现在决定下一步：创造新的未来

德勤在企业第四季度报告中的生成 AI 状况 2025 年 1 月 deloitte. com / us / state - of - generative - ai 目录 简介主要发现回顾 2024 年Now:我们在哪里Next:展望 考虑因素 案例研究 作者与致谢 德勤人工智能研究院简介 德勤整合研究中心简介 德勤科技、传媒与电信中心简介 方法论 前言Introduction 大约十年前，具有远见的科技领导者开始谈论由无所不在的计算和情境智能驱动的未来。当时这听起来像是科幻小说。如今，这一切已经成为现实。 nowhere（此处应为“无处”以保持通顺）能比人工智能技术的快速发展和广泛应用更能体现这一未来的面貌。新的模型和工具正获得越来越强大的能力，并进行更加复杂的推理。即使是几年前被视为最先进的技术，今天也显得相形见绌。 企业在结构上更加敏捷 ， 以适应、拥抱和创新 ， 以保持相关性和差异化。 在下面的报告中 ， 我们看到大多数公司正在以这样的速度转型组织变革技术of， 而不是以的速度这并不意外，但需要加以解决。不过，许多企业已经利用生成式人工智能（GenAI）创造了超出预期的商业价值，且新的应用场景每天都在不断涌现。 在人工智能时代，许多人现在认为摩尔定律已effectively失效。我们有充分的理由相信，随着每週和每年AI飞轮将持续加速——这通常被称为过去二十五年中最伟大的长期转变。 所以，我对正处于这一转型前线的客户说什么？不要偏离焦点。保持好奇心，挑战组织的常规思维。通用人工智能和广泛的人工智能是我们当前的现实——它不会消失。虽然问题多于答案，但要继续参与其中，领导者必须愿意尝试、做不寻常的事情、学习并帮助成熟发展。 尽管该技术发展迅速，我听到来自客户和企业领导者的疑问，他们想知道何时才能实现其转型期望——企业领导者何时能见到已承诺的价值和创新？ 企业中的通用人工智能（GenAI）现状是这一伟大转型的一个时间截面。它为你提供了机会，可以看到不同行业组织如何找到自己的道路。我希望它能激发新的想法和方法，帮助照亮你组织的人工智能驱动未来的路径。 就像互联网、云计算或移动技术一样，这些变革性的机会并非一夜之间就被发现。但随着它们变得无处不在，它们对业务和技术能力产生了显著的颠覆性影响，并引发了众多新的商业模式、新产品和服务、新的合作伙伴关系以及新的工作方式和无数其他创新，从而推动了各行业的下一波浪潮。正如我们所经历的那样，这些浪潮的半衰期越来越短。因此，这要求 - Ranjit Bawa ， 美国首席战略和技术官 创造新的未来Introduction 在过去一年中，德勤一直在进行有关企业领域的生成式人工智能（GenAI）的季度全球调查报告和高管访谈。我们将其命名为现在决定下一步我们的研究因为我们相信 GenAI 的潜力今天改变企业的运营方式 - 以及公司采取的行动will未来对他们在 GenAI 中取得成功的能力有决定性的影响. And that 's正是我们发现的. 正如以往的颠覆性技术一样，关于通用人工智能（GenAI）的初期兴奋和 hype 已逐渐转变为积极的实际主义。许多公司已经在早期的 GenAI 投资中看到了令人鼓舞的回报。然而，这些公司和其他公司也认识到，利用 GenAI 创建价值并在大规模范围内部署它是一项艰巨的工作。尽管该技术有时看起来像魔法一样神奇，但在 GenAI 的采用、部署、集成和价值创造方面，仍没有万能的解决方案。 Introduction主要发现 有些用途超过了其他用途。 GenAI 技术继续以令人难以置信的速度前进。然而 ， 大多数组织都在朝着组织的速度技术的速度, 不是在. 不管技术发展有多快——或者生成式人工智能技术公司推动得多努力——企业在组织变革方面的进展也只能如此之快。 显著的规模化和价值创造障碍仍在关键领域普遍存在。过去一年里，监管不确定性与风险管理已成为组织关注的重要事项之一。