什么最重要 ？ 2024 年的八个首席执行官优先事项
形成正确的议程变得不再容易。这是我们每年尝试穿透混乱，聚焦于CEO关心的问题的努力。 简编2023 年 12 月 封面图片 ： © Wang Yukun / Getty Images 所有内部图片 ： © Getty Images 版权所有 © 2023 麦肯锡公司。保留所有权利。 本出版物无意用于作为交易任何公司股票的基础，或进行任何其他复杂或重大的金融交易，而应在咨询适当的专业顾问的情况下进行。 未经麦肯锡公司书面许可，不得以任何形式复制或重新分发本出版物。 Introduction 如何与技术竞争 什么是最重要的？这是我们多年来一直在调查的问题（这里附有2022年和2021年的报告）。今年，我们再次被提醒，最重要的事情是家庭、朋友、价值观、原则和承诺。 生成式AI占据了所有头条新闻，但让我们不要忘记所谓的“数字革命”，如果我们可以这样描述一项始于30或40年前的事情的话。数字化可能正在缓慢推进，但随着时间的推移，所有的青蛙最终都会被煮熟。过于关注生成式AI可能会使公司在数字化转型上倒退。如何摆脱煮锅？今年，我们的同事出版了一本畅销书，重新连线 ： 麦肯锡数字和人工智能时代的竞争 我们的一项承诺是对CEO们负责。这是一项艰难的工作，并且随着时间的推移变得越来越难。仅在过去的几年中，他们就不得不应对全球大流行、崩溃的供应链、战争、顽固的通货膨胀以及许多其他干扰。任何一个因素都足以打乱CEO的工作议程。综合来看，这是我们可以记忆中最艰难的运营环境。 指南这是一份关于我们最佳见解的集合，专注于企业数字化转型。数字化获胜者比其他竞争对手更快地增加收入并降低成本。 我们每年都会与数百位CEO进行交流，许多同事也会进行类似的交流。我们敬佩CEO们如何为了所有利益相关方的利益引领公司的发展。我们将从这些对话中得出的观点进行了汇总，并很高兴能够分享我们听到的关于企业如何为社会、社区和员工创造更多价值的观点——以及他们如何为此付出代价并同时回报投资者的意见。 我们一生中最大的资本重新分配 那是我们去年关于能源转型所说的内容。自那以后，账单只升不降，原因很简单：在不确定性面前，投资者和公司一直犹豫不决，即使地球正在变暖。让我们明确一点：所需发生的是创建成千上万的新绿色技术企业，在新兴商业系统的每一个领域都需要这样的企业。我们有关于公司在何处、如何以及何时进行投资的想法。 以下是 2024 年首席执行官的八个优先事项。 生成 AI 从概念证明到规模 成长之路 今年（或十年）最大的故事是生成式人工智能（gen AI）的 arrival。这货真价实，各位。各行各业、世界各地成千上万的公司已经利用简单的生成式AI接口对每一种可想象的商业活动进行了根本性的变革。尽管创新者主导着新闻头条，但真正占据市场的是那些能够规模化应用的人。首席执行官们需要迅速弄清楚三件事：哪些业务部分可以从中受益，如何从单一应用扩展到多种应用，以及这些新工具将如何重塑他们的行业。 它真是个有趣的现象：增长始终是CEO们的首要任务，但达到这一目标的道路却从未清晰。有时这关乎抢占市场份额；有时则关乎拓展新市场；有时则是转向全新的领域。唯一不变的是那十条增长法则。2024年这些法则将如何演绎？对于许多企业而言，这意味着第四条法则：利用技术加速核心业务的增长。而对于另一些企业来说，则可能是第六条法则：在已知领域中增长，通过提升销售效率来促进增长。而最重要的一条法则——第九条——即程序化收购，始终不变。 接下来会发生什么？有一点是可以肯定的：事件总有一种出乎专家预期的方式。面对这种情况，管理层和董事会应该在情景规划中考虑黑天鹅和灰犀牛事件，并构建地缘政治韧性，无论结果如何，这都将对他们有利。 我们 20 年研究工作的最新一期证明。 你的超能力是什么 ？ 想象一下你所敬仰的任何一家公司，你很可能能够列举出一两个使其独树一帜、成功非凡的力量。丰田及其丰田生产系统。