从有前途到有生产力 ： Gen AI 在服务中的实际成果

从有前途到有生产力：Gen AI在服务中的实际成果 早期采用生成式人工智能的服务组织发现，为了获取更多价值，他们需要更加严谨。 由豪尔赫·阿马尔和Oana Cheta与伊万·黄和斯蒂芬·徐 生成AI(genAI)也可以提供运营领导者所希望的生产力提升为了应对成本压力——如果领导者能够行动起来的话。麦肯锡最新的科技趋势研究发现，全球仅有11%的企业在大规模应用生成式人工智能（gen AI）。1 相较于2023年的11%，现在有45%的组织正在试点生成式人工智能解决方案，但仅有6%的组织实现了规模化应用。 结果反映了运营领导者对于已部署的众多应用场景中，哪些能够真正带来实际的竞争优势存在不确定性。高管们明白从其通用人工智能投资中实现全额价值并非一蹴而就之事：四月份调查的受访者中有三分之二的人设置了三到五年的时间表(图表1)。 操作是主要差距：在2024年2月对150位北美和欧洲大型公司高管的调查中，只有3%的受访者表示其组织已扩大了通用人工智能（gen AI）的应用规模。 与操作相关的领域中的案例。2024年4月进行的一项单独调查超过 但许多人也表示，他们希望更加确信自己的承诺能够得到回报。一位首席执行官最近对我们说：“我们已经投入了约1亿美元的资金，支持数百个生成式人工智能项目。” 全球250位企业职能领导者发现，服务运营的表现仅略好一些。例如，在财务职能领域，大约 按功能划分，实现当前生成AI计划价值的预期时间，%的受访者 麦肯锡公司 "实验；收获至少一部分价值有助于我们了解额外投资是否值得。"公司还提到了路线图不清晰、人才短缺和治理不成熟等进一步阻碍规模扩大的因素。 第三项任务是前两项工作的结晶：精心地将通用人工智能工具与人类能力整合，以创造最先进解决方案，例如自主通用人工智能代理或副驾助手。 最成功的机构能够应对复杂工作流程的每一个步骤。例如，在一家银行中，生成式人工智能代理现在起草信用风险备忘录，这使得每位关系经理的收入提高了20%。财务部的副驾驶 然而，少数公司已经捕获了实际的价值，将超过10%的EBIT归因于他们对生成式人工智能的应用。2这些早期的成功揭示了构建跨组织部署通用人工智能（gen AI）时需面对的三个关键任务。首先，设计一个统一、有纪律的操作策略来部署gen AI至关重要。这意味着要优先考虑-确保技术的可靠性和稳定性，以支持大规模部署；-建立一套明确的流程和标准，指导gen AI在不同部门和项目中的应用；-强化团队协作与沟通，确保所有利益相关者对gen AI的预期、目标和风险有共同的理解；第二，建立一个持续学习和优化的文化，鼓励创新和快速迭代，同时保持对最佳实践的关注。这包括：-鼓励跨职能团队合作，促进知识共享和问题解决；-实施定期评估和反馈机制，以监测gen AI系统的性能并及时调整策略；-采用数据驱动的方法，利用数据分析来识别改进机会并推动技术创新；第三，建立有效的治理框架，确保gen AI的应用符合道德规范、法律要求和社会期望。这涉及：-制定明确的政策和程序，规定gen AI的使用范围、权限和责任；-定期审查和更新治理框架，以适应不断变化的技术环境和用户需求；-加强与利益相关者的沟通，确保透明度和参与度，增强公众对gen AI的信任；通过聚焦于这些关键任务，企业可以更有效地部署和管理gen AI，从而实现跨组织的规模扩展，并确保其成功实施。 消费品制造商正在削减与财务规划和分析相关的运营费用，金额在6百万美元至1亿美元之间。 战略性部署可运营的GeneralAI 正如早期技术变革的浪潮一样，生成式人工智能（gen AI）引发了“飞行员炼狱”的幽灵，其中数十个实验未能产生持续的影响。已经建立起部署gen AI能力的组织通常在其gen AI投资上获得更好的回报，无论是短期还是长期。它们特别擅长思考流程顺序，重点在于 专注于其不仅能够转变特定流程点或领域，还能重新设想完整工作流的潜力，以实现长期价值的应用案例。 