2024年生成式AI的智慧之力：解锁大规模生产力和创新报告

解锁大规模生产力和创新 IBM如何提供帮助 企业可以利用IBM深厚的行业、职能和技术专业能力，丰富的企业级技术解决方案以及基于科学的研究创新来释放AI、分析和数据的潜能。 如需了解关于IBM Consulting提供的AI服务的更多信息，请访问ibm.com/services/artificial-intelligence 如需了解关于IBM Software提供的AI解决方案的更多信息，请访问ibm.com/watson 如需了解关于IBM Research提供的AI创新的更多信息，请访问research.ibm.com/artificial-intelligence 摘要 企业领导者必须将实验转化为可大规模创造价值的企业级投资。 生成式AI投资呈激增之势。 生成式AI支出在12个月内增长了超过10倍，而IT支出的增长率仅为通货膨胀率的一半。1 AI的财务回报稳稳超过投资成本。 2022年，AI的平均投资回报率为13%，而生成式AI的早期成果（由成功的试点项目推动）推动AI投资回报率提升至31%。 早期的生成式AI实验倾向于低风险的非核心用例。 但是，组织可以专注于与其竞争优势更密切相关的业务领域，从而创造更多价值。 最大的收获可能来自未知领域。 超过一半的高管预计，在未来三年内，生成式AI将使以前不可能的工作类型成为可能。 “在企业的世界中，并没有一个舒适区可以让你悠闲地享受过去的胜利。你必须始终向下一个目标迈进。” Bill Anderson拜耳公司首席执行官 从媒体轰动到面向市场的解决方案 生成式AI的能力达到了令人难以置信的水平。这项技术可以将编码时间从数天缩短到数分钟，对产品进行最细微层面的个性化，还可以在第一时间发现出现的安全漏洞。自2022年以来，生成式AI推动AI投资回报率从13%飙升至31%。 尽管这在很大程度上反映了试点、沙盒实验和其他小规模投资的成功，但这些早期成果开始促使企业领导者重新思考新的可能性。我们针对24个国家/地区和25个行业的5,000名高管进行的最新专项调研表明，大多数高管比去年更看好AI的发展前景。超过四分之三(77%)的受访高管表示生成式AI已经准备好进入市场，而2023年这一比例仅为36%；近三分之二(62%)的受访高管表示生成式AI是现实而非炒作（见图1）。 超过四分之三的受访高管表示其组织需要迅速采用生成式AI，以跟上竞争对手的步伐。根据IBM商业价值研究院(IBM IBV)发布的2024年CEO研究报告，72%的高绩效CEO认为企业的竞争优势取决于是否拥有最先进的生成式AI。2 企业领导者已经开始意识到生成式AI能够提高盈利水平。2022年至2023年，直接归因于AI的营业利润增长翻了一番，达到近5%――而受访高管预计这一数字到2025年将达到10%。根据即将发布的IBM IBV研究报告，在现有企业软件工作流程中嵌入生成式AI也有望实现更可持续的投资回报率。3 尽管已有这些早期的迹象，但一些分析机构仍持怀疑态度。他们预计，这种由炒作推动的采用高峰之后将是“幻灭低谷”，组织面对在核心业务功能中部署生成式AI的复杂性将选择放弃。4在某些情况下，这确实是事实。三分之一的受访企业在试点后暂停了AI用例，但这意味着有三分之一的受访企业并未止步。 三分之一的受访企业在试点后暂停了AI用例，但这意味着有三分之二的受访企业并未止步。 在这种情况下，企业领导者如何才能有效将实验转化为可大规模创造价值的企业级投资？本文提供了一个路线图，可帮助企业回答这个问题，并附有相关案例研究来说明行动的有效性。首先，我们概述了生成式AI目前在哪些领域实现了最高的投资回报率。然后，我们阐述了高管如何利用生成式AI的长期潜力，并克服从组织结构到安全性等方面的关键挑战。最后，我们列出了一份行动指南，可指导企业利用生成式AI推动业务转型――无论企业当前处于AI旅程的哪个阶段。 