以人工智能获胜：业务领导者从战略到执行的AI指南—— IMD playbook

业务领导者从战略到执行的AI指南—— IMDplaybook 内容 执行摘要 了解人工智能格局：人工智能采用的当前趋势与挑战 关于他们采用人工智能来转变其商业战略和运营的有效程度。结果是令人惊讶是的，科技公司表现良好。但金融服务、电信、消费品和能源领域的代表也都在前列。 人工智能（AI）的应用将在未来12或36个月内如何改变您的组织？根据Gartner 2025预测到明年，20%的组织将使用人工智能来扁平化其结构，消除超过一半的现有中层管理职位，并且在未来四年内，十分之一的世界董事会将使用人工智能指导来挑战对其业务具有核心重要性的执行决策。看看你现在的公司：你是谁，以及你如何做决策，将在未来几年发生巨大变化。 这些组织正在实施人工智能解决方案，它们以自己的方式、出于自己的原因，但最重要的是，它们都在取得进展。如果您是一位商业领袖，您可能已经接受人工智能将改变您工作和个人生活的许多方面。然而，您可能不确定如何制定一个战略来充分利用人工智能。您可能担心被落下。结合我们的AI成熟度指数，本文档旨在展示良好状态是什么样的，并为有效部署人工智能提供路线图。 采用生成式人工智能（GenAI），特别是，代表着关键时刻，具有变革企业潜力的可能性，其程度不亚于互联网的出现。但伴随着重新想象我们如何工作、创造和解决问题的潜力而来的是，使用这些工具的人类承担着巨大的责任，以有益于社会的方式使用它们。随着技术的成熟，一些现有问题，如数据偏差，可能会减少。但其他问题会出现。例如，人工智能的快速采用带来了环境成本：美国能源部去年的一份报告发现，到2028年，人工智能可能会将数据中心消耗的国家电力供应比例从4.4%提高到12%仅在美国。为满足这一需求，报告建议，一些发电厂预计将燃烧更多的煤炭和天然气。 做出最佳投资 许多人对于人工智能的投资回报率持乐观态度。根据统计，每公司向人工智能投资1美元，就能平均获得3.5美元的回报。由IDC进行的一项最新研究，并由微软赞助,在金融服务、媒体和电信领域，迄今为止显示出最高的投资回报率…。该研究发现在全球范围内，每20个组织中就有一个实现了可观的8美元回报。摩根士丹利研究估计人工智能驱动的生产力可能为标普500指数成分股公司的2025年净利率增加30个基点。其他人的预测则要保守得多：波士顿咨询集团于2025年中的一项调查发现，在金融职能方面的AI投资，中位数投资回报率仅仅在10%，三分之一接受调查的领导者报告收益有限或没有收益。 跨行业价值创造 在IMD，我们看到为自主性设计的AI在落地应用上出现了巨大增长；在商业领域的自主AI已经超越了自动化任务，正如我们在工业AI领域看到的，这已经持续了十多年；现在它正在构建能够自行管理并优化整个业务职能的系统。 然而，尽管投资回报率（ROI）可能有所不同，但很清楚，各公司都在竞相投资：高德纳（Gartner）已经预测了全球GenAI支出有望在2025年达到6440亿美元较2024年大幅增长了76.4%。并且时间表正在缩短：据IDC研究，五分之二的组织实施时间少于六个月。这些是在速度上的高风险投资。 在医疗保健领域，AI被用于诊断、个性化治疗、药物发现和开发。AI被应用于金融服务，以减少欺诈、增强安全性和定制金融建议和服务。如果自动驾驶汽车在物流中尚未成为常态，它们正在兴起，并且世界各地智慧城市依赖于智能交通管理和拥堵控制。在IMD的年度人工智能成熟度指数，我们排名全球200家领先企业 这让领导层需要充分掌握信息、正确地支出，并且要意识到他们的决定将对他们的组织、员工和地球产生的影响至关重要。人工智能消耗大量的能源。此外，也有越来越多的对AI的担忧 已创造出新的数字鸿沟在拥有计算机能力（主要在北半球）的国家和尚未拥有支持人工智能的数据中心的国家之间存在着差距。这种差距将在地缘政治、经济增长和创新能力中发挥作用。