用生成式人工智能重塑企业运营

作者 通过我们在推动2,000多家客户实现39亿美元P&L价值方面的丰富经验，我们已经确定，包括人才、资产与平台、以及方法与流程的全面运营策略至关重要。而我们的新研究进一步强调，尽管许多公司加速了向更复杂运营模式的转变，但只有顶尖表现者才能有效利用生成式人工智能来驱动显著的价值。这些先行者已经做好了转型准备，通过利用其数字核心，加速应用超自动化和人工智能，并在整个业务中扩大影响。 “我们正处在一个深刻变革的时期。” 这是我们2023年报告的开篇语，该报告探讨了智能运营如何绝对关键于一项创新战略，这项战略设定了新的绩效前沿。 阿伦达蒂·查克拉博尔迪集团首席执行官，埃森哲运营部门 自那时以来发生了什么变化？生成式AI现在已经可以衡量的影响——对每个企业，在每一个行业。 Yusuf Tayob全球通信、媒体与技术行业实践主席 要在当今的格局中蓬勃发展，组织必须经历转型变革，而生成式人工智能在其中扮演着关键角色。并且，通过生成式人工智能驱动的智能运营之旅，对于从这些变革中创造价值而言，绝对是必不可少的。 我们预计，随着生成式人工智能的支持，公司将进行更有意义的创新，以培养可持续、成熟的智能运营，从而在增长、生产力和盈利能力方面取得显著成果。 智能运营代表了运营成熟度的顶峰，其核心是专门设计的数字基础设施，旨在实现持续适应。这一定制化的数字核心使组织能够满足其不断变化的需求，并无缝整合最新的尖端技术。 Bhavana Rao首席增长与战略官，埃森哲运营部 现在是时候变得能够进行革新了。 利害攸关：竞争优势 通往智能运营之路 06 智能运营的商业案例 12了解智能运营的驱动因素16 一个现代化的数据基础：生成式AI的大门 19 实施以领域为中心的数据现代化方法 22 采用以人才为先的转型战略 25 连接业务和技术团队共同拥有转型 29 采用领先流程驱动业务成果 31 展望未来：为重塑而组织 What’s at stake:竞争优势 新技术、消费者预期、气候变化、混合工作以及其他因素正在驱动当今组织运营方式发生大规模的结构性变革。而这些变化正以光速发生。企业比以往任何时候都更加需要快速、持续地重塑自身，才能在这一不断演变的格局中保持相关性和竞争力。 那简而言之，就是重塑所带来的奖赏：竞争相关性——及其所有相关事项。增长。盈利能力。创新。市场主导地位。 智能运营的业务案例 我们的2024年调查是围绕那个问题构建的。我们采访了来自15个行业和12个国家的2000名高管（57%为C级或同等职位）（见图1）。我们的目标是评估企业运营在多大程度上准备好运用生成式AI推动业务成果。 组织根据四大运营准备标准进行评估，以评估其处于智能运营连续体（图2）的哪个阶段。被认定为“基础性”的组织处于其发展旅程的最早阶段，而那些被评为“创新准备就绪”的组织已经完全实现了以人工智能为主导的现代化流程。 02 自动化自动化和描述性、可预测人工智能的采用。 01 基础 驱动成本优化和基本服务水平协议的基础资产 04 重建准备就绪超自动化和规模化人工智能驱动业务成果 03 见解驱动面向客户体验的全面现代化数据 自2023年我们上次评估智能运营领域的组织以来，情况已发生很大变化。在过去的一年里，具备重塑（Reinvention）能力的公司数量从9%翻了一番，达到16%。这些公司在现代化数据基础设施以支持强劲业务成果、实现端到端平台集成以及大规模自动化大多数流程方面取得了进展。它们还成功地将传统人工智能应用于规模化增强任务，并迅速扩展生成式人工智能（gen AI）用例以推动新增长。 与基础型组织相比，变革准备型组织具有： 2.5倍更高的平均收入增长率 3.3x更高的成功可能性来实现高价值生成式AI用例的规模化。 2.4x更高的生产力改进。 此外，一小部分但精英的Reinvention准备就绪公司—仅2%—已经大规模部署了生成式人工智能，并报告了其投资带来的 exceptional returns。 