技术服务和生成 AI ： 规划必要的重塑

技术、媒体和电信实践 技术服务和生成AI：规划必要的重塑 生成人工智能的迅速出现有可能破坏该行业几十年来一直依赖的动态，但它也提供了一个挖掘利润丰厚的新市场的机会。 本文是Anuj Kadyan，Himanshu Pandey，Noshir Kaka，Pallav Jain，Senthil Muthiah和Vikash Daga与Ruchika Dasgupta的合作努力，代表了麦肯锡技术，媒体和电信实践的观点。 通过大多数进步以及企业技术、IT或技术服务提供商的创新(也称为系统集成商1[SI]或托管服务提供商[MSP]）在很大程度上能够依靠一个常数：他们的客户继续在四面墙外寻找帮助缝合在一起，并监督不断变化的复杂网络硬件，软件，网络和存储产品，这些产品驱动着他们的业务。现在，企业正在将更多的技术支出投入到生成式AI（geerative AI）中，并利用其功能来简化或自动化其中一些相同的IT管理服务。服务提供商想知道他们的未来会是什么，这是可以原谅的。 为了帮助服务提供商在AI时代重新定位，我们调查了100位行业顶级高管和技术决策者，2采访了该行业的一些专家，并对国家进行了分析 在福布斯全球2000年最大企业排名的代表性样本中采用了gen AI。这篇文章也是我们在市场上的经验，研究了新技术如何影响企业技术支出模式，新的gen AI服务提供商可以为企业客户提供什么 一代人工智能采用的不同阶段，以及提供商可以采取哪些关键步骤来为这个新时代定位自己。 事实证明，未来可能非常光明。Gen AI也在增加对各种新服务的需求，这代表了提供商重新构想和重新充电业务的重要机会。有多重要？我们估计，到2029年，与Gen AI / AI相关的服务的新兴市场价值可能超过2000亿美元。 GenAI对企业技术支出和提供商经济的影响 十多年来，大多数公司一直在努力实施和扩展传统的AI和自动化解决方案。然而，2022年末OpeAI的ChatGPT解决方案的推出导致了企业AI优先级的范式转变。组织现在正在转向Gee AI，以帮助推动和重振传统AI计划，同时在多个功能中启动全新的Gee AI努力。但在迎接Gee AI到来的最初一波兴奋和炒作之后，企业客户群是。 如果技术服务提供商能够成功地从这一增量价值中获得相当大的份额，他们的盈利能力可能会增长30%。达到这些高度将需要提供商重新发明他们的业务方式。这一挑战将包括改变服务产品及其交付方式，拥抱新的市场(GTM)和商业模式，以及提升团队技能，同时寻找新的人才来源。 now squarely focused on seeing the transformativetechnology live to its billing. The goal is to move frompartemeal efforts, isolated pilot, and proof concept (POCs) toscalable solutions that can be deplosed across organizations. 未来12至18个月将是关键。企业客户已经在探索新的方法来自己管理一些核心IT工作，同时加大各种方式的AI试点和计划，以及其他各种技术参与者（从超大规模到硬件和软件公司）开始或考虑进入新兴的AI服务市场。传统的服务提供商没有开始在这个领域重新构想他们的价值主张，有可能失去一些相关性— —收入和利润可能超过15%。 作为这一代AI重置的一部分，组织对创造重大影响所需的战略和财务承诺有了更好的理解。正如一位高管告诉我们的那样，“扩展AI很难。它需要新的技能、新的流程和新的工作方式。对于大多数组织来说，这是一个变革性的挑战。” 麦肯锡最新的AI调查3在企业客户中，67%的受访者 专业和敏感的人工智能工作负载(例如，公共部门、医疗保健)可能会推动一些支出增长。 