LVMH及其精妙的手工技艺和品牌领导者的创业精神。迪士尼及其创意客户体验。一种独特的才能可以将一家公司从充斥着拥挤、同质化市场的泥潭中拔出来，带入表现优异的高地。卓越的执行是构建新能力不可或缺的一部分。 宏观经济的新视角 自COVID-19疫情改变历史近四年之后，一些首席执行官仍在等待宏观经济的确定性。这种情况很可能不会改变——而这其实也没关系。领先的企业会利用不确定性：它们评估自身的风险偏好，然后在经济周期的底部进行投资。大多数企业依赖情景规划，原因之一在于这种练习通常能揭示无论经济走势如何，公司都需要采取的核心行动。首席执行官或许可以使用我们新开发的情景来填充他们的模型，以审视全球资产负债表可能的发展方式。在过去二十年中，全球资产负债表上的资产增速远快于GDP（实际经济）的增长。但这一趋势的持续性尚存不确定性。又一个变数是资产从银行系统快速转移到私人市场，这对公共公司意味着什么也尚未明确。 学会爱你的中层经理 瓦夫屋（Waffle House），作为一家美国连锁餐厅，以从不打烊而闻名；有人甚至说它的门上没有锁。它还应该因其管理哲学而闻名。餐厅的煎饼操作员是舞台上的明星；经过多年的培训后，表现最好的被称为“煎饼之王”（Elvis of the Grill）。之后，他们不会被晋升；如何超越这个称号呢？但大多数其他公司可能会将这样的人晋升到他们并不想从事且不适合的高级管理层职位。企业需要重新思考对中层管理人员的看法，并认可他们实际上所扮演的核心角色。 CEO们需要广泛而矛盾的视角：从外部看内部和从内部看外部，需要望远镜来观察世界，也需要显微镜来剖析细节，需要对当前问题的快照视角，也需要对未来的动态变化进行时间序列分析。我们希望本文及其提供的深度阅读能够为CEO们和高管们带来他们所需的清晰认识。 地缘政治 ： 战胜困难 正如尼尔斯·玻尔曾经所说，预测是非常困难的，尤其是关于未来的预测。随着首席执行官们观察全球地缘政治秩序的变化，所有人都表达了同样的观点。 Contents Gen AI ： 大事件的开始 创新者主导头条新闻。缩放者主导市场。 45 增长的十条规则 57 TSR 表现优异的五条途径 1 技术与生成 AI 的世代时刻 ： CIO 和 CTO 指南 63 你的超级大国是什么 ？ 公司如何建立机构能力来获得竞争优势 13 重新布线以超越竞争（麦肯锡季刊) 技术与生成 AI 的世代时刻 ： CIO 和 CTO 指南 首席信息官和首席技术官可以采取九项行动 ， 用生成式人工智能重新构想业务和技术。 这篇文章由Aamer Baig、Sven Blumberg、Eva Li、Douglas Merrill、Adi Pradhan、Megha Sinha、Alexander Sukharevsky和Stephen Xu共同撰写，代表了麦肯锡数字部门的观点。 几乎每一天都会有关于生成式AI的颠覆性商业发展出现在媒体上。这种兴奋是当之无愧的——麦肯锡的研究估计，生成式AI每年可能为经济带来相当于2.6万亿美元至4.4万亿美元的价值。¹ 将这些教训应用于指导高层管理团队将生成式AI的承诺转化为业务的可持续价值。 通过与数十位科技领导者进行交流以及对超过50家公司的生成式AI项目（包括我们自己的项目）进行分析，我们确定了九项所有技术领导者都可以采取的行动，以创造价值、协调技术和数据、扩大解决方案并管理生成式AI的风险（详见附录“快速了解关键术语”）： CIO们和首席技术官（CTOs）在捕捉这一价值方面扮演着关键角色，但值得记住的是，我们之前见过这样的场景。新兴的技术——互联网、移动设备、社交媒体——引发了大量试验和试点项目，尽管在这些新技术中实现显著的商业价值往往更为困难。许多从这些发展中学到的经验教训仍然适用，尤其是在如何跨越试点阶段达到规模化方面。对于CIO和CTO而言，生成式AI的兴起提供了一个独特的机会。 1. 