Accenture 2025 Automation AI Report (Eng)

言 信任是否是人工智能无限可能性的极限？ 人工智能：自主宣言 使人们能够自主行动的推动者——为他们提供执行新任务和比以往任何时候都更好地执行其他任务的能力。考虑一下，随着人工智能进入新的和陌生的领域，重新构想的可能性与机遇。为了真正理解和利用这种潜力，企业将创建他们自己的、独特的AI认知数字大脑，这将彻底改变技术在其企业以及与员工之间所扮演的角色。这将极大地颠覆企业技术系统的设计、使用和运营方式；充当品牌大使；并通过为机器人身体提供动力而在物理世界中存在。当人工智能在组织中普及时，它使人们和人工智能能够彼此发挥最佳状态。 欢迎来到我们对于2025年的技术展望。这份我们年度科技趋势报告的第25版，正值技术及人类历史的关键时刻。随着越来越多的领导者认识到不断革新利用技术、数据和人工智能的必要性，他们比以往任何时候更需要深入理解人工智能。为何？因为人工智能技术扩散的速度前所未有，且仍在加快——在企业层面创造新的创新机会，包括实现效率的新方法、经营企业核心的方式，以及与客户互动的新商业模式。 我们相信我们能够做到。我们将这个技术新时代视为一个机会，通过系统化地注入对人工智能的信任，使企业和人们能够实现其不可思议的革新潜力。共同合作，我们现在可以为人工智能自主且帮助我们共同实现更多成就的勇敢未来做好准备。 信任是否是人工智能无限可能性的极限？ Julie Sweet 董事长兼首席执行官 卡吉克·纳赖恩 集团首席执行官兼首席技术官 我们将AI视为新的数字革命，因为它既是一种技术，也是一种新的工作方式。我们相信它将在企业运营的每个领域得到应用，并对所有相关的人和事物产生网络效应。其影响已经显现，随着公司继续扩大AI规模——并将生成式AI作为变革的催化剂——它将解决新的问题，创造新的发明，改变我们的工作和生活方式，并转型行业和政府。 领导者们意识到创造这一未来的挑战，其中包括对核心技术的初期高额投资、以数据为中心的质量以及人才和新技能。在这些挑战中，信任是最主要的。 我们的研究发现，77%的执行官认为，只有在建立在信任基础之上时，才能解锁AI的真实益处。领导者必须通过确保AI的准确性、可预测性、一致性和可追溯性，以及负责任地使用AI，在客户和员工中建立对数字系统和AI模型的信任。人们相信AI能够如预期和公正地运行——超越任何技术方面——这是我们必须做对的一个基本要素。 安永研究显示，仅有36%的高管表示他们的组织已经实现了通用人工智能解决方案的规模化，仅有13%的人报告称实现了显著的企事业级影响。随着我们将2025年视为规模化人工智能的年份，我们正在积极为他们提供更快、更安全地实现这一目标的工具。 今年《技术愿景》探讨了人工智能从自动化向转型发展的未来。 目录 引言人工智能：自主宣言 03 当大型语言模型出现时他们的身体 02 你的面孔，在未来 04 新的学习循环 01 双星大爆炸 在不同界面看似相同的情况下进行差异化。 如何基础模型重新定义机器人学 信任是否是人工智能无限可能性的极限？ 当人工智能呈指数级扩展时，系统将会被打乱。 人们与人工智能如何定义一个学习、领导和创造的正向循环。 引言 4 人工智能：自主宣言 在通用人工智能（AGI）方面。2,3并且，就像以前一样，这场比赛吸引了商业领袖、政府和全世界人们的关注。 信任是否是人工智能无限可能性的极限？ 但是这是一个烟幕弹——大多数商业领袖都无法承受的干扰。总有一天，通用人工智能将会产生巨大的影响，但今天它仍然遥远，需要解决深层次的技术和伦理挑战。相反，领导者们看到眼前更为紧迫的问题至关重要：人工智能的普及，这将在新水平上为企业系统、工作队伍和运营带来自主性和能力，在通用人工智能发挥作用之前就已经到来。 我们正在进入一个新的篇章在技术领域——一个被塑造的领域——人工智能的泛化。如今，广泛的可访问和始终存在的AI将驱动新的全过程的自主水平该业务，演变能力通过科技、数据及人工智能。