案例研究 拜耳公司展望AI的宏大愿景5 拜耳公司首席执行官Bill Anderson对AI的未来有着宏大的愿景：“在未来20年内，在土地减少、水源减少、需要使用更少化学品的情况下，我们将如何养活世界上另外20亿人，我认为AI将在这方面发挥最广泛的作用。” Anderson拥有麻省理工学院化学工程专业的高级学位，在罗氏制药公司担任首席执行官后加入拜耳公司，这表明他采用严谨、基于证据的方法进行重大预测。他对生成式AI的最终影响充满信心，因为他了解生成式AI在人工智能和机器学习等技术中的地位，这些技术已经对他的公司和行业产生了一段时间的影响。 他谈到这一快速发展的新一代应用时说道，“这才刚刚开始，不容置疑，我们正在从理论走向应用。” 生成式AI的实际应用 在拜耳公司，生成式AI的第一项重大成果是提高了生产率，这项应用正在进行中。Anderson说道，"这项技术已经取代了大量的人工任务，而我们才刚刚开始。例如，收集、检查和分析数据以更好地理解患者群体，这样可以在测试地点和参与者选择方面带来有意义的增量效益。 这一切都不容易。例如，假冒产品和仿真产品是一项重大风险，因为生成式AI让犯罪分子能够在躲避安全措施的同时快速作案。深度伪造和虚假报道也是不可忽视的威胁。 但Anderson仍然坚信，生成式AI在加速药物发现领域极具潜力。他表示，在两到三年内，得益于当前正在进行的生成式AI工作，一种新的抗癌药物将进入第三阶段临床试验他说道：“这真的很快。” 播种未来 Anderson开始意识到，随着时间的推移，生成式AI可帮助拜耳的作物科学部门（投资达250亿欧元）有效应对气候变化时代的作物保护挑战。开发一种新的杀虫剂可能比开发一种新的抗癌药物还要困难，因为抗癌药物只对人体产生影响，而杀虫剂则可能对整个生态产生影响。 “我们必须模拟一种新的作物保护化学品在100种不同环境中的表现――如果能利用生成式AI来预测哪种作物保护化学品的表现可能最好，就能为我们节省大量的试验时间。” 在生成式AI能够实现这些宏大的愿景之前，必须将其全面整合到这家总部位于德国勒沃库森的公司的制药、消费品和作物科学部门中。Anderson于2023年接任这家全球生命科学巨头的首席执行官，有望成为变革的推动者。他认为这种企业转型是可能的，也是必要的。 在谈到这家业务遍布83个国家、年收入达500亿欧元的传奇企业时，他说道，“如果满足于过去的成功，就不可能持续成功160年。在企业的世界中，并没有一个舒适区可以让你悠闲地享受过去的胜利，对吧？你必须始终向下一个目标迈进。” 聚焦于关键业务职能的生成式AI应用有助于组织创造变革性的收入增长。 生成式AI目前在哪些领域能创造最大价值？ 生成式AI有望成为业务转型的强大催化剂，但它并不是万能的。 在实施过程中，必须认真考虑成本、数据治理和伦理影响，同时还要关注人才与技能。由于生成式AI的最大优势是增强人类工作而非自动化，因此文化变革对于持续创造价值至关重要。事实上，64%的受访CEO表示，AI项目的成功将更多地取决于员工的采用，而不是技术本身。6 企业领导者需要理解不同工具如何协同运作，传统AI技术、生成式AI模型和自动化各司其职，而不是将生成式AI作为所有问题的解决方案。他们必须打破用例思维，专注于利用生成式AI来转变员工的日常工作方式。实现这一目标需要一个过程――组织在AI领域的经验将影响其应从何处开始。 组织正在采取两种主要方法来推动实现持续AI投资回报所需的系统性变革。 1.实验：在低风险的非核心职能中发现效率。优先在传统AI已经为企业创造明确业务价值的领域采用生成式AI有助于加速转型并创造增量利润。大约三分之二的受访高管表示其组织正在客户服务(70%)、IT (65%)和产品开发(65%)职能中采用生成式AI，这与我们在2023年中期看到的情况一致。7 2.聚焦：增强基本业务职能以推动更广泛的转型。在更接近核心的业务运营中使用生成式AI的风险可能更高，但这正是业务转型潜力开始显现的领域。