一马当先：AI规模化应用指南

行业领跑者的经验分享 作者 菲利普·鲁西埃（Philippe Roussiere）埃森哲商业研究院全球创新与AI主管 森蒂尔·拉马尼（Senthil Ramani）埃森哲全球数据与AI主管 关岚（Lan Guan）埃森哲首席AI官 关于本研究 我们对2000位企业高管和数据科学主管进行了调研。这些高管来自全球1998家年收入超过10亿美元的领军企业，其总部遍布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、阿联酋、英国和美国），业务横跨9大行业（银行、保险、能源、消费品与服务、生命科学、公用事业、零售、公共服务，以及通信与媒体）。本次调研于2024年6月至7月开展，旨在深入探究企业应该如何开发部署AI模型才能全方位创造价值。调研主题涵盖企业的数据与AI战略、数据与AI架构、战略布局预算与投资、人才战略、生态系统战略、负责任AI、AI部署挑战，以及AI应用现状。 为了确定哪些战略布局对企业最为至关重要（详见“聚焦战略”章节），我们采访了来自埃森哲内外部的多位高管专家。同时，运用机器学习方法识别与规模化落地战略举措相关的关键能力，并评估了企业在构建这些能力方面的进展。本次调研也融入了我们在帮助客户规模化部署AI解决方案过程中积累的丰富经验与深刻洞见。得益于这些多元化洞察，我们的研究成果既囊括了宏观的AI战略视角，也触及了微观的落地执行挑战。 在本报告中，“规模化AI”（Scaling AI）指在全企业范围内扩展部署AI，以取得更广泛、更具影响力的成效。规模化应用包括：将AI融入多样化的业务与工作流程；确保AI在各类资产和员工中得到广泛应用；实现AI与现有系统的无缝集成；驱动创新以获得市场竞争优势，以及提升其他关键绩效指标。“生成式AI”（Generative AI）则泛指能够生成文本、图像、视频、音频和代码等全新内容的人工智能技术。 执行摘要 对企业而言，长久保持竞争优势曾是一个难以企及的终极目标。如今，生成式AI等人工智能技术彻底改变竞争格局，将许多曾经不敢想象的愿景变为可能。因此，全球龙头企业正在数据和AI领域投入空前规模的资源，全力抢占先机。 理想很丰满，但现实是，尽管企业都渴望借助AI获得竞争优势，但许多企业在突破初期场景试验阶段仍举步维艰。埃森哲研究揭示，其核心瓶颈在于数据“就绪度”不足⸺尤其是非结构化数据未能得到充分利用。 70%的受访企业领导者已意识到构建强大数据基座对AI规模化的重要性。 但若想借助生成式AI实现企业的自我重塑，绝非上线几个聊天机器人那么简单。真正的重塑在于构筑高阶AI能力，例如“智能体架构”（Agentic Architecture）⸺即通过多个AI智能体形成协同网络，不仅能够自动执行常规任务，更能统筹协调整个业务流程。 令人 鼓舞的是，大多数企业领导者已意识到这一挑战 。高达70%的受访企业深知，若无坚实的数据基座，AI规模化便无从谈起。 当然，数据并非唯一障碍。陈旧的IT系统、员工缺乏生成式AI工具、系统化培训不足以及领导层指引缺失，同样构成巨大挑战。 这些智能体具备强大的推理计算能力，能够自主协作，实现质量、效率与成本效益的指数级跃升。智能体架构正迅速普及：在我们调研的企业中，已有三分之一正在借助AI智能体来提升企业创新能力。 所幸，我们发现，少数“领跑者”（front-runners）已通过生成式AI在企业重塑征程上取得了斐然成绩。这些企业始终把握住了一个至关重要的秘诀：将“基础建设”与“战略布局”有机结合，形成双轮驱动（详见“聚焦战略”章节）。 因此，企业重塑需要将AI深度融入其战略核心。而要做到这一点，必须由CEO和董事会亲自挂帅，突破浅尝辄止的应用模式，优先推进能够彻底释放AI潜能的结构性与战略性变革。 举 例 来 说，在 基 础 建 设 层 面，这 些 领 跑 者 运 用自主 智 能（Agentic AI）提升效率。