此外，大多数组织对生成式人工智能（GenAI）的信任水平仍然适中。尽管如此，随着模型定制化和准确性提高，并结合更好的治理重点，GenAI 的采用正变得更加稳固。 生成人工智能（GenAI）的应用在不同业务领域在集成、投资回报率（ROI）和期望方面的发展程度不一。IT功能最为成熟；网络安全、运营、营销和客户服务也显示出较强的采用率和成效。报告其最大规模项目投资回报率较高的组织在其GenAI旅程中普遍进展更大。 所有本报告及其图表中的统计数据均源自Deloitte于2024年7月至9月进行的第四季度调查；《企业生成式AI现状：当下决定未来》，这是一个报告系列。N（总计领导者调查响应数）= 2,773。本报告和其图表中的百分比可能因四舍五入而无法相加至100。 生成 AI是人工智能的一个不断发展的领域 ， 指的是响应查询 - 提示 - 可以创建新文本、图像、视频和其他资产。生成式人工智能系统可以与人类交互，并且是基于从小型语言模型（SLM）到大型语言模型（LLM）不等大小和质量的数据集构建或“训练”而成的。生成式人工智能也被称为“GenAI”。 GenAI 技术的发展 ， 新兴AI 代理它们是可以在几乎没有或不需要人类干预的情况下完成复杂任务并达成目标的软件系统。由于它们能够独立行动，规划并执行行动以实现特定目标，因此被称为“代理”。相关地，对于agentic AI自主AI代理将能够通过获取和处理多模态数据、使用各种工具完成任务以及与其他AI代理协调工作来一致且可靠地执行分配的任务，并且能够在执行任务时记住过去的行为并从中学习。 Introduction主要发现 AI 在这里。首席执行官对事情的看法有所不同。 重点是核心业务价值。 相对于C级以外的领导层，CxO们倾向于对组织的生成式人工智能（GenAI）投资持有更为乐观的看法，并认为GenAI的障碍将更容易和更快地得到解决并实现价值。关键在于CxO们从仅仅是鼓吹者转变为推动实现组织效率和市场竞争力的倡导者。 代理型AI正因其可能解锁通用人工智能（GenAI）全部潜力而引起关注，作为一项突破性创新，GenAI驱动的系统具备“代理能力”，能够协调复杂的流程、与其他代理协调任务，并在无需人类干预的情况下执行任务。然而，代理型AI并非万能解决方案，目前通用人工智能所面临的所有广泛挑战依然适用。 技术追赶战略转变正在出现 ， 从竞争差异化to在GenAI领域，组织倾向于将最深入的GenAI部署集中在对其行业成功独特至关重要的业务部分，而不仅仅是IT功能方面。 Introduction主要发现 模型改进——包括领域和行业的个性化定制——以及AI代理的潜力可能有助于克服固有的挑战并加速业务价值的创造。然而，对于一些组织而言，要达到全面部署并实现预期的回报，这可能需要多年的时间。 我们之前的季度报告指出时间紧迫，需证明其价值——这一情况至今仍未改变。高级决策者可能尚未要求明确的价值体现。yet 关于企业中生成 AI 的现状 ： 第四波调查结果 和来自 GenAI 的财务结果， 但他们很快就会。 越来越多的组织从通用人工智能（GenAI）实验转向部署和扩展——随着成熟应用场景的出现以及通过最先进的人工智能项目实现显著的回报率（ROI）。 第四波调查涵盖了从2024年7月至9月进行的问卷调查，共收集了来自六个行业和14个国家的2,773名高级至C级管理人员的响应数据。这些行业包括：消费品、能源与资源、工业；金融服务；生命科学与健康-care；科技、媒体与电信；以及政府和公共服务业。此外，调查数据还通过与来自不同行业的大中型企业高管及AI和数据科学领导者进行的额外15次访谈得到了补充。有关方法论的详细信息，请参见第45页。 _with 生成式人工智能（GenAI），一定程度的不确定性是不可避免的，而且该技术很可能会以快速的速度继续发展。企业和技术领导者，他们能控制什么他们的部分 ， 应该集中在—组织准备即,特别是在数据、风险管理、治理、监管合规和人力资源/人才等领域。