行动中的生成 AI ： 获取价值

操作实践 行动中的生成AI：获取价值 在运营价值链中发现生成AI的变革力量-塑造跨行业的首席执行官讨论。 在这一集麦肯锡会谈运营，主持人Christian Johnson与麦肯锡运营实践的高级合伙人Nicolai M ü ller和合伙人Marie El Hoyek坐在一起。他们一起讨论改变游戏规则的潜力 尼古拉·穆勒:在过去的几十年中，有这样的口头禅，即更快，更高效和提高生产力。我们都知道的工具，例如精益，离岸外包，审查制造或购买决策以及通过技术-但我们现在看到这种生产力的提高变得更加复杂。 从自动化复杂的流程到跨行业前所未有的机会，发现有关生产率提高、系统考虑因素以及组织成功集成所需的重要功能的见解。 在这种情况下，我们现在有了一项新技术：生成式AI。它有望使过去很难自动化的流程自动化-更多的是管理协作领域，目前人类正在操作 在你必须管理的复杂数据中。所以，在这种情况下，有一个问题：生成人工智能将在多大程度上帮助寻找生产力？ 为了清楚起见，他们的谈话已被编辑。 Christian Johnson:贵公司的未来需要敏捷、灵活和有弹性的运营。我是你的主持人，克里斯蒂安·约翰逊，你正在听麦肯锡谈话运营，这是一个播客，世界高管领导人和麦肯锡专家在播客中消除了噪音，揭示了如何创造新的运营现实。当我们在2023年底录制这一集时，很明显，生成AI或gen 麦肯锡全球研究所对此进行了研究，我们发现，特别是在协作和管理领域，大约50％的典型活动现在可以通过生成AI实现自动化。此外，当涉及到处理复杂数据并综合其中的本质时，我们相信自动化有了巨大的飞跃。这可能会导致跨行业和功能的价值创造-从制药到汽车。从工程，采购和供应链到客户运营的机械和功能-可以释放巨大的价值。我们谈论的是3.5 [万亿]到4万亿美元，这大约是英国的GDP。 AI已成为有关数字，分析和运营的对话中的主题。这种新的深度学习技术已经在整个价值链中的应用中产生了涟漪。 在今天的节目中，我很高兴能加入伦敦合伙人Marie ElHoye和科隆高级合伙人Nicolai M ü ller。我们将共同探索什么是行动中的生成AI，它与数字孪生和其他AI技术有何不同，它的潜力和风险。我们还将看看如何开始使用这些工具。Nicolai很高兴你今天来了.欢迎光临. Christian Johnson:Nicolai，你的客户关注的更具体的机会是什么，你现在关注的是什么？ 尼古拉·穆勒:我看到我们的客户在产品开发方面表现迅速。如果你更深入地研究产品开发，特别是在软件编码方面，我们可以看到，通过让机器从简单的指令“请给我做XY的程序的代码”中生成代码，并通过使用像ChatGPT和其他工具，生成解决方案，可以提高50％。这是一个应用领域，我们看到生成AI成为人类的副驾驶，帮助完成任务。 尼古拉·穆勒:谢谢很高兴来到这里Christian. ChristianJohnson:玛丽，很高兴你今天能和我们分享你的想法。谢谢你的加入。 Marie El Hoyek:很高兴来到这里，克里斯蒂安。 从项目管理到采购，并协助供应链经理更有效地履行其职责。 Christian Johnson:很好。那么，Nicolai，你能告诉我们为什么你认为生成式人工智能值得运营领导者讨论，尤其是现在？ Christian Johnson:谢谢，Nicolai。这给了我们一个关于为什么和一些机会的好主意。现在，让我们更详细地介绍一下什么是生成式AI。玛丽，你能在这里为我们描述什么？ 希望你从这个数据集中回答我，或者告诉我你在哪里猜测。" 另一个风险是模型偏差。想象一下，模型或该人已经从互联网上学习了作为其来源，这不是最尊重或最善良的地方。所以，每当你使用模型时，你需要能够对抗这些偏见，并指示它不要使用不合适或有缺陷的来源，或者你不信任的东西。另一个最重要的风险是IP [知识产权]风险。现在，如果你想象一下，生成AI为您生成代码，谁拥有代码？