利用人工智能的价值：释放可扩展的优势

解锁可扩展优势 目录 01 谁应该阅读这份报告以及原因是什么？ 跨职能的商业领袖，包括企业战略、财务与风险、人力资源、市场与销售、IT、可持续发展、创新/研发、产品设计/开发、采购、制造/运营以及供应链等领域，会发现这份报告很有用。它基于对来自15个国家（澳大利亚、巴西、加拿大、法国、德国、印度、意大利、日本、荷兰、挪威、新加坡、西班牙、瑞典、英国和美国）年收入超过10亿美元的组织的1100名领导者（总监级及以上）进行的调查的全面分析。如果你正寻求超越实验，转向规模化、符合道德规范，并具有高投资回报率（ROI）的人工智能部署——这份报告正是为你准备的。 本报告为商业与技术领袖提供了关于传统人工智能、生成式人工智能（Gen AI）和代理式人工智能变革潜力的关键洞察。这适用于汽车、消费品、零售、金融服务、电信、能源和公用事业、航空航天和国防、高科技、工业制造、制药和医疗保健以及公共部门/政府等各行业的大型组织。这是我们年度研究系列的第三部分，确定了采用和投资水平的转变、新兴用例以及投资回报率（ROI）趋势。它还探讨了人工智能采用对劳动力的影响、治理最佳实践和扩展策略的意义。 人工智能正在转型。该技术正以前所未有的速度从孤立的试点项目转向大规模的主流应用。组织正在解锁显著的优势，从加速创新到变革性的生产力提升。但这场高速扩张也带来了成本控制、劳动力适应和治理复杂性等挑战，同时日益强调伦理、可持续、可信和主权人工智能。 本报告涵盖技术的整合，包括传统人工智能、生成式人工智能（Gen AI）和代理式人工智能。此外，它分析了人才管理和治理的影响，并建议了促进生成式人工智能和AI代理负责任和可持续扩展的策略。 生成式人工智能的采用目前已成主流 对生成式人工智能的投资正在加速 一种新型人机协同模型 人工智能代理的兴起 生成式人工智能的采用率从2023年的6%跃升至2025年的30% -两年增长了五倍，现在，各行业的93%的组织正在探索、试点或部分/完全启用生成式AI能力。例如，在电信领域，到2025年，部分或完全实施的规模增加到了49%，比2024年翻了一番以上。客户运营、营销、风险管理和IT仍然是生成式AI实施的主要职能。采用生成式AI的组织也从中显著受益，大约有80%的组织对其生成式AI成果表示满意。 已经，14%的机构已实施人工智能代理，覆盖部分范围（12%）或全面范围（2%）,并且近四分之一（23%）已经启动试点项目。大多数（85%）高管对人工智能代理在接下来3-5年内处理其职能中的一个或多个业务流程表示乐观。在已经扩展人工智能代理的组织中，近45%正在试点或扩展多智能体系统，突显了其采纳速度。如今，近十分之四的组织对人工智能代理在接下来3-5年内将演变成需要极少人工监督的自学习实体表示乐观。 人工智能正在进化从工具到团队成员我们的研究指出，近60%的组织正在将AI视为增强型/自主型团队成员或对其他AI的监督者，并计划在未来12个月内实施这一方案——这一比例从目前的44%有所上升。但组织对于这种合作准备不足。组织还期望AI代理专注于特定任务，而不是接管整个角色，近78%的组织可能会在未来3至5年内以这种方式使用AI代理。尽管如此，超过五分之三的组织承认员工担心AI代理对工作和职业发展的影响。 十分之九（88%）的组织都在报告平均增加9% 在过去的12个月中，在生成式人工智能领域的投资。大多数（61%）高管预计这一趋势将在下一年继续。然而，成本问题，包括“账单冲击”，仍然普遍存在。组织也越来越关注小型语言模型（SLM）的成本效益。 用人工智能创造价值: 围绕人工智能的信任仍然是一个令人担忧的问题 人工智能日益增长的环境足迹 — 重新设计流程以有效部署人工智能 — 开发框架以识别适合其业务和行业需求的正确人工智能技术组合 — 构建稳健的数据和技术生态系统，以实现可扩展和负责任的人工智能 — 采用“平台化”，以扩展人工智能 组织认识到生成式人工智能的碳排放量和增长令人担忧但是，超大规模提供商和通用人工智能模型提供者缺乏对基础模型能源和碳足迹的透明度，对测量构成重大挑战。