专有、现成和开源模型的生态系统的组织。最后，领导者必须明白，Geeral AI模型通常包括任何给定解决方案的15％。换句话说，这不仅仅是技术。为了创造价值，组织必须具备所有要素-领域重新构想能力；相关技能（包括非技术同事的技能提升）；强大的运营模型；专有数据。只有当这些因素到位时，