是生成它的一代AI还是想要的请求者？这些细节是我们需要尽快解决的。 Marie El Hoyek:生成AI是一个令人着迷的领域，就像名字所暗示的那样，它存在于人工智能和自然语言处理的交叉点。从本质上讲，它涉及一种可以分析某些东西的机器，而这种东西现在可以是非结构化的，例如语言或图片。类似于一个人，生成AI是所有关于教学机器理解和生成文本或内容。 现在，为了增加更多的味道，让我们讨论不同代的大型语言模型- LLM。这些模型是我们所说的生成AI背后的驱动力。我们通常听到的第一个是GPT - 3，它代表生成预训练变压器 ChristianJohnson:我在这里欣赏的是对数据源限制的讨论。这真的很关键，对吧？ 3.引入时，它有1750亿个参数。将参数视为它学到的信息量，允许它生成从写信到回答问题的文本，主要是基于文本的。不久之后，GPT - 4发布，我们看到了从1750亿到170万亿个参数的飞跃。考虑它学到了多少，使其更加流畅和准确，现在它也可以用于图像和视频。 MarieElHoyek:这是至关重要的。此外，您需要指导自己的数据这一事实意味着您必须照顾好数据并确保其安全。否则，这也是一个额外的风险。话虽如此，所有这些风险都可以减轻。但是，我们需要意识到它们，为它们做好计划，或者以限制它们的方式处理它们，所以我们顺便说一句，我们正在目睹法规和产品开始适应这些风险，我预计在不久的将来我们会看到相当多的变化。 这就是生成AI的变革性可能性。你现在可以在许多不同类型的空间中生成新的内容。现在，也就是说，生成AI有它自己的一系列风险和挑战。如果你想象它是基于逻辑的或概率，非常类似于人类的大脑，答案来自你所学到的东西和你的来源。因为这个事实，任何生成AI都可以给你一个令人信服的错误答案-这就是我们所说的幻觉。 Christian Johnson:只是这里的演变-从“B ”的1000亿迅速扩张到“ T ”的170万亿确实是戏剧性的。我认为一个我们现在想要转向的是如何使用它，以及我们今天看到用例在企业中变得活跃起来。有什么真正好的例子？ ChristianJohnson:我喜欢这个词。但是你对此怎么办？你如何减轻？ 尼古拉·穆勒:我认为这是客户必须问自己的一个问题：我想要实现什么影响？最后，我们必须解决一个大问题和挑战：如何提高生产率，这涉及效率和有效性。 Marie El Hoyek:如果你有一个人根据错误的信息回答你，你会告诉他们，“我想要你从这本特定的书中得到答案。”同样，你可以通过告诉它，“我 当我们研究用例时，我们试图探索不同的角度。一个是自动化的问题。目前需要几个小时的事情可以在 秒。但这也与增强有关，人类可能只能处理一组特定的数据。想象一下，能够访问世界上存在的所有数据。这是一场重大革命；互联网使我们可以访问所有数据。现在，有了机器，我们可以使用和合成这些数据。所以我们谈论增强。然后我们看到了创新。 Marie El Hoyek:我的背景是工业，非常深入的业务。就我个人而言，我喜欢所有的副驾驶应用程序，尤其是在采购方面。你可以问一个知道你所有合同的朋友，并且可以用简单的英语回答任何问题，这个想法对我来说是令人兴奋的。因此，我可以简单地提出问题，而不是分析旧合约，价格历史和外部趋势。我敢肯定，在内容生成等方面还有很多很酷的应用程序，但特别是这一个，让我大吃一惊。 创新是提出全新解决方案的能力。不仅使现有产品更便宜或实现更快的产品开发，而且现在为功能和服务产生全新的想法。那么我们看到了什么？自动化。我谈到了我对我们现在可以做的事情着迷 尼古拉·穆勒:玛丽，我观察到的是这些巨大的机会和众多的用例。我的意思是，我们一直在与客户坐在一起的研讨会上， 软件编码和整个工程领域。你也听到过，例如，英伟达的首席执行官说，“嘿，软件时代已经结束了。我想我们告诉我们所有的孩子学习软件；现在你发现软件可以由机器完成。”我们看到了一个巨大的进化，但不仅仅是在软件中。 