迅速行动以确定公司对于生成式AI采用的态度，并开发适合员工的实用沟通方式和适当访问权限。 关键术语的快速入门 生成式AI是一种利用机器学习（ML）技术在大量（公开）数据上进行训练，并通过学习其中的模式来创建新内容（文本、代码、图像、视频）的AI类型。 基础模型（FMs）是基于大量未结构化、未标记数据训练的深度学习模型，可用于多种任务，或通过微调适应特定任务。这些模型的示例包括GPT-4、PaLM 2、DALL·E 2和Stable Diffusion。 大型语言模型（LLMs）构成了一个类别的基础模型，能够处理大量未结构化的文本并学习单词或单词部分之间的关系，通常称为标记。这使得LLMs能够生成自然语言文本，执行诸如总结或知识提取等任务。Cohere Command是LLM的一种类型；LaMDA是Bard背后的LLM。 微调是将预训练的基础模型调整以在特定任务中表现更好的过程。这涉及在标记数据集上进行相对较短的训练期，该数据集远小于模型最初被训练的数据集。这种额外的训练使模型能够学习并适应较小数据集中的细微差别、术语和特定模式。 提示工程指的是设计、精炼和优化输入提示的过程，以引导生成式AI模型产出所需（即准确）的结果。 在 McKinsey. com 上的我们的解释器 “什么是生成 AI ” 中了解有关生成 AI 的更多信息。 1. 确定公司采用生成式 AI 的姿态 重新构想业务，并识别通过提高生产效率、促进增长和开发新的商业模式来创造价值的应用场景。发展一种“金融人工智能”（FinAI）能力，以估算生成式人工智能的真实成本和收益。 随着生成式AI的应用日益广泛，我们看到CIO和CTO们通过阻止员工访问公开可用的应用程序来限制风险。这样做，这些公司可能会错失创新的机会，一些员工甚至认为这些措施限制了他们构建重要新技能的能力。 重新构想技术职能，专注于迅速构建软件开发中的生成式AI能力、加速技术债务减少，并大幅减少IT运营中的手动努力。 相反，CIO（首席信息官）和CTO（首席技术官）应与风险领导者合作，平衡风险缓解的实际需求与企业在业务中构建生成式人工智能技能的重要性。这要求通过围绕企业可接受的风险水平和生成式人工智能如何融入企业整体战略达成共识，来确立公司对生成式人工智能的态度。此步骤使企业能够迅速制定全公司的政策和指导原则。 利用现有服务或适应开源生成型AI模型以开发专属能力（至少在短期内，构建和运营自己的生成型AI模型可能需要数千万到数亿美元的资金）。 5. 升级企业技术架构以集成和管理生成式AI模型，并协调它们与其他现有AI和机器学习（ML）模型、应用程序及数据源的运作。 一旦政策明确界定，领导者应将其传达给企业，由CIO和CTO向组织提供适当的访问权限和用户友好的指南。一些公司已经全面传达了关于生成式AI的政策，为特定用户群体提供了广泛的生成式AI访问，创建了弹窗以在用户输入内部数据到模型时提醒用户，并构建了一个显示每次用户访问公开的生成式AI服务的指导页面。 6. 构建数据架构以通过处理结构化和非结构化数据源来实现高质量数据的访问。 7. 创建一个集中的、跨职能的生成式 AI 平台团队t o 根据需要向产品和应用团队提供批准的模型。 2. 确定通过提高生产力、增长和新业务模式创造价值的用例 在8.部分，重点投资于关键职位——软件开发者、数据工程师、MLOps工程师以及安全专家的技能提升，同时扩大对非技术工作队伍的投资。但你需要根据不同角色及专业水平定制培训计划，以应对生成式AI的不同影响。 CIO们和CTOs应当成为对抗“案例狂热”（use case frenzy）的解药，这种现象已经在许多公司中显现。他们可以通过与CEO、CFO及其他业务领导人合作，共同思考生成式AI如何挑战现有的商业模式、开启新的可能性，并创造新的价值来源。凭借对技术潜力的深刻理解， 9. 评估新的风险格局 ， 并建立持续的缓解措施 ， 以解决模型、数据和政策。 — 软件开发：麦肯锡研究显示，生成式