这些组织并没有秘密武器或特殊超能力，使他们能够取得这些成果。它们拥有现代化、成熟的运营体系，并由三个关键推动因素支撑。 智能运营的推动因素 要实现智能运营，组织必须解决如何转化人才、资产与平台，以及方法与流程的问题。我们的2024年研究显示，组织已开始以更整体的眼光重塑企业运营，并对智能运营的三项使能器给予同等关注。他们将这三项都视为优先事项。这与2023年形成对比，当时许多组织一次只关注一到两项使能器。如今组织认识到，这三项使能器如同三脚凳的腿：每一项都在支持使用生成式人工智能的再造中发挥着至关重要的作用。 能够快速重塑自身的公司擅长同步开发这三个赋能因素，并将其同时付诸应用（图3a）。 虽然这三个使能因素对于重塑至关重要，并且三者应当协同推进，但重要的是要指出，智能运营连续体的每个阶段都有一个主要的使能因素（图4a）。 例如，资产与平台业务是那些希望从基础操作转型为自动化运营的公司的主要赋能者。现阶段的关键要素是针对重要自动化项目建立治理模式，并建立满足业务需求的反馈机制。那些授权业务与技术团队共同创建资产和平台发展路线图的公司，才成功转型为自动化运营。 同样地，方法和流程是 reinvention-ready 阶段组织的主要赋能者。与洞察驱动阶段的组织相比，reinvention-ready 公司能够执行流程挖掘以及内部和外部的基准测试，以推动一流的绩效。它们的流程已经实现了端到端的转型，具有高度的平台集成和超自动化。近九成（87%）的 reinvention-ready 公司在开发方法和流程方面表现出色，而洞察驱动阶段的组织中只有 47%（图 4b）。 现代化的数据基础：生成式人工智能的入口 除了应对所有三个使能因素之外，Reinvention-ready 组织的数据现代化程度也远高于其他层级的对应组织。它们认识到制定合适的数据策略和核心数字能力的紧迫性，以有效利用生成式人工智能。数据资产它们是为生成式人工智能用例而设计的，具有明确的数据治理角色定义，并且能够在整个生命周期中追踪其所有数据，一直追溯到源头。我们的研究表明，现代化的数据基础是区分准备就绪型公司与同行之间的又一个门槛（图5）。 The path to智能运营 我们的2024年研究报告以及来自超过1000个已完成的生成式AI项目的轶事证据表明，组织的智能运营投资与其扩展生成式AI的能力之间存在关联性。我们发现，拥有智能运营的公司能够加速其生成式AI的使用，这进而推动其运营的演进，进而扩展其生成式AI的应用范围，如此循环往复。这是一个良性循环，但也是相互依赖的循环。 我们的研究表明，拥有智能运营的组织数量每年都在增加。 但在制定明确的发展路线图方面，这仍然是他们面临的最大挑战之一。前进的最佳路径是什么？在旅程的每个阶段都必须解决哪些不可协商的关键要素？以下是组织应采取的四项行动，以制定路线图、识别差距并借助智能运营向前推进。 01 实施以领域为中心的数据现代化方法 能够进行转型创新的公司已实现数据治理的集中化，并持有以领域为中心的数据现代化视角。这构建了一个强大的数据基础，为AI驱动的转型创新做好了准备。 评估数据基础的一种方法是通过评估三个使能因素——人才、资产与平台，以及方法与流程——如何在日常工作中与数据交互。人们是否清楚地了解如何创建、处理和消费数据？流程和工具是否跨职能连接，以便不同的团队——销售、供应链、服务、人力资源、财务、研发——都能使用他们偏爱的工具访问相同的数据和分析？数据是否以标准化的方式结构化，内置安全性和可访问性，使用通用数据格式，从而允许跨业务使用AI工具访问？ 这些都是现代数据基础的特征。而这也是大多数公司面临的困境所在。现代化数据基础需要大量的时间和资源。我们的研究表明，71%的基础组织其数据基础未能现代化到足以在整个组织中充分发挥生成式人工智能的价值。 重塑企业运营 获取高质量数据是一个关键考量因素。