成功扩展人工智能的领导者的五个教训

Senthil Ramani领跑者的人工智能规模化指南：行业领袖的教训作者全球数据与人工智能业务负责人，埃森哲 蓝关首席人工智能官埃森哲 菲利普·鲁西耶全球创新和人工智能首席专家，埃森哲研究院 领跑者的人工智能规模化指南：行业领袖的教训关于研究我们调查了2000名C级高管和数据科学高管，他们领导着1998家世界最大的公司（收入超过10亿美元），这些公司的总部位于15个国家（澳大利亚、巴西、加拿大、中国、德国、法国、印度、意大利、日本、沙特阿拉伯、新加坡、西班牙、阿拉伯联合酋长国、英国和美国），并在九个行业（银行、保险、能源、消费品和服务、生命科学、公用事业、零售、公共服务和通信媒体）运营。这项从2024年6月至7月进行的调查，旨在阐明公司如何开发和使用人工智能模型来创造金融和非金融价值。调查涵盖了组织的数据和人工智能战略、数据和人工智能架构、战略赌注的预算和投资、人才战略、生态系统战略、负责任的人工智能、人工智能相关挑战和人工智能采用率等议题。 根据本报告的目的，“扩展人工智能”是指将人工智能实施扩展到整个企业以实现更广泛、更具影响力的成果的过程。扩展包括将人工智能集成到不同的业务流程和工作中；确保在资产和员工中广泛采用；与现有系统无缝集成人工智能；推动创新以在市场中获得竞争优势；以及其他方面改进关键绩效指标。“生成式人工智能”被用作一个总称，指能够产生全新输出的一个人工智能，例如文本、图像、视频、音频和代码。为了识别最重要的战略赌注（参见下文“采取战略性措施”），我们还采访了众多安永内部和外部的C级专家。此外，我们还部署了机器学习来识别与扩展战略赌注相关的关键能力以及公司发展这些能力的进展情况。我们的研究进一步借鉴了我们在帮助客户扩展人工智能解决方案方面的丰富经验所提供的见解。通过借鉴这些不同的输入，我们的研究结果表明既包括了人工智能的战略视角，也包括了现实世界的执行挑战。 执行摘要领跑者的人工智能规模化指南：行业领袖的教训因此，重塑需要将人工智能深植于公司战略的核心。为此，在CEO和董事会积极领导下，企业必须超越人工智能的表面应用，优先考虑解锁人工智能全部潜力的结构性及战略变革。拥有复杂的推理能力，AI智能体自主协作，以规模化提升质量、生产力和成本效率。智能体架构正在迅速普及：本次报告调查中，有三分之一的公司已经使用AI智能体来强化其创新能力。但借助生成式人工智能（gen AI）重塑企业并非仅仅是部署几个聊天机器人的问题。重塑涉及构建高级人工智能能力，例如“代理架构”，即超越自动化常规任务、协调整个业务工作流程的人工智能代理网络。对于企业而言，在竞争对手中保持持续的领先优势一直是至高无上的目标——一个备受渴望却又难以企及的奖赏。然而，如今，生成式人工智能和其他形式的人工智能改变了这一状况，将曾经无法触及的目标变为可能实现。这就是为什么世界上最大的公司都在大力投资数据和人工智能。 与此同时，我们的研究还发现，少数公司（“先行者”）已经通过生成式AI成功重塑了其企业。这些公司始终做对了一件非常关键的事情：他们将我们所说的“基本盘”投资于生成式AI与“战略赌注”（见下文，“采取战略”）相结合。领跑者例如在他们的重要游戏中使用代理式AI来提高效率。而在他们的战略赌注中，他们部署代理式AI来彻底重塑他们的组织流程和工作流程。尽管每家公司可能都希望获得人工智能驱动的优势，但许多公司仍然在努力超越其最初的 AI 实验。我们的研究也表明，这其中的一个重要原因是低数据“准备就绪”——即所有类型的数据，尤其是非结构化数据，没有被充分利用。令人鼓舞的是，大多数商业领袖认识到了这一挑战。例如，在我们调查的公司中，70% 承认在尝试扩展人工智能时，需要强大的数据基础。数据当然不是企业使用生成式人工智能进行重塑的唯一障碍。过时的IT系统，以及员工分别缺乏对生成式人工智能工具、全面培训和领导层清晰指导的访问权，也是重大的障碍。 我们调查的70%的公司在拓展人工智能时承认需要强大的数据基础。 