那些侧重于销售、信息安全以及供应链、物流和履行等以前未充分开发的领域的企业正在实现更高的投资回报率。 当然，对于许多组织来说，在风险较低的领域进行实验，作为生成式AI旅程的切入点也是有意义的。在团队学习如何充分利用技术的同时，组织还能获得边际效益。然而，停留在浅层也会导致组织无法实现生成式AI所能创造的更具变革性的顶层增长。只有将目光投向企业范围内的创新上，并专注于潜力最大的领域，组织才能实现长期、可扩展的成功。 绘制生成式AI旅程 核心聚焦更有助于推动企业转型 观点 广度与深度 不同组织根据所在起点以不同方式实施生成式AI。 AI领先者凭借自身的丰富经验，利用生成式AI推动更广泛的转型。此类组织已经在运行和优化传统AI，并主要使用生成式AI来改进现有的AI能力。此类组织在各个职能中具有最高的传统AI和生成式AI采用成熟度，其传统AI的投资回报率也要高于其他组织。在大多数职能中，至少有60%已经实施了生成式AI，这意味着此类组织有机会将重点放在已经实现最大价值的领域。 生成式AI机会主义者对AI的采用总体上处于中低水平，但在拥有传统AI经验的领域，其生成式AI采用率会激增。此类组织正在三个关键职能中开展生成式AI的相关实验，包括信息技术、客户服务和信息安全。通过探索自己认为最具潜力的领域，此类组织从生成式AI项目中实现了比其他组织更高的投资回报率。 当前带来的生产力提升，未来可能只是基本要求。 如何实现长期价值 从实验到企业级创新并不是一条直线。采用方式的演变取决于组织的起点、已开发的能力以及员工适应能力的准备程度。 与此同时，随着生成式AI的成熟，竞争能力可能会开始趋同，这会导致获得竞争优势变得更加困难。在因此，组织必须竭力解决与生成式AI相关的障碍和挑战，并且需要迅速采取行动。当前带来的优势，未来可能只是基本要求。 对于处于早期阶段的企业来说，在低风险职能领域部署生成式AI有助于快速启动业务转型。实验和小规模的成果可以简化工作流程并提高效率，同时团队也能逐渐适应。我们的研究重点揭示，有两个关键领域可作为明智的起点： 客户服务 我们的分析表明，在生成式AI的采用和投资回报率方面，客户服务都处于领先地位。许多企业已经建立了稳固的传统AI基础，例如可用自然语言回答客户询问的对话式AI。根据IBM商业价值研究院的调研，平均而言，相比未在客户服务中使用生成式AI的组织，使用生成式AI的组织实现了更高的客户满意度。8但这并不是绝对的。需要注意的一个陷阱是：大多数客户服务用例仅专注于提高现有工作流程的效率。这种情况将迅速改变。到2024年底，高管们指出了三个呈增长趋势的机会：生成用于训练对话式AI的测试用例(78%)、为对话式AI生成对话(74%)以及为人工客服生成对话(69%)（请参阅第11页的“AI开启客户服务引擎”）。 IT 开发人员正在依靠生成式AI来简化日常任务。例如，在IT领域采用生成式AI的企业中，有77%使用这项技术来生成代码。这些企业还利用生成式AI来识别和修复错误，帮助确保代码按预期运行，从而实现代码测试自动化。生成式AI还能加快创建所需文档的过程，包括用户手册和其他与软件开发和网络安全审查配套的技术材料。9 这些领域是实现长期投资回报的起点，可实现具有重要影响的生产力提升。随着时间的推移，将生成式AI部署到更接近核心的业务职能将创造最大的效益。 我们的研究表明，一些领先组织开始将生成式AI应用于一些以前未曾探索的领域，例如销售和供应链，重塑这些领域的工作方式。 销售和营销 生成式AI可以利用客户数据提供对其行为的洞察，从而提升销售团队的业绩。生成式AI能识别高价值细分市场中的优质线索，使营销战略和推广工作更加有效。 事实上，在营销领域采用生成式AI的企业中，有85%正在利用这项技术来总结市场情报。此外，销售和营销团队还利用生成式AI来撰写和编辑电子邮件、博客、社交媒体帖子和网站创意内容，从而大幅节省时