超过三分之一的准备就绪的Reinvention组织实现了对高质量数据及元数据资产的高速访问，这些数据资产没有不一致性和冗余性。这得益于将现代化数据基础的责任平等分配给业务团队和领域专家（图6）。 “我认为理解数据治理流程至关重要。在组织内部传达这一点需要大量的教育工作，即使它可能显而易见，也不应被低估。 客户故事 这家生产工具和工业设备的工业巨头，通过精准布局实现了快速增长——不仅涉足新产品和工作方式，还运用数字技术优化财务运营。数字化转型和增长举措是该公司整合收购、支撑高速发展的关键。埃森哲与该公司合作，开发了一个敏捷且富有韧性的财务运营模式，集中处理采购到支付（PTP）、订单到收款（OTC）、记录到报告（RTR）以及客户服务等核心流程。 基于SAP S/4 HANA平台的全新管理服务中心现已用于交付相关流程。该公司还同步实施了一套新数据基础——该基础涉及数据策略与治理的全面升级——以及卓越中心（Center of Excellence），旨在提升分析能力。通过运用埃森哲（Accenture）的AI赋能SynOps平台，该客户已实现运营流程优化，将80%的会计流程集中管理，效率提升47%，无接触交易比例达50%，并产生高达7000万美元的新业务价值。 02 采取以人才为先的转型战略 领先的组织将人置于重塑的核心。 在人工智能时代，这意味着重塑劳动力，使新角色能够随着技术发展而与业务需求相匹配。这意味着为工作人员提供全面的培训，使他们能够在自己的岗位上茁壮成长，并充分利用生成式人工智能的力量。这意味着革新工作方式，并重新思考流程和整个工作流程，以清晰地了解生成式人工智能在服务客户、支持人员和实现业务成果方面能够产生最大影响。 对人员的这种深度依赖往往在规划基于生成式人工智能（gen AI）的革新时被忽视。我们的研究表明，82%的基础性组织尚未制定人才革新策略。他们没有提前规划以满足劳动力需求、获取新人才或培训并提升员工技能，以使他们为基于生成式人工智能的工作流程做好准备。 变革管理计划应设计为帮助团队适应新的工作流程并拥抱由人工智能驱动的流程创新。 相比之下，92%的Reinvention-ready组织具备明确的 talent strategy，以应对劳动力规划、角色重塑和持续技能提升（如图7所示）。这确保了他们拥有与战略优先事项保持一致的强大人才管道。 “一项关键的成功衡量指标是生产力，并减少重复性任务，以便我们的员工有更多时间与客户相处，并处理他们工作中更有趣的部分。具体的项目措施包括提高代码质量并简化流程，以便银行能够减少对客户的服务时间。 人才战略必须超越技能发展。必须建立项目和政策，以确保员工在身体上、情感上和财务上是安全的，他们的工作是富有意义的，而他们的日常目标能激励他们。这还有助于吸引具有不同背景和生活经历的新员工，他们能够为持续的创新之旅带来认知多样性和明智的视角。 一个强有力的人才战略也将涵盖技能提升与学习。非技术团队的培训项目应聚焦三个领域：AI素养项目应教授生成式AI的基础知识，包括其能力、局限性和风险。实践应用培训应利用工作坊和沙盒环境来展示AI如何增强特定业务职能，如市场营销、客户服务和运营。 Les Matheson,集团执行副总裁兼数字、数据与运营首席运营官，NAB 客户故事 汇丰银行（HSBC），全球领先的金融机构之一，发起了一项全球倡议，旨在通过提升员工体验和增加生产力来提高股东回报和客户满意度。这项转型要求汇丰银行现代化和数字化其人力资源职能，以应对不同国家手动、分散的遗留流程所带来的挑战。 来自SAP、ServiceNow和MuleSoft的解决方案，旨在简化人力资源流程并提升服务可及性。汇丰银行员工现在能够即时获取信息以做出明智决策，并且比以往任何时候都快地访问人力资源服务和支持。这些改进涵盖了核心服务，如工资支付和劳动力管理，以及人才管理、职业发展和绩效管理方面的新功能。凭借对数据驱