目前，只有五分之一的组织测量其通用人工智能的环境足迹。组织开始纳入可持续性措施，例如负责任使用指南和使用更小、特定任务的通用人工智能模型。 大多数（71%）的组织表示他们不能完全信任自主AI代理用于企业用途。缺乏充足的AI治理是造成这一现象的一个重要因素。有限信任等级大部分组织仍然难以制定充分的 AI 守护措施和治理机制。只有 46% 的组织为其 AI 系统建立了治理政策，而在这些组织中，47% 的报告称员工很少遵循这些政策。然而，我们看到组织正开始制定关于AI 使用的道德准则。 • 强化信任，加强强有力的AI治理：– 确保AI在定义的执行范围和行动内运行，并保持可追溯和可解释性以赢得信任 – 建立以伦理考量为支撑的强大、跨功能的AI治理机制 – 建立强大的数据治理和管理框架 • 设计人与AI的交互，以加强工作流程、决策和文化的方法： —重新思考人员规划、角色和职业发展 —优先考虑技能发展和文化转型 —调整实践、流程和运营模式以适应人机团队 —重新定义绩效指标以衡量混合绩效 03通用人工智能走向主流 7% 在我们总共1100家机构的调查样本中，仅有7%尚未开始探索生成式AI 从2023年到2024年，采用量激增，如今扩展需求需要科技、数据和文化的完美一致。 超过十分之四的电信、消费产品以及航空航天和国防组织已在部分或大多数职能或地点中实施了生成式人工智能 Telstra 澳大利亚电信公司Telstra推出了一款生成式人工智能工具Ask Telstra，帮助其人工代理在几秒钟内找到客户问题的答案并总结客户最近的互动记录。百分之八十的代理表示它对客户互动产生了积极影响，90%的代理表示自实施以来效率更高，并遇到了电话跟进减少20%。1 巴氏罗宾斯 在韩国，巴斯金-罗宾斯推出了一款使用谷歌Gemini大语言模型推荐成分的冰淇淋口味，根据客户的MBTI为其推荐口味2人格特质。3 客户运营、市场营销、风险管理以及IT仍然是生成式AI实施中的核心职能 我们…相信生成式人工智能将改变客户互动方式，为顾问行业带来新的效率，最终帮助释放时间，让你能做最擅长的事：服务你的客户。7 安德鲁·萨珀斯坦联合总裁摩根士丹利 组织致力于投资生成式人工智能：过去12个月内，88%的支出增加了至少9% 生成式人工智能的投资正帮助组织创造价值 肆无忌惮的实验也导致通用人工智能成本上升 55% 57% 组织普遍认为，许可证和实施相关的成本是扩展通用人工智能的重要阻碍。 有组织表示，初期的通用人工智能投资成本可能短期内无法抵消其收益 云中的账单惊吓 30% 一项最新报告强调，过去一年企业云成本平均上涨了30% 9在人工智能和生成式人工智能上的支出被列为首要驱动力一半受访者的云支出增长。 从完全预训练模型向推理模型的逐渐转变正在增加组织在计算成本方面的负担。 有效的AI成本管理包括战略投资、理解定价模型、使用云端自动扩展，并投资早期概念验证[概念验证]。更重要的是，它需要优先发展可适应的解决方案，以便随着技术的演变不断集成更经济高效的AI服务。 冯伟伟 全球技术主管，人工智能和生成式人工智能，赛峰 大多数组织更倾向于专有模型，但由于成本优势，他们也愿意探索开源模型 增材制造的开发便捷性和成本效益正推动其采用 采用SLM的主要原因 来源：德勤研究院，生成式AI高管调查，2024年5月至6月，N = 1,031家至少在探索生成式AI能力的组织；德勤研究院，生成式AI高管调查，2025年5月至6月，N = 982家至少在探索生成式AI能力的组织。* 在2025年的数据点中，来自巴西的受访者被排除在外，因为他们未被2024年的研究包括在内。 来源：埃森哲研究院，生成式人工智能高管调查，2025年5月至6月，N = 1,020家至少正在探索生成式人工智能能力的组织。 