表示，他们希望他们的组织将更多的技术预算用于AI /gen AI 根据我们的分析，我们估计整体技术预算将以 未来五年的复合年增长率约为4%至6%。但是，随着传统价值池的变化和新价值池（和新竞争对手）的快速出现，花费的地方可能会发生很大变化。Ge AI已经使各种技术生态系统参与者扩大了他们的产品范围;例如，超大规模程序正在提供集成开发环境来构建、训练、定制和部署大型语言模型(LLM)，而一些硬件供应商则是这样。涉足可开发自定义LLM和微服务的服务，以更快地部署General AI应用程序。 与此同时，由于多个类别的支出增加，大量新的AI服务机会正在发展。 —外包AI服务。这些服务预计将实现两位数的增长随着企业努力应对gen AI人才的稀缺性和费用，以及他们自己在开发和实施gen AI解决方案方面缺乏经验的企业寻求外部帮助。这种增加的支出将集中在AI基础服务上（例如，用于IT运营的AI [AIOps]），Gen - AI主导的生产力解决方案（例如，编码副驾驶）和垂直行业解决方案（例如，生命科学中的临床试验加速，超个性化B2C解决方案对于电信)。 新的竞争对手只是颠覆的一个方面。随着企业将更多的技术预算用于AI / gen AI工作，服务提供商核心产品的支出可能会在一些传统支出领域下降或停滞。感受到这种影响的技术服务支出的三个主要类别是如下： —外包数字服务。随着企业在现有数字计划中利用genAI，对云，传统现代化以及数据和分析等数字服务的需求增加，可能会推动8％至12％的增长。 —传统服务外包。技术服务提供商的长期基础可能会下降8％至10％，因为云平台的自动化和AI的进步解决了传统的IT挑战。 —企业应用程序。随着企业采用解决传统IT挑战的新一代AI应用程序和解决方案，这些应用程序应该会实现稳健增长。 —外包服务。尽管内部IT团队将利用低代码/无代码平台、新的数据/AI应用程序和基础设施管理自动化工具来扩大他们的投资组合，但这一类别的总体支出仍可能保持不变，额外工作负载的成本在很大程度上被生产力的提高所抵消。 —新的AI堆栈解决方案。随着企业增加对Gen-AI原生产品的采用，这种新的支出类别（主要用于LLM和相关支出）可能会快速增长例如基础模型、工具和数据架构。 —本地、协同定位(colo)和私有云。向公有云和基于云的图形处理单元(GPU)的长期转移可能会导致大多数工作负载在该领域缓慢而稳定的下降。然而，一些 —公共云和基础设施即服务。Gen AI应该推动企业成长云迁移和消费（例如，云中的LLM培训），这得益于AI专家云提供商的崛起。 未来五年技术服务提供商的机会，主要集中在人工智能基础服务、人工智能优先的水平解决方案和垂直增长解决方案。公司可能会彻底改革他们的技术支出，并按照图表1中列出的全球企业宏观转移来重新分配他们的预算。 —计算机硬件（例如，GPU）。随着企业使用更先进的AI / gen AI定制芯片，这一类别可能会经历增长，其中一些支出由公共云提供商对先进硬件进行自己的投资所捕获。 Gene AI对企业技术支出的全面影响可能是巨大的。根据我们的分析，这种中断可能会解锁超过2000亿美元的市场 抓住这一潜在机会的另一种选择可能更加令人望而生畏。我们的分析强调 附件1 预计未来3年内，按类别划分的全球企业技术支出将发生基于Gen-AI的变化 麦肯锡公司 企业级AI之旅 该行业公司的顶线和底线不作为的风险(图表2和3)，两者都有可能削减15%。Ge AI带来的某些工作流程的自动化和内包的增长可能会刺激对提供商传统服务的需求大幅减少，而生产率的提高和竞争的加剧可能会导致定价压力。相比之下，拥抱和适应新技术时代不仅可以保持该行业3％至5％的历史增长趋势，而且还可以改善其财务状况，进一步实现2％至4％的收入增长和潜在的30％的利润增长，基于提供商的起点。 自从企业开始与geAI合作以来，在相对较短的时间内，他们已经开始发展他们如何驾驭技术。