而在战略布局层面，他们则借助自主智能彻底重塑企业核心业务与流程。 聚焦战略 我们发现，34%的受访企业已至少规模化落地一项战略举措。此类企业在云服务和AI建设上的投入也显著高于未规模化部署任何战略举措的企业，前者将51%的技术预算用于这些领域，而后者仅为45%。 “战略布局”（strategic bets）是指对生成式AI领域进行长期、大规模的投资。这类投资聚焦于企业价值链的核心环节（例如，保险公司的承保与理赔、公用事业的资产管理，或生命科学企业的研发），有望带来极为可观的回报。战略布局可以彻底释放生成式AI潜能、颠覆性提升行业流程效率、创造卓越生产力、激发非凡创新力，并推动营收跨越式增长。 为了揭示调研所覆盖的九大行业分别有哪些最为关键的战略布局，我们征询了埃森哲专家的意见⸺他们近期已就2000多个生成式AI项目为客户提供咨询，同时采访了全球多家大型企业的AI专家，最终汇总了105项战略举措，平均每行业逾11项。（部分行业的战略举措多于其他行业；详见“附录1：105项战略举措”和“附录2：研究方法”）。 在此基础上，我们对全球1998家领军企业的2000名高管*展开了调研，了解他们如何围绕行业特定战略举措规模化应用生成式AI。以公用事业为例，我们请该行业企业就10项聚焦于公用事业的战略举措分享其应用经验。例如，其中一题评估企业在“增强型资产管理”战略举措上的生成式AI应用程度，备选答案涵盖了从“尚未应用”到“已在全企业实现规模化应用”的各个阶段。 与之相对，“基础建设”（table stakes）侧重于基础能力的构建，包括推动AI在企业内的广泛应用，以及特定业务场景（例如，文本与语音交互无缝切换的客户支持中心）的技术能力验证。虽然基础建设只能带来渐进式的价值回报，但它依然是衡量企业AI成熟度的基石。因此，企业在聚焦战略布局以推动重塑的同时，也应持续强化基础建设。 已规模化布局战略举措的企业通常也能收获满意的财务回报。例如，与同行相比，至少规模化落地一项战略举措的企业，其生成式AI投资回报率（ROI）超出预期的可能性高出近三倍。 但无论处于战略举措规模化的哪个阶段，所有参与调研的企业都对借助生成式AI实现重塑抱有高度期待。平均而言，这些企业预计，在完成生成式AI全业务规模化部署后的18个月内，生产力将提升13%，营收将增长12%，客户体验将改善11%，成本将降低11%。 结合实证研究与丰富的客户项目经验，本报告深入剖析了“AI重塑就绪型”企业的特质⸺这些特质在业界普遍认知不足。在接下来的章节中，我们将阐述领跑者所具备的关键数据与AI能力，以及规模化布局战略举措的五大关键要务（有关这五大要务的进一步分析，请参阅埃森哲报告《以生成式AI实现重塑》和《生成式AI时代的企业重塑之路》）： 1.价值引领2.重塑人才与工作方式3.构建AI赋能的安全数字核心4.弥合负责任AI差距5.推动持续重塑 正如本报告所揭示，AI的应用已从“降本增效”迈向“模式创新”。一旦潜能尽释，它将成为驱动企业系统性变革的核心力量。 企业如何为AI驱动的自我重塑做好准备？ 早在2022年，我们就发现，有一小群企业在数据与AI基础能力的应用上遥遥领先（详见附录2）。1时至今日，这些我们称之为“AI重塑就绪型”的企业，不仅保持着基础优势，更通过持续打磨生成式AI能力取得显著成效。 “AI重塑就绪型”企业具备更成熟的数据与AI能力 然而，这样的AI重塑就绪型企业在全球屈指可数，仅占调研总数的15%。在我们的企业成熟度分层模型中，紧随其后的是在AI之路上稳步前进的企业，我们称之为“AI推进者”（占43%）；再之后则是对AI的应用尚处在浅尝辄止试验阶段的企业，我们称之为“AI探索者”（占42%）。 以下是我们划分这三类企业的方法。我们从多个维度开展研究，评估企业要实现生成式AI规模化应用，必须具备哪些核心能力，以及企业当前各项能力的建设水平。 