小即是新的大：SLM 的日益普及突显了人们对该技术的日益增长的信心，以及企业 AI 策略向专业、高效的转变以及针对特定业务需求的成本效益解决方案。 较小的模型意味着应用程序的运行成本较低，更重要的是，如果你有一个缩小100倍的模型，你可以用同样的成本调用它100次，每次调用都能为你的应用程序带来更多智能。我们将这种现象称为“压缩知识”。 亚瑟·门施首席执行官兼联合创始人 Mistral AI 04人工智能代理的兴起 什么是AI代理和具主体性AI？ 智能体 是连接到商业环境、自主决策、并通过或无需人工干预来行动以实现特定目标推理引擎。随着推理人工智能模型的最新进展，人工智能代理可以分解任务，通过逻辑路径“推理”以找到解决方案，测试这些解决方案，并呈现成功结果。 未来，人工智能代理将成为我们与计算机交互的主要方式。它们将能够理解我们的需求和偏好，并主动协助我们完成任务和决策。10 人工智能代理的例子包括OpenAI的Operator、Devin、Manus以及Google的Gemini Agent Mode和H公司的RunnerH。 自主AI 是一个更广泛的概念，包括使智能体能够运作的系统、平台、实践、工具和技术。智能体系统在当前的AI浪潮之前就已存在，并且可以使用AI和非AI技术来构建。 多智能体系统 由多个具有不同能力和角色的独立代理组成。这些自主代理：• 与其环境及其他交互 • 能够独立行动 • 能在各种业务和IT流程中无缝协调和协作以实现共同目标 萨提亚·纳德拉微软CEO 14%的 组织 已经 部分或全面 部署了AI代理 高管中首选的生成式人工智能模型 (%), 2025 62% 组织的更愿意与解决方案提供商合作例如 Salesforce、SAP 和 ServiceNow，以及系统集成了实现或定制这些产品套件中已有的 AI 代理。11 仅33组织的倾向于完全在内部开发专有AI代理。 % 来源：埃森哲研究院，AI代理研究，2025年7月，N = 1,522位高管。注意：“部分规模化实施”指在成功试点阶段之后，在特定的职能部门、单元或地点内，为选定的一组用户提供几个AI代理的阶段。“规模化部署”指在成功部分规模化之后，在某个职能部门内通常提供多个AI代理，或者多个职能部门的AI代理通常可用。 12 问题提出：以下哪个陈述最能描述贵组织目前采用AI代理的状态？请选择一项。为核实数据，我们重新确认了AI代理的采用情况——我们确认它们特指AI代理，而非AI/Gen AI助手（如Microsoft Copilot、Google Gemini、Open AI的ChatGPT、Mistral AI的Le Chat等）。有关AI代理与AI/Gen AI助手之间区别的说明，请参阅报告附录。 转型客户服务 美国零售商沃尔玛为它的开发者工具集添加了人工智能代理。其中一个代理专门设计用于识别代码中的可访问性差距。回顾并改造现有代码以及筛选和识别这些间隙是一项费时且容易出错的活动，所以有什么比这更好的用例适合代理呢？问道沃尔玛全球技术平台的首席运营官斯里瓦纳·卡尔纳蒂。14 在线支付公司,PayPal已部署人工智能代理实时检测和预防欺诈。这些智能代理分析交易模式，在处理前标记可疑活动，并从新数据中持续学习，这导致欺诈率降低了30%，并增强了客户信任。15 农业信贷波兰银行与 Deviniti 合作，通过部署人工智能代理来提升客户服务效率。该代理执行智能分类、情绪语气检测、自动回复和工作流程自动化。因此，该银行实现了文档处理时间减少 50%；每月节省超过 750 小时；提升了客户满意度和团队士气；并加速了复杂案件的处理速度。13 精简运营 优化物流 加速研发 YUM Brands,塔可钟的母公司和全球60,000家餐厅的运营商，推出了一款人工智能驱动的餐厅经理，该经理能够追踪员工出勤情况、规划排班模