在这些关键领域解决相关问题将有助于组织无论未来如何发展都能抓住GenAI带来的机遇。 此外，尽管存在一些失望感和未满足的预期，我们调查的绝大多数组织仍然保持现实的态度，并在寻求生成式人工智能（GenAI）的价值方面表现出持续的承诺，似乎愿意付出必要的努力。 这份季度报告是德勤 AI 研究所正在进行的系列报告的一部分TM为了帮助企业、技术和公共部门的领导者追踪生成式AI的快速变化及其 Adoption情况，本系列报告基于德勤过去五年每年发布的《企业人工智能现状》报告。欲了解更多信息，请访问deloitte.com/us/state-of-generative-ai。 真实世界案例研究 这些案例研究是本报告中呈现的内容，仅涵盖了我们与来自各行各业的企业和AI领导者进行深入访谈所得见解的一小部分。目的是通过直接从处于生成式人工智能 Adoption 前线的领导者和组织那里捕捉实用的、现实世界的见解，来补充我们季度调查中的定量发现。 我们的访谈探讨了不同行业领先组织如何利用生成式人工智能（GenAI）创造价值。最显著的是，我们看到了许多致力于将GenAI应用于关键业务领域中特定挑战的举措。这些举措包括使用GenAI进行： 品牌推广综合业务规划•and在消费品行业实物资产的预测性维护•在能源行业药物发现临床试验跟踪•and在制药行业网络安全投资组合管理•and在金融服务业销售支持、芯片开发改进的搜索•and在技术行业档案管理音乐源分离•and在媒体和娱乐业这种对关键任务活动的关注表明了 GenAI 的广泛战略转变技术追赶竞争差异化景观, 从to. 转到案例研究 回顾 2024 年 我们的首次全球季度调查（于2023年底进行）揭示了对生成式人工智能（GenAI）的巨大兴奋和期望。然而，这些情绪受到了对未来技术可能对工人和社会产生负面影响的不确定性和担忧的抑制。第二次和第三次季度调查则更深入地关注了组织如何优先考虑其GenAI投资带来的具体成果和价值创造，并理解并解决成功规模化过程中遇到的障碍。 一年中的一个重要发现是，早期通用人工智能试点项目的令人鼓舞的结果提高了人们的期望，并推动了对该技术的投资 今天，人们对生成式人工智能（GenAI）的兴趣和兴奋依然很高。然而，最初的热情逐渐让位于一种积极而务实的态度——尤其是在各级别的企业领导者中。同时，技术领导者的兴趣和兴奋始终保持高度稳定（图1）。 尽管这一转变对于通用人工智能（GenAI）而言似乎是一种退步，但它完全符合变革性技术通常的生命周期。从长远来看，这也有助于组织们越过炒作阶段，直接着手利用GenAI创造实际商业价值。 这一年的一个关键发现是有希望的结果从早期的 GenAI 飞行员开始提高期望和推动增加对该技术的投资。 问 ： 对于组织中的以下群体 ， 评估他们对生成 AI的整体兴趣水平。 图 1 企业调查中的生成 AI 状况 ， 第一季度(2023 年 10月 / 12 月) N(总计) = 2, 774 ； 第四季度(2024 年 7月 / 9 月) N(总计) = 2, 773 ； 两个数据集共有 14 个国家 / 地区 现在 ： 回顾 2024 年 在过去一年中，随着组织对通用人工智能（GenAI）的经验积累，他们开始更好地理解大规模部署该技术所带来的收益和挑战，并相应地调整了计划和预期。预算有所增加，高层管理团队和董事会推动组织采取行动的需求已经减弱。与此同时，对有纪律行动的需求却在增强。技术准备程度有所提高，但监管不确定性与风险管理已成为更大的进步障碍。人才和劳动力问题仍然重要；然而，获取专门的技术人才不再是迫在眉睫的紧急情况，至少与其他优先事项相比是这样。唯一不变的是：改进数据管理继续成为首要优先事项，即使对于那些依赖数据生存的公司也是如此。 数据成为我们生成式人工智能（GenAI）成功的核心因素，”一家全球领先科技公司的前软件工程经