研究 发现，最为领先的AI重塑就绪型企业，无论是在生成式AI传统基础能力建设，还是在我们称之为“新型数据与AI核心能力”方面，均已达成熟阶段（参见图1面积最大的雷达图）。新型能力包括大语言模型运维（LLMOps）成熟度、数据管理与治理（DM&G）新标准、数据源架构、基础模型实践，以及人才战略。（基础能力和新型能力的完整列表请参见附录2。） 与此同时，尚在稳步前行的AI推进者，在这些能力上表现出中等成熟度（参见图1面积中等的雷达图）。而AI探索者的能力成熟度则相对较低（见面积最小的雷达图）。 简而言之，AI重塑就绪型企业已构建起强大的数字核心，这对规模化应用AI和数据驱动举措至关重要。数字核心能够确保数据可获取性、计算性能和系统安全性。2而缺乏强大数字核心的企业往往表现欠佳，难以适应快速变化的环境。 以上是宏观视角。从微观视角来看，即便是AI重塑就绪型企业，其战略举措规模化落地能力也存在着显著差异。我们将这些企业进一步细分为两类：第一梯队是已经成功落地多项战略举措的“领跑者”，第二梯队则是至今仍未规模化部署任何战略举措的“快速追随者”（见图2）。 突围而出⸺领跑者的AI规模化之道 图3：规模化，赢在未来 与快速追随者相比，领跑者的独特优势何在？关键就在于其规模化布局战略举措的能力。 领跑者平均已实现34%战略举措的规模化落地 事实上，领跑者不仅制定了更多战略性举措，其落地规模与速度也远超同行。如图3所示，平均而言，领跑者已将34%行业最相关战略举措（约三到四项）规模化落地；另有40%的战略举措正处于规模化的早期阶段。 相比之下，快速追随者尚未规模化落地任何一项战略举措，仅有33%处于规模化的早期阶段。在AI推进者中，已实现规模化部署战略举措的企业占8%，处于早期阶段的占32%；在AI探索者中，占比分别是5%和28%。这些数据凸显了他们亟需弥合的差距。 那么，为什么领跑者能成功推进战略举措的规模化落地呢？毕竟，相较于领跑者（81%），更多快速追随者（89%）具备图1所示的五项AI基础能力。 几乎所有领跑者已具备三项及以上新型能力 原因是，领跑者在生成式AI新型数据与AI核心能力上具有明显优势。我们发现，28%的领跑者全部具备这五项新型能力，而快速追随者中这一比例仅为19%。 将领跑者与其他企业比较时，这一优势同样显著。如图4所示，97%的领跑者具备三项及以上新型数据与AI核心能力，而AI探索者的比例仅为5%。 然而，我们的研究也发现，快速追随者在这一领域的优势并未得到充分发挥，原因是他们普遍尚未建立集中化运营模式，如作为企业AI战略、开发和部署核心的“卓越中心”（Center of Excellence，CoE）。只有16%的快速追随者成功采用了这一模式，而领跑者的比例高达57%。 同时，领跑者还展现出多项其他优势特征。这些企业获得CEO和董事会对AI投资支持的比例达到19%，快速追随者仅为5%。领跑者中有59%已将核心AI战略、关键流程和技术能力整合为统一框架，而快速追随者中这一比例为36%。更广泛来看，领跑者AI平台达到高成熟度的可能性是行业平均水平的三倍。 化其大语言模型（LLM），快速追随者仅为1%。领跑者也更擅长利用“知识图谱”对数据进行结构化和语境化处理（26%对比3%），以及在整个数据生命周期高效管理数据（22%对比6%）。 在利用多样化数据源方面，领跑者同样优势明显。领跑者比快速追随者更倾向于大量使用零方数据（44%对比4%）、第二方数据（30%对比7%）、第三方数据（25%对比8%）以及合成数据（35%对比6%）。相比之下，快速追随者仅在两个领域接近领跑者：第一方数据（快速追随者60%对比领跑者67%）和隐性知识利用（快速追随者72%对比领跑者68%）。3 在技术应用层面，65%的领跑者擅长使用并持续改进符合行业需求的自主AI代理，而快速追随者的比例为50%。同样，领跑者在明确定义AI用例的业务价值方面也比快速追随者更娴熟。 在组织变革方面，领跑者高度重视以人为本的转型：关注阻碍变革的