很容易在一两个小时后，我们并没有在一个完全不同的函数中得到五六个潜在的用例，而是150个或更多。我在这里看到了一个巨大的机会，但我们面临的挑战是，你从哪里开始？我所说的“快乐生成AI ”，一个副驾驶可以帮助你完成日常工作，可能会成为每个人都可以做的商品。真正的变革性AI在哪里？它是否为您的业务带来了差异化因素？它是否真的为您的客户增加价值并创造价值？ 零件和硬件开发。综合客户向您提供的大量需求， 要求生成AI 了解需求是什么以及需求与上一个产品有何不同。产品之间的需求如何变化？它们是相似还是不同？这将有助于更好地综合，更好地理解需求，并开发出更快更好的产品。 我认为这是我们面临的挑战。就像我们在德国所说的那样，你看不到树林，因为你面前有大量的树木。那么你从哪里开始，从哪里结束？ Christian Johnson:看不到森林的树木。就是这样.当我听到所有这些兴奋时，我也会想到我们在一般技术中看到的经典图表，当每个人都对此感到非常兴奋时，你会看到最初的急剧上升曲线。这听起来像是你要搬到的地方，我们需要预测组织什么时候会发现，就像你说的那样，它已经商品化了，或者很难。这让我们变得更有价值。公司如何考虑长期价值，而不仅仅是一组非常令人兴奋的用例，这些用例可能不会建立得很远？ 在制药和研究的增加中，我认为我们将看到有效性、产出和研究的巨大增加。我们有制药公司的案例，你可以想象了解每个小分子，它有什么样的作用，以及它如何与其他分子反应。这是工具性的东西。因此，我们看到疫苗或其他制药产品的开发速度比传统上使用生成AI的预期要快。这种增强导致更好的解决方案。 至于创新，你可能也看到了美国一个著名的德国OEM，它把ChatGPT融入了它的产品。所以你可以和你的汽车互动和说话。这就是创新。但是，玛丽，你也和我在这个领域合作过。你看到了什么？ 尼古拉·穆勒:这是一个具有挑战性的问题。如果您查看Google搜索索引，可以让您感觉到我们在曲线上的位置，您会发现它现在比任何 当涉及到新技术或新方法时，你如何扩展？几年前，我们谈到了试点炼狱— —这个想法是你尝试了一堆想法，但是他们从来没有真正以创造持久价值的方式凝聚起来。那么组织如何以一种能够最小化甚至避免这种停滞的方式来思考这个问题呢？ 你有传统的操作问题。你已经看到了所有的数字制造术语。我们有云计算和物联网，这是我们多年来看到的，这是一个不断的讨论。 我想说，在今年第一季度，业务中的生成人工智能刚刚开始回升。就人们正在做的搜索量而言，它已经超过了你能想象的一切。这可能会给你一个迹象，表明那里有巨大的炒作。但是，这种炒作和所有的梦想成真了吗？确实，人们现在开始认识到事情很容易，就像低垂的果实一样，但实际上，真正的核心仍然是实施和使您的公司适应变化的挑战。所以我们仍然处于边缘。 Marie El Hoyek:这是个好问题，克里斯蒂安。 生成AI可能相对较新，但我们在扩展数字转型方面有多年的经验。就您的观点而言，最大的挑战之一是试点陷阱。建立试点或使用技术进行创新是很棒的，但转变组织是一个完全不同的竞争环境。 当涉及到生成AI时，回答一个重要的问题：它现在只是您操作中的另一个工具包，例如精益，数字或任何其他人工智能-即预测性维护-并使您可以拉动的杠杆？还是它本身是一种中断？它是否改变了您的操作方式？我认为这是我可以想象的两种情况。 Nicolai谈到了以业务为主导的思维方式，即优先考虑对实际业务ROI有用的应用程序。除此之外，从任何数字变化中获得真正的影响，尤其是对于生成式AI，将始终是一个人和系统的问题。我总结的方式是，没有人，最好的技术就没有影响。我们需要让我们的人真正 我倾向于相信，在接下来的两到三年中，我们将看到这两个问题的答案。结果可能因玩家或行业而异。让我们来谈谈中断。想象一下，编码现在很容易。通常，例如，您有一个汽车OEM定义的要求，然后您有一个供应商或多或少地对代码进行编程。如果现在代码可以用机器编程，你