这项调查涵盖了 2,000 名高管，来自 1,998 家公司。95% 置信区间中点的误差范围为 +/- 2.2 个百分点。我们发现34%的受访公司至少进行过一项战略投注。这些公司也显著增加了对云和人工智能的投入（将51%的技术预算投入这些领域），而那些没有进行任何战略投注的公司（分别将45%的技术预算投入这些领域）则没有这样做。 后来，我们对来自全球前1998家最大公司的2000名高管*进行的调查揭示了这些组织通过扩大各自专注行业的战略赌注，在多大程度上采用了生成式AI。例如，我们询问了公用事业行业的公司他们在公用事业专注的10项战略赌注方面的经验。例如，一个问题评估了公司围绕其“增强资产管理”战略赌注的生成式AI采用水平。然后，公司可以在从“未采用”到“全面扩展”的企业范围内进行回答。为了揭示我们所研究的九个行业中每个最重要的战略赌注，我们征求了 Accenture 专家的意见，这些专家为客户的 2,000 个最近的生成式人工智能项目提供建议。我们还采访了世界各地各大公司的外部人工智能专家。通过这些咨询，我们得出了 105 个战略赌注——平均每个行业超过 11 个。（有些行业比其他行业有更多的战略赌注；参见“附录 1：105 个战略赌注”和“附录 2：研究方法”。） 领跑者的人工智能规模化指南：行业领袖的教训“基础投资”则相反：它们是驱动组织内广泛的人工智能采用并验证该技术处理特定用例（例如能够无缝在文本和语音交互之间切换的客户支持中心）能力的基础性投入。虽然基础投资只提供增量价值，但它们仍然是人工智能成熟度的重要证明点。因此，即使它们专注于少数战略赌注以驱动企业革新，公司也应继续进行基础投资。“战略投资”是针对生成式人工智能的具有重大意义、长期性的投资，它们专注于公司价值链的核心（例如保险公司的承保和理赔、公用事业公司的资产管理以及生物技术公司的研发），并且能够带来非常巨大的回报。战略投资旨在最大化生成式人工智能的潜力，以推动变革性的、行业特定的、流程层面的效率，以及卓越的生产力、创新和收入增长。 成功扩展战略赌注的公司通常也会对其财务表现感到满意。例如，与那些没有这样做（扩展战略赌注）的竞争对手相比，已经成功扩展至少一项战略赌注的公司，其生成式人工智能（Gen AI）的投资回报率（ROI）达到或超过预期的可能性几乎要高两倍。 1. 传递价值 2. 重新定义人才和工作方式 3. 构建人工智能赋能、安全的核心数字 4. 缩小负责任人工智能的差距 5. 推动持续创新正如本报告所阐明的，人工智能已经超越了其作为提升效率强大工具的熟悉角色。当被充分发挥其潜力时，人工智能如今是远不止于此的东西：一个推动企业重塑的不可阻挡的力量，使公司比竞争对手更快地发展并更好地创新。但无论他们在进行更多战略性投资之前有多少或多少工作要完成，我们调查的所有公司都对使用生成式人工智能（gen AI）进行重塑寄予厚望。平均而言，这些组织预计在在企业范围内部署和扩展生成式人工智能（gen AI）后的18个月内，生产率将提高13%，收入增长将提高12%，客户体验将改善11%，成本将降低11%。基于我们的实证研究和广泛的客户工作，本报告探讨了人工智能再创备企的独特特征，而这些特征仍然知之甚少。在接下来的几页中，我们确定了领跑者所拥有的关键数据和人工智能能力——并描述了让领跑者能够有效扩大其战略赌注的五个要点（关于五个要点的进一步分析，请参阅Accenture报告“借助生成式人工智能实现再创”和“生成式人工智能时代的再创”）： 领跑者的人工智能规模化指南：行业领袖的教训什么让公司具备人工智能转型能力？ 领跑者的人工智能规模化指南：行业领袖的教训这里是我们得出这三个群体分法的方法。我们创建了一个指数，用于衡量和分类公司，基于它们在开发和发展对在生成式人工智能中扩展战略赌注最为关键的能力方面的成熟度。人工智能重塑准备就绪的公司，我们的研究还表明，仅占全球最大企业的一小部分（我们研究的组织仅占15%）。