对于初学者来说，他们现在面临着许多人在尝试采用gee AI时已经经历的无数挑战：高成本，特别是试图大规模利用LLM的成本;技术堆栈的云和数据准备不足; gee AI输出的可靠性;以及与监管，知识产权，道德等相关的不确定风险。企业不再依赖一个供应商，而是越来越多地使用多个模型提供商来开发他们的AI用例。他们也正在转向更实惠的开源模型。 附件2 生成型人工智能可能会在许多方面影响科技服务的商业模式，既有积极的，也有消极的。 生成AI（genAI）对技术服务商业模式的影响 附件3 生成AI对服务提供商的底线和底线的影响将取决于他们对新时代采取被动还是主动的方法。 麦肯锡公司 他们可以控制和微调，而不是试图从头开始构建自定义模型，采用之前麦肯锡研究称之为一代AI模型“接受者”的方法 —观察者。大多数企业（50％至60％）是专注于AI就绪性的“观察者”（设置其数据和云基金会)，并主要针对内部用例(例如，文本摘要、知识管理)进行小规模POC，这些用例主要基于驱动更高的生产力。 或“塑造者”，而不是“制造者”的成本更高、更复杂的道路。 虽然这些类型的转变很普遍，但大型企业在采用General AI的过程中处于非常不同的阶段。根据我们的分析，组织可以分为以下三个阶段一代人工智能在他们的旅程中的准备和采用(图表4)： —领跑者。另有30％至40％的人是“领跑者”，他们有明确的愿景，即通过启用AI的服务台和 遗留代码升级。这些组织已经对其组织和运营模式进行了更改，例如创建AI卓越中心（COE）和新角色，例如首席AI官。 —创新者。只有不到10％的人是真正的AI优先“创新者”，他们采用了集成战略来实现成本降低并释放真正的潜力 通过前沿用例，如基于gen - AI的产品设计和开发，可以推动未来的业务增长。 附件4 麦肯锡公司 正如公司处于各自的AI世代旅程的不同阶段一样，它们也需要一系列技术服务来推动它们向前发展。为了满足这一需求并推出自己的AI世代旅程，提供商应强烈考虑在最初的12到18个月内推出三种不同类型的AI服务。它们如下： 工具/安全、基础模型以及数据和数据库的“新AI堆栈”夹在应用程序和底层/云层之间，这些以前是传统服务提供商的主要关注领域（图表5）。虽然服务提供商在这些领域的新进入者可能会遇到困难，但他们更有可能开发扩展，使现有解决方案更强大，更具成本效益，更容易实现，而不是试图从头开始构建自己的模型或工具。 —重新构想的传统和数字服务线路利用一代人工智能来提高交付生产率和创新当前的服务产品(例如，知识管理、代理副驾驶)。 —垂直解决方案通过深入的，垂直特定的用例（例如，工业领域中的基于gener - AI的连接产品和制造生态系统，金融中的保险索赔处理平台）来针对企业的产品/流程创新和收入增长计划。服务提供商在通过数据和分析服务瞄准垂直领域方面的良好记录应该被证明是有帮助的。 —基础AI/一代AI产品为企业技术堆栈准备云和GenAI就绪（例如，云上的数据）和/或与LLM或工具相关的Gen-AI原生服务（例如，构建与OpenAI，Cohere等新参与者相关的全面端到端服务生态系统）。 由于已经有资格成为传统AI创新者的企业数量相对较少，超过10, 000个AI服务交易中的绝大多数（约80％）4预计明年 重要的是，第二类基础服务可能提供关键的切入点for providers to expand their relationship with enterprisesand help shape their innovation agenda. Servicesproviders can now target the 鉴于云转型一直是服务提供商近年来增长的关键部分，他们应该处于有利位置，以引导客户进行下一次AI和GenerAI的基本数字化改革。 Exhibit 5 生成AI为技术服务提供商创造了新的切入点，以塑造企业的创新议程并开拓充满活力的新市场。 AI服务的年增长率，按技术堆栈层划分 麦