它将带来近乎无限的创新的可能性并且增长，但也挑战企业对系统的信心他们思考信任的方式。 人工智能的泛化 为了理解这种关于人工智能的概括，人们只需环顾四周就能看到人工智能在我们的生活中越来越根深蒂固。自从卡斯帕罗夫的比赛以来，几乎已经过去了30年，而现在能够使Deep Blue看起来像是一个普通玩家的模型都坐在每个人的口袋里。图灵测试，曾经被认为是机器智能的最高标准，现在每天都被人们与大型语言模型（LLM）支持的客户服务机器人和销售人员交流中所打破。今天的AI模型已经摆脱了过去深度但具体且线性的方法，并展示了前所未有的自主性—在他们如何学习、如何处理任务以及最终能够做什么方面。他们将这种自主性带到了工作中，75%的知识工作者报告使用生成人工智能；在如何与技术互动方面，作为编码助手并通过扩展语音助手功能；以及几乎在一切事物上，从机器人到汽车，到医疗保健。4,5,6,7,8,9,10高度能效的高级人工智能 人工智能竞赛的热潮无可否认。 我们之前见过这种情况。1997年，加里·卡斯帕罗夫在与IBM的深蓝（Deep Blue）的六盘棋比赛中失利。1这是第一次计算机击败国际象棋大师，经过数十年的测试，人类与机器在此游戏中对抗。这场胜利引发了一场关于人工智能和未来的兴奋和疑问的风暴。现在，一场新的竞赛正在进行。许多公司正在构建今天的尖端AI模型，他们的目标是 世界在广泛扩散带来的全面影响下会是什么样子？随着领导者开始结合他们的AI泛化努力，似乎不可避免的是，他们将很快提升和赋权个人，推动并帮助企业运营，彻底重塑产业，甚至提升国家。 行业这可能看起来像是行业内公司之间的通用框架和通信协议，或者是编码界定行业大挑战的引擎——这些模型将有助于我们增长对物理学、遗传学、运动等方面理解。并且对于 社会将把世界提升到下一个层次的能力、表现和进步。它将推动一个进化的过程，通过人工智能的认知，使世界在所有层面上得到增强，并产生一场前所未有的自主浪潮，这将重塑我们所知的科技和企业。 在我们的生活的每一个维度上扩散，即时可获取，并且——实际上——始终存在。 这是我们需要真正关注的真正颠覆。因为现在，尽管高管们竞相实施这一代人工智能，但很少有人能超越各个独立的部件，真正理解他们实际上正在构建的范围：人工智能“认知数字大脑这将会彻底重塑技术在企业以及人们的日常生活中所扮演的角色。 国家和政府它汇集了独特的知识、语言、文化、法律和安全，以帮助行业、公司和公民参与。关键的是，这些认知数字大脑不会在孤岛中运作。当它们开始在不同层面互动时，它们将创造一股上升的智能浪潮，提升所有参与方的能力。 首先的想法可能是，这仅仅是使用AI从自动化过渡到数字系统的自主性。这并不错误，但只是故事的一部分——AI正在以数十种方式推动自主性。它为人们提供了他们原本不具备的技能，让他们能够以前所未有的主动性减少摩擦地行动。它为机器人提供了关于世界的新程度上下文和推理能力，使他们能够承担更广泛和更复杂的任务，最重要的是，以前所未有的方式与人类混合在一起。当然，智能体和智能体AI InSilico Medicine，一家制药公司，利用生成式人工智能在不到30个月的时间内，完成了从药物发现到一期临床试验的进程，这大约是通常所需时间的一半。11他们使用了一个基于组学和临床数据的模型进行微调，以识别药物治疗的潜在靶点。为了开发可能的药物组成，他们使用了一个由500个预测和预训练模型组成的生成化学引擎。对于Insilico来说，人工智能是他们工作的核心——塑造围绕它的业务和行业。 领导者必须充分理解的是，人工智能最重要的特征是其学习能力。当人工智能变得通用，并且企业将其扩散到业务中，人们将其融入他们的生活中时，它有可能成为比它提供的新功能和能力多得多的东西。企业并不仅仅是赋予员工力量，创造新的客户服务渠道，或自动化部分业务运营。他们正在采用一种带有广泛通用知识的技术，这种技术本质上是由于其学习能力而定义的，并且他们正在教学这与业务的一部分有关。