在我们的模型中，第二先进的一组是正在用人工智能取得进展的公司（43%的公司），其次是仅进行人工智能实验的公司（42%）。2022年，我们识别了一小群在基础数据和人工智能能力方面处于领先地位的公司（见附录2）。1如今，这些“人工智能再创局”公司仍然擅长基本功。但他们也在极大程度上磨练其生成式人工智能能力。我们发现，最先进的群体——AI再创新准备就绪的公司——在基础能力以及我们称之为“生成式AI的新数据和AI核心能力”方面都达到了很高程度的成熟度（见图1所示），其具有庞大的“网络”。后者包括大型语言模型操作（LLMOps）成熟度、数据管理与治理（DM&G）—新的核心能力、数据来源、基础模型实践以及人才实践。（见附录2以获得基础能力和新能力的完整列表。） 领跑者的人工智能规模化指南：行业领袖的教训人工智能再造准备就绪的公司，简而言之，已经发展了强大的数字核心，这对于扩展人工智能和数据驱动的计划至关重要，确保数据可访问性、计算性能和安全性。2没有强大的数字核心，企业更容易表现不佳，并难以适应快速变化的环境。那就是宏观视角。然而，微观视角显示，并非所有准备就绪进行创新的公司在扩展战略赌注方面都同样精通生成式人工智能。事实上，我们发现其中一些公司（“领跑者”）已经扩展了多个战略赌注，而另一些公司（“快速追随者”）尚未扩展任何战略赌注（图2）。与此同时，正在使用AI进展中的公司在这些能力上展现出中等成熟度（图1中的中型网络）。而正在实验的公司则具有相对较低的成熟度（小型网络）。 领跑者的人工智能规模化指南：行业领袖的教训突破——领先者如何扩展人工智能 领跑者的人工智能规模化指南：行业领袖的教训事实上，领跑者在战略投资方面不仅下更大的赌注，而且其规模扩张速率也显著高于其他公司。如图3所示，领跑者平均已经将其与行业最相关的34%的战略投资（或三到四项投资）进行了规模化；另外40%的领跑者战略投资处于规模化初期阶段。快速跟随者则尚未完全扩展任何战略赌注，仅33%处于扩展的早期阶段。对于正在使用人工智能进展的公司（战略赌注中有8%已扩展，32%处于早期阶段）以及仅进行人工智能实验的公司（分别为5%和28%），这些数字同样突显了他们需要弥补的差距。区分领跑者和快速跟随者的是他们在部署和扩展战略赌注方面的相对能力。 领跑者的人工智能规模化指南：行业领袖的教训在与其他公司比较时，领先者的优势也很明显。如图4所示，97%的领先者已经发展了三种或更多用于生成式AI的新数据和AI关键能力，而尝试使用AI的公司中只有5%（图4）。那么，为什么领跑者擅长扩展战略赌注呢？毕竟，已经开发出图1中提到的五种AI基础能力的快跟随者（89%）比领跑者（81%）更多。要理解原因，首先看生成式AI的新数据及其核心能力。在这里，领跑者具有明显的优势：我们发现，28%的领跑者已经开发了这五项全部能力，而快速追随者只有19%。 领跑者的人工智能规模化指南：行业领袖的教训考虑先行者的其他显著特征。这些公司对其人工智能投资的CEO和董事会支持程度，可能比快速跟随者更强（分别有19%和5%的受访公司）。（19% vs. 5%，分别，受访公司）。与快速跟随者相比（59% vs.36%），先行者更有可能将其核心人工智能战略、关键流程和技术能力整合到一个连贯的框架中。更广泛地说，先行者实现其人工智能平台高成熟度的可能性是其他公司的三倍。领跑者同样重视以人为本的变革：他们比快速跟随者更有可能关注阻碍变革的文化问题；更有可能强调人才协同和透明沟通；更有可能运用行为科学洞察力持续监测人工智能驱动的变革影响；并且更有可能为员工提供结构化的培训项目。当然，在所有与人工智能相关的领域，领跑者并不具备优势。例如，快速跟随者特别擅长人才发展；96%的快速跟随者专注于培养专业人工智能人才（例如人工智能工程师），而领跑者只有88%。 领跑者另一个重要的差异化在于，他们更擅长使用并持续改进针对行业需求的自主AI代理。例如，65%的领跑者在该领