2024超越宣传：抓住人工智能和人工智能在科技、媒体和电信领域的潜力报告

超越炒作：捕捉AI和genAI在科技、媒体和电信领域的潜力 2024年2月 超越炒作：捕捉AI和genAI在科技、媒体和电信领域的潜力 2024年2月 Contents 简介：生成的承诺和挑战AI 2 State of the艺术 4 发电的经济潜力AI5 充分利用生成AI机会：六个问题CEO33 行业视图：电信操作员38 AI原生电信：激进的转型在动荡中蓬勃发展times39 生成AI如何振兴电信运营商48 生成的AI用例：开发电信公司的指南未来60 转型中的科技人才：七大技术趋势重塑电信运营商70 部署GenAI 81 未来的组织：由Gen AI支持，由人民82 数据红利：加油发电AI 91 技术与生成AI的世代时刻：CIO和CTO指南101 随着一代AI的进步，监管机构和风险职能部门急于保持步速113 未来是什么Holds 将塑造2024年人工智能的六大趋势议程120 附录：中的生成式AI解决方案行动125 词汇表 127 简介：生成AI的承诺和挑战 生成AI（geerative AI）的出现为希望引导组织走向未来的领导者带来了挑战和重大机遇。机会有多大？麦肯锡的研究估计，Gee AI每年可以为经济增加2.6万亿美元至4.4万亿美元，同时将所有人工智能的影响增加15％至40％。在技术、媒体和电信(TMT)领域，新一代人工智能用例预计将产生3800亿至6900亿美元的影响— — 600亿至1000亿美元的电信领域，800亿至1300亿美元的媒体领域，以及约2400亿至4600亿美元的高科技领域。在。事实上，在未来三年内，任何与人工智能无关的东西都可能被认为是过时或无效的。 一些领导人正在抓住时机，在他们的组织中大规模实施Gee AI，但其他人仍处于试点阶段，有些人还没有决定该怎么做。如果公司要在未来几年保持竞争力和相关性，高管必须了解Gee AI的潜在影响，并制定必要的战略，将其纳入其运营。这样的策略将涉及AI原生转型，专注于构建和管理ge AI的采用。麦肯锡对如何嵌入Gee AI进行了广泛的研究，以确保该技术提供有意义的价值。在过去的一年中，我们还花了很多时间与客户合作，创建并实施Gee AI路线图。研究和实践经验的结合使我们能够在七个业务领域的TMT中识别出100多个一代AI用例。1 我们与客户合作的经验已经表明，电信公司有可能在所有关键职能中使用gener AI产生重大影响。总影响的最大份额可能是在客户服务和销售方面，这 加起来将占总影响的大约70％；网络运营，IT和支持功能将完善其余功能。该技术已经在增强员工与客户之间的互动方面显示出了有意义的影响：产品和活动的个性化，销售效率的提高以及上市时间的缩短可以激发3％至5％的潜在收入增长。客户关怀互动-多达50％的活动可以自动化-有可能提高30％至45％的生产力，同时改善客户体验和客户满意度得分。在劳动力方面，高达70%的重复性工作活动可以通过gee AI实现自动化，以提高生产率。在知识搜索，验证和综合方面也有可能实现新的效率，其中约60％的活动具有自动化的潜力。一代AI工具可以将开发人员的生产力提高20％至45％。 这些领域为用例提供了丰富的土壤。更具挑战性的将是从绘制路线图到构建概念验证，再到成功扩展和捕获影响。多年设计和实施数字转换的经验教会了我们很多，但gener AI的本质和颠覆速度正在创造一个新的不确定性层。 大规模成为AI原生组织需要充分利用技术、数据和治理。当领导者采用一种利用人类和机器优势的运营模式时，成功就会随之而来;植根于敏捷性、灵活性和持续学习;并得到强大的数据和分析人才的支持。成功的另一个条件是在数据质量和数量上进行投资，专注于数据生命周期，以确保高质量的信息用于训练Ge AI模型。将功能构建到数据架构中，例如矢量数据库以及数据预处理和后处理管道，将能够开发用例。人才、数据、技术、治理— —这些都不是事后才想到的。 