现在是定义人工智能将在你的组织中发挥的作用、优先考虑战略目标并明确界定人类代理在交付中所扮演的角色的时候。 战略要务：为何人工智能转型迫不及待 传统人工智能专注于分析数据以做出更好的预测并改进决策。从Netflix的个性化内容推荐等B2C应用到西门子基于机器学习的预测性维护解决方案等工业环境，其应用已经改变了我们做生意的模式超过十年。我们也看到了许多公司因各种组织、数据或能力原因而持续努力从人工智能中提取价值。 但我们现在正处在另一个关键时刻：GenAI改变了规则，使机器能够通过从现有数据中学习模式来创建新内容，如文本、图像、音乐和代码。GenAI正在通过将AI的能力从分析型和决策型任务拓展到创意型和生成型任务，改变数字化转型的格局。这为组织内部的自动化、个性化和创新带来了新的可能性。本指南借鉴了IMD学院丰富的科研成果，为领导者提供了在当前利用其行业最佳AI能力的可操作指南。从高管层到各组织中的运营领导者，本文探讨了嵌入AI到战略中的商业案例，并阐述了相关风险。 生成式AI的未来：新兴技术与范式转变 随着组织整合生成式人工智能，技术格局正在快速演变。对于准备迎接下一波人工智能驱动转型的企业来说，了解这些新兴趋势至关重要。 检索增强生成：准确AI的关键 检索增强生成（RAG）结合了生成能力与实时访问当前、组织特定信息的能力。RAG系统不依赖仅限于训练数据，而是查询数据库和文档来提供准确、与上下文相关的响应。 硬件进化: 加速AI性能 生成式人工智能的计算需求正在推动专用处理器的创新。除了传统的GPU之外，TPU和NPU等专用AI芯片正变得越来越复杂，而神经形态计算则模仿大脑架构以显著提高能效。量子-人工智能混合系统为某些问题承诺指数级的速度提升。这些进步将使组织能够在本地运行复杂的AI模型，从而降低响应速度、提高隐私性，同时使人工智能更容易被中小企业使用。 对于组织而言，RAG 解决了关键挑战：幻觉、过时信息和缺乏领域专业知识。通过将人工智能连接到专有数据库和实时数据流，公司确保了信息的准确性，同时保持了竞争优势。RAG 还提供了监管行业至关重要的审计追踪。 智能体的兴起：从工具到自主协作者 革命性的模型架构和能力 也许在通用人工智能中最具变革性的发展是向自主系统的演进——能够独立规划、执行复杂的多步任务，并与各种工具和系统交互以达成目标的AI。与当前响应提示的AI工具不同，自主AI能够将复杂目标分解为可执行的步骤，跨多个平台和应用执行这些步骤，并根据结果调整其方法。 生成式人工智能正在从文本扩展到能够无缝处理和生成文本、图像、视频和音频的多模态系统。视频生成模型的逼真度正接近照片级，使组织能够以前所未有的规模创建定制内容。 新的架构，如联合嵌入预测架构（JEPA），代表了与传统Transformer 模型的偏离。JEPA 通过预测而非重建来实现更高效的学习，减少计算需求，同时提高推理能力。专家混合模型根据任务动态激活组件，使大规模人工智能对具有多样化用例的组织更加高效。 当前具身人工智能的发展包括能够自动管理电子邮件通信、协调团队成员的项目时间表、通过与多个数据源接口进行市场调研，甚至在内置参数范围内进行合同谈判的系统。这些系统代表了从我们早期讨论中描述的响应式人工智能框架向主动型人工智能协作者的演进。 最显著的范式转变在于从人类发起到人工智能发起的交互的过渡。未来人工智能代理将不再等待人类提示，而是基于对相关数据流和变化条件的持续监控，主动向用户提供建议、推荐和警报。这代表着人与人工智能关系上的根本性改变，从命令-响应模式转变为协作伙伴关系，其中人工智能在驱动对话和行动方面采取主动。 人工智能发起的交互：下一个前沿 未来人工智能将主动与人类互动，而不仅仅是响应请求。AI代理将持续监控业务状况和团队表现，以发现机会，并在问题升级前提供见解和建议。 人工智能的未来在于右侧列表 - 系统将从被动响应工具转变为主动合作伙伴，在所有组织层级中观察、分析并发起对话和行动。