其次，为了实现长期广泛的影响，公司需要专注于支持生成式人工智能工作的人员所依赖的推动因素——提供必要的治理和绩效基础设施，同时投资于变革管理和持续创新文化。 已经建立了部署能力的组织 GenAI倾向于在短期和长期内看到他们的GenAI投资的更好回报。 和投资银行领域。尽管表面上存在差异，这两个领域不仅展示了基因AI影响的巨大潜力，而且在基于基因AI的知识提取和综合方面也共享了一些共同点，尤其是对于寻求支持的客户。同样的技术可以支持这些需求。为了信息和寻求内部文档的员工，以便基础技术能够更有效地重用和扩展（见图2）。 可扩展性和可重用性，这样他们就可以重新想象整个价值创造链。 构建这种通用人工智能（gen AI）转型的成熟度如今变得至关重要，这使得公司几乎没有时间浪费。理想情况下，从较低风险、较早的应用中汲取教训，可以建立起关键能力，这些能力有助于后续较高风险（但也意味着更高回报）的应用成功。 为了决定哪一方先进行，公司应用了额外的一个筛选标准：风险。由于反洗钱功能的数据具有机密性，使其成为高风险目标，因此银行首先启动了呼叫中心。最终的战略决策涉及在客户服务中部署哪些用例。考虑到“可扩展性”和“复用性”的重要性，聊天机器人脱颖而出。 确定用例的优先级 全球银行的经验展示了战略部署通用人工智能（gen AI）带来的益处。首先，通过深入评估业务影响和技术可行性，该银行从可能应用通用人工智能的23个领域中筛选出两个关键领域：消费者银行业务中的客户服务部门和...了解您的客户(KYC)功能 公司可以根据底层模块之间的潜在协同作用来确定生成AI用例的优先级。 未来和以前实现的用例之间的模块使用重叠，说明性，% 麦肯锡公司 核心问题在于：“生成式人工智能如何帮助我重新思考我的运营？”回答这一问题意味着将每个流程视为更大工作流的一部分来进行重新审视。 核心问题因此更为广泛：“生成式人工智能如何帮助我重新思考我的运营？”回答这一问题意味着将每个流程作为更大工作流的一部分进行重新审视——在许多情况下，还需要将其视为用户或客户旅程的一部分。 顶级：它相对容易实施，能够产生可衡量的结果，并有助于建立类似用例的基础，这些用例可以提取和综合复杂数据。 在短短几周内，该中心完全设计的用例包括一个面向客户的聊天机器人。在仅仅七周的使用后，新聊天机器人提供了改进的客户体验，为约20%的联系消除了等待时间。中心请求。 打破障碍，更好的服务。为了说明这种差异，可以考虑一家领先的北美电信提供商的情况。该提供商在使用案例优先级分析中聚焦于客户服务，而不是首先探索生成式人工智能工具如何改善特定流程。 在关怀措施方面，公司采取了退一步的策略，转而探讨人工智能生成内容如何能够与传统的流程改进技术以及新颖的方法相结合。 在整体客户服务职能范围内提高生产力的人才。 此外，接触中心的经验形成了银行可以适应用于了解客户（KYC）功能的可重用基础。聊天机器人现在"智能虚拟代理"的一个组成部分，该代理引导关系经理通过一个高度自动化的客户身份验证（KYC）流程。虚拟代理可以预先填充客户信息到表单中，确定所需文件，验证上传数据，并对缺失信息进行后续跟进。 这种视角的转变促使公司重新评估其客户旅程，从最初接触直至最终解决的每一步都进行了传统的流程映射。手头有了这些流程图后，公司领导层审视了每一步骤，以确定是否存在过度设计或不必要的环节，并考虑了这些步骤对整体流程的影响。客户体验(如增加的复杂性或等待时间)与潜在风险的关系它的消除(如增加的欺诈或安全漏洞)。 从点解决方案到完整的工作流程然而，正如银行的例子所说明的那样，生成AI的核心操作问题不是“如何 Gen AI能帮助我改进当前的流程吗？“"改善"一个流程通常意味着仅仅解决症状而非根本问题——例如，使用生成型人工智能来自动化会议中的笔记和待办事项生成，而不考虑最初为何会有如此多的会议。 