成功的实施具有清晰的愿景和果断的方法。我们建议财务计划在明年维持或增加geer AI预算。这些预算应包括专门用于Gee AI的资源，用于塑造和制作定制解决方案（例如，使用电信特定数据训练大型语言模型，而不是实施现成的模型）或与IT供应商合作以加快实施时间表。 人工智能旅程已被证明包含许多挑战和学习机会，例如准备和改变组织的文化，寻找大量数据集，以及解决模型提供的输出的可解释性。领导者应该期待这样的艰巨挑战，如人才短缺，缺乏组织承诺和优先次序（包括C级高管），以及在某些业务案例中难以证明投资回报率，所有这些都是在不断变化的监管和道德环境中造成进一步不确定性的情况下。但是令人生畏并不意味着不可能。开发协议和护栏系统（例如建立“审核”模型以检查输出。 对于不同的风险，并确保用户获得一致的响应）将是减轻gen AI引入的新风险的关键一步。另一个关键将是变更管理-使最终用户参与模型开发过程并将技术深入嵌入其运营中。 该系列介绍了麦肯锡对ge AI的最高见解，详细研究了该技术对组织的变革潜力。它提供了有关如何为实施Gee AI做准备的高层管理指导，并探讨了TMT行业尤其是电信行业使用Gee AI的影响。该集合涵盖了部署Geeral AI的基本要求，包括组织准备情况、数据管理和技术考虑因素。它还强调了有效管理与ge AI实施相关的风险的重要性。此外，本汇编概述了生成AI领域的未来发展和进步。 Ge AI将继续发展。新功能，例如分析和理解图像或音频的能力，以及具有GPT（生成预训练变压器）市场的不断扩大的生态系统，正在不断涌现。对于领导者来说，赌注很高。但机会也是如此。TMT参与者的下一步行动将定义他们如何从孤立的案例转向大规模的实施，从炒作到影响。 亚历克斯·辛格拉高级合伙人管理合伙人QuantumBlack麦肯锡AI 布伦丹·加菲高级合伙人全球领导者TMT实践 亚历山大·苏哈列夫斯基高级合伙人管理合伙人QuantumBlack麦肯锡AI NoshirKaka高级合伙人全球领导者TMT实践 Venkat Atluri高级合作伙伴全球领导者电信运营商TMT实践 PeterDahlström高级合作伙伴欧洲领导人TMT实践 AndreaTravasoni高级合作伙伴全球领导者电信运营商TMT实践 TomásLajous高级合伙人AI和Gen AI领导者TMT实践 BenjamimVieira高级合伙人数字和分析领导者TMT实践 艺术状态 生成AI的经济潜力 下一个生产力前沿 2023年6月 作为技术催化剂的生成AI 要把握未来的发展，就需要理解那些突破，这些突破已经推动了几十年的生成人工智能的崛起。ChatGPT，GitHbCopilot，稳定扩散和其他生成AI工具引起了公众的关注，这是近年来大量投资的结果，这些投资有助于推进机器学习和深度学习。这项投资巩固了我们每天使用的许多产品和服务中嵌入的AI应用程序。 但由于人工智能已经逐步渗透到我们的生活中— —从为我们的智能手机提供动力的技术到汽车上的自动驾驶功能，再到零售商用来让消费者感到惊讶和高兴的工具— —它的进步几乎是难以察觉的。明确的里程碑，例如DeepMid开发的基于AI的程序AlphaGo在2016年击败了世界冠军围棋选手，但随后很快就从公众的意识中消失了。 ChatGPT及其竞争对手以AlphaGo没有的方式抓住了世界各地人们的想象力，这要归功于其广泛的实用性-几乎任何人都可以使用它们进行通信和创建-以及与用户进行对话的超自然能力。最新的生成AI应用程序可以执行一系列常规任务，例如重组和分类 本文摘自麦肯锡完整报告《生成AI的经济潜力：下一个生产力前沿》。要阅读完整报告，包括有关研究，附录和致谢的详细信息，请访问mck. co / genai。 数据。但正是他们编写文本、创作音乐和创作数字艺术的能力赢得了头条新闻，并说服消费者和家庭自己进行实验。