这代表了一种根本性的转变从人类提示 AI 响应 AI 观察 AI 发起人类协作。→→→ 这种转变需要新的框架来实现人工智能治理和人类-人工智能协作。组织必须在推进人工智能项目的同时，建立明确的界限，并保持监督和透明度。 为AI原生未来做准备 公司应制定针对rag实施的健康数据治理措施，为人工智能发起的行动制定政策，并培训团队与主动式人工智能系统协同工作。那些将蓬勃发展的组织将人工智能视为复杂的协作者，而非替代技术，其能够增强人类智能并主动推动成功。 在探索本文档其余部分时，请牢记这一点。 为什么你应该将人工智能嵌入你的战略 生成式AI标志着一个战略转折点——然而，大多数领导者还没准备好 通向通用技术大规模商业应用的道路历来漫长，因为创造和捕获价值需要组织和工作方式的适应。我们对生成式人工智能（GenAI）的变革能力仍在发展中，但似乎其商业应用周期可能更短——如果部署得当，它承诺着通过扁平化组织结构和加速基于数据的决策来获得战略优势。 操作：在您现有的数字化转型计划中管理您的 GenAI 举措；如果您有一个行之有效的组织治理结构，就不要创建一个独立的。专注于少数灯塔应用程序，这些应用程序既能推进您的数字战略，又能推动您的业务成果（可衡量的）变动。对于其余部分，“让孩子们在明确的护栏内玩耍”，并捕获最佳实践。 II：从自动化到增强：建立正确的目标、运营和技能 探索当前格局 从用机器替代仓库中拣选和打包等常规重复性任务，到通过基于软件的技术（如机器人流程自动化）自动化银行后台流程，传统人工智能与自动化相关联，被采用以节省成本和提高效率。生成式人工智能也自动化任务，但它将自动化的前沿推向认知技能，如分析和创造性活动：它可以形成假设或生成产品原型想法。 作为领导者，记住三个标志着我们当前所处数字化转型阶段的根本性变化： i: geeks to crowd: ai的力量民主化 为了执行数字化转型，组织传统上必须建立人工智能能力。这些单位——卓越中心或人工智能工厂——需要具备数据和计算机科学深厚专业知识的熟练工人；这些工人很少见，因此很昂贵。这些单位传统上在幕后运作，组织数据、设计算法和测试人工智能模型，直到系统准备投入生产才与用户进行少量直接的互动，从而影响结果。这些专家位于劳动力金字塔的顶端。 这至少对工作角色有三个深远的影响。首先，它允许员工重新分配在某项任务上花费的时间，专注于那些为组织创造最大价值的工作。其次，它完全释放了员工，使其能够从事新的工作。第三，几个行业中的学术研究表明，通用人工智能（GenAI）应用具有技能提升和均衡效应（即，低技能工人受益多于高技能工人），这使得低技能员工能够执行通常由更高级别工人负责的复杂性更高的任务。这就是新的“工作未来”前沿所在：在规模上实现更高员工生产力、效率和品质输出的承诺。 借助生成式人工智能，金字塔结构被倒置。它直接且互动地与组织各级用户进行交流，因为无需编程，无需算法设计，仅需多模态和直观的自然语言界面。生成式人工智能为大规模、自下而上的新一轮数字创新创造了潜力。这既带来了机遇，也带来了风险。机遇在于技术的广泛可及性，为企业创造了无数潜在的业务价值。但风险也在于此，因为应用可能会在组织的各个角落泛滥。大量缺乏协调的数字计划很少能产生积极的商业回报。 操作：如果您的GenAI部署的关键战略驱动是降低人工成本，您将错失大部分价值创造的潜力。相反，放大和增强员工任务和角色应该是您的北极星。为了实现生产力收益，工作增强将要求流程和工作流 重新设计，有时甚至包括商业模式的演变。规模化生成式人工智能的实施将改变人们和组织的工作方式。 为了真正的转型。与之前的数字化转型阶段一样，一些组织将进入转型阶段，但许多组织将被落下。 在通用人工智能世界里，人类技能和能力仍然重要。动态再培训、体验式学习和职业发展项目对于确保采用通用人工智能部署并充分提取其价值至关重要。人工智能增强型员工将推动组织内人机分工的新模式，但必须从以人为中心的角度进行管理才能取得成功。 对于数字化