例如，在公司规划了更改电话号码的旅程之后，一个特定的 出现了一个复杂且痛苦的过程，公司提供了让客户付费将此过程委托给员工的选择。但由于客户不愿付费，员工通常会亲自指导这一过程。 这种情况下可能提供解决方案——例如，当市场营销团队设定的价格变动导致客户来电激增，而客服团队无法处理时。未意识到这些变化，代理人员会将客户转接到其他部门， 通过这一过程——对于客服中心来说，这是一个昂贵的替代方案。一旦公司理解了客户为什么会陷入困境，就可以设计 经常在多个循环中进行，导致护理团队为了留住那些感到沮丧的客户而提供大幅折扣。 自助服务解决方案。结合 因此，该公司对其 其他技术中，通用人工智能（gen AI）的能力提供了详尽、自动化的指导，使得公司能够降低平均通话时长（以及成本），同时完全消除费用，从而提升客户体验（见图3）。 跨职能工作流程，以便客户服务团队能够与营销团队合作，提前预见到潜在的客户关切，并制定适当的回应。领导者们还重新审视了服务团队所需的技能，开发了新的人才档案（以及相关的能力建设模块），以确保团队具备应对各种情况的能力。 对客户痛点的根本原因进行更深入的分析还揭示了公司需要解决的内部不一致问题，这在生成AI之前至关重要。 更改手机号码的客户旅程，说明性 工作流程可能会因此演变。改变内部协作模式为后来基于通用人工智能（gen-AI）的自助服务选项奠定了基础，同时分析型人工智能工具可以优化人员分配以提供额外的呼叫中心覆盖。 超过四分之一，即使服务质量有所改善:首次通话解决率上升了10到20个百分点。 （人类）规模的秘密 如同以往的技术发展，通用人工智能（gen AI）的全部潜力取决于其在整个组织内部达到规模化的应用。目前，很少有公司能实现这一目标。他们的实践经验强调了四个关键要素的重要性，所有这些要素都聚焦于人类而非技术。前两个要素提供了至关重要的指导；后两个则直接改变了人们的工作方式，特别侧重于变革管理。 释放员工的能力。员工旅程是拼图的最后一块。公司对代理人员体验的每一步都进行了分析，从登录到解决客户咨询和完成任务。这一分析涉及简化流程并减少代理人员需互动的技术系统的复杂性。该电信提供商还识别了代理激励与客户需求之间的潜在不一致，确保代理人员的激励措施侧重于提升客户满意度和解决问题，而非仅仅处理大量来电。 Governance 成功部署通用人工智能（gen AI）不能一蹴而就。这不仅是因为通用人工智能（gen AI）所面临的广受关注的风险——如基于gen AI工具的不准确训练数据以及导致产生错误结果的“幻觉”现象——还因为最先进组织（产生大量此类活动的组织）的倾向性。这些组织往往对技术的复杂性和潜在影响有着更深刻的理解和更高的要求，因此在部署gen AI时需要采取更为系统化和策略性的方法。这包括确保数据质量和多样性、建立有效的风险管理机制、以及促进跨学科的合作与交流等关键步骤。通过这样的综合策略，可以最大程度地减少风险，最大化利用gen AI带来的机遇，并确保其在实际应用中的有效性和安全性。 通过将工作流程优化作为关键旅程的一部分进行整合处理，电信提供商在客户关怀功能方面实现了显著且持久的改善，人工智能在此过程中发挥了重要作用，结合了广泛的模拟和基于技术的改进。总来电量下降约30%，平均处理时间也相应减少。 10%的EBIT源自通用人工智能（gen AI）），以集中他们的通用人工智能举措。超过一半的这些高绩效者报告了集中策略，而其他公司的这一比例仅为35%。 与以前的技术一样，生成式AI的全部潜力取决于其在整个组织中达到规模。少数公司已达到这一阶段。 让领导者能够看到人工智能（AI）生成体在整个组织内部的发展情况。这样的指标有助于组织产生并维持积极的结果。接下来，通过一个有纪律、分阶段的审查流程，结合明确的“进行/不进行”标准，可以将前景良好的部署与最有可能产生成效的部署区分开来。最后，通过更好地衡量生产力提升、客户体验改善以及相关的输出，公司可以为人类工作者定制培训和指导计划，并