因此，更广泛的利益相关者正在努力应对生成人工智能对商业和社会的影响，但没有太多的背景来帮助他们理解它。 我们是怎么到这里的？渐渐地，然后突然 For the purposes of this report, we defined generative AI as applications typically built using foundation models. Thesemodels contained expansive artificial neural networks inspired by the数十亿neurons connected in the human brain.Foundation models are part of what 这暗示了神经网络中的许多深层。深度学习为人工智能的许多最新进展提供了动力，但是为生成AI应用程序提供动力的基础模型是深度学习中的一个阶跃变化演变。与以前的深度学习模型不同，它们可以处理非常庞大和多样的非结构化数据集，并执行多项任务。 基金会模型已经启用了新功能，并在包括图像，视频，音频和计算机代码在内的各种模式中极大地改进了现有功能。在这些模型上训练的AI可以执行多种功能：它可以分类，编辑，总结，回答问题和起草新内容，以及其他任务。 持续的创新也将带来新的挑战。例如，训练具有数千亿参数的生成AI所需的计算能力有可能成为发展的瓶颈。此外，还有一个重要的举措— —由开源社区牵头，并传播给生成人工智能公司的领导者— —让人工智能更负责任，这可能会增加成本。 尽管如此，用于生成人工智能的资金虽然仍然只占人工智能总投资的一小部分，但规模巨大且增长迅速-仅在2023年的前五个月就达到了120亿美元。从2017年到2022年，风险资本和其他私人外部投资对生成人工智能的平均复合增长率每年增长74%。在同一时期，人工智能的整体投资每年增长29%，尽管基数较高。 急于向所有事物投入资金，这反映了其能力发展的速度。ChatGPT于2022年11月发布。四个月后，OpeAI发布了一种新的大型语言模型，即LLM，称为GPT - 4，具有显著改进的功能。同样，到2023年5月，Athropic的生成AIClade能够处理100, 000个文本标记，相当于一分钟内大约75, 000个单词-平均小说的长度-而2023年3月推出时大约有9, 000个标记。2023年5月，谷歌宣布了几项由生成AI驱动的新功能，包括搜索生成体验和一个名为PaLM 2的新LLM，它将为其Bard聊天机器人提供动力，以及其他谷歌产品。4. 从地理角度来看，外部私人对生成人工智能的投资，主要来自科技巨头和风险投资公司，主要集中在北美，反映了非洲大陆目前对整体人工智能投资格局的主导地位。从2020年到2022年，美国的与人工智能相关的公司筹集了约80亿美元，占同期此类公司总投资的75％。. 生成性AI以其重塑知识工作在整个经济中的行业和业务功能中如何完成的潜力震惊和兴奋了世界。作为销售和营销，客户运营和软件开发，它准备转变角色并提高绩效。在此过程中，它可以在从银行业到生命科学的各个领域释放数万亿美元的价值。我们在本报告中使用了两个重叠的镜头来了解 跨功能和行业的生成AI用例 生成人工智能为公司创造价值并改变劳动力的潜力。以下各节分享了我们的初步发现。 可以通过两个镜头来评估生成AI的潜在影响。 麦肯锡公司 生成人工智能是人工智能发展的一个阶跃变化。随着公司急于适应和实施它，了解该技术为整个经济和社会带来价值的潜力将有助于制定关键决策。我们使用了两个补充透镜，以确定具有当前功能的生成人工智能在哪里可以提供最大的价值，以及这个价值可能有多大(图表1)。 第一个镜头扫描组织可以采用的生成AI用例。我们将“用例”定义为生成AI针对特定业务挑战的有针对性的应用，从而产生一个或多个可衡量的结果。例如，营销中的用例是应用AI来生成创意内容，例如生成电子邮件， 可衡量的结果可能包括减少生成此类内容的成本，