当人们使用它时，他们通常是...进一步教授它关于它们的喜好、偏好和需求。 这是为什么它是一个“自治宣言”。我们或许会称呼它们为不同的名称，但在整个范围内 ，其演变过程是相同的：自主人工智能系统的普及正在全范围内发生。 在每一个层面都有一个认知数字大脑。 认知数字大脑的构成要素是什么？ 可以看到这一趋势可能会有困难；在每一层规模上，它都表现出略微不同的形式。但总体而言，AI的下一阶段将为其触及的每一件事注入增强的能力和更大的自主性。对于个体认知数字大脑将作为副驾驶或助手运行，它将理解他们的工作，学习他们的偏好，并通过其互动来了解他们，旨在帮助他们成为更优秀的自己。企业它可能更像是一个中枢神经系统——企业架构进化成能够捕捉业务的集体知识、独特的差异化特征以及其文化和个性的东西，并成为其关键协调者（甚至是自主操作者）。对于 认知数字大脑将成为企业决策和持续学习的中央神经系统。它用于驱动企业的未来抱负，如基于意图的架构，由四个相互连接的层次组成，共同组织、处理和作用于信息。 如果有意构建，企业可以将他们正在追求的所有分布式人工智能努力整合，构建一个认知数字大脑。他们可以将工作流程、机构知识、价值链、社会互动以及关于商业和世界的许多其他关键数据硬编码到一个系统中，该系统能够以比以往任何时候都高的水平理解和行动。 知识：技术与知识图谱、向量数据库一样，能够从整个企业和外部收集、组织和管理数据。 模型：大型生成式AI模型以及经典机器学习和深度学习模型执行批判性思考和推理功能，以将数据转化为可行的成果。 代理商：设计为问题解决者，以最小的人为干预处理任务，并在时间推移中学习和成长，人工智能代理将规划、反思和适应性融入其中。 一个人可以利用这种力量做什么？一家企业如何在全体员工中部署它呢？ 建筑：一个全面的骨干架构是将AI实验转化为企业级解决方案的关键。它将智能扩展到整个组织以及现有的工作流程中，并实现可重复性，因此解决方案可以一次性制作并重复使用。 因为它的是受影响。首先——企业需要意识到，随着他们在技术系统中的自主性日益增长，他们需要以不同的方式思考他们对这些系统的信任程度，以及他们可能需要施加哪些约束。Sakana AI，一家AI研究公司，通过测试他们名为“AI科学家”的新系统，完美地展示了这一点。14该系统自主使用大型语言模型进行科学研究，在实验设定的时限内，它遇到了一个问题无法完成，于是调整了自己的代码，为自己争取更多时间。Sakana AI认为这种行为是创新的，但也表明了这样一个事实：具有绕过特定约束能力的AI模型对AI安全性具有重大影响。 截至目前，技术系统主要基于规则。尽管这些系统相对不那么智能，但它们高度可预测，因此更加值得信赖。因此，它们在企业中的采用和扩散非常普遍。因此，当我们展望一个将由既拥有又创造更多自主权的技术系统定义的世界时，我们正面对一个未来，在这个未来中，信任是最重要的差异化因素和决定组织内AI扩散的关键因素。毕竟，我们只能让系统拥有我们所信任的自主权。 人工智能的关键在于企业领导者如何选择利用它所赋予的新维度自主性。但在这个新世界中取得成功并做出正确的选择将不是一项小任务。与自主性这一理念紧密相连的是信任的基础——对企业而言，信任将是明天增长的最重要的保障。 系统开始承担整个工作流程或客户互动，无需持续的人为干预，同时保持战略监督。利用这种自主性将扩展企业认为可能性的极限。Accenture的研究发现，凭借其重新构想和增强复杂任务的能力，生成式人工智能有望在领导AI采用的公司中推动生产力提高20%。12 唯一的限制是信任。 思考一下信任如何定义人类体验——例如，父母与子女之间的关系。我们用护栏包围婴儿。从字面上的，比如婴儿床里的那些，到比喻意义上的，比如切食物或在家里的尖锐角落上贴上软垫。随着他们成长，我们开始更多地信任他们。他们过马路时不需要你牵着他们的手，但你仍然会陪在他们身边。他们可以自己在外面玩