2025年领跑者的AI扩展指南:行业领袖的教训

行业领袖的教训 作者 蓝关首席人工智能官埃森哲 菲利普·鲁西埃全球创新和人工智能首席专家，埃森哲研究 数据与人工智能全球负责人，埃森哲 关于研究 我们对2000名C级高管和数据科学高管进行了调查，他们领导着全球最大的1998家公司（收入超过10亿美元），这些公司在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）设有总部，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月到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财务和非财务价值。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。 为了识别最重要的战略赌注（参见下文“采取战略行动”），我们还采访了 Accenture 内部和外部众多 C 级别的专家。此外，我们还利用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。我们的研究进一步得到了我们在帮助客户扩展 AI解决方案方面丰富经验所提供的见解的丰富。通过借鉴这些多样化的输入，我们的研究结论既涵盖了人工智能的战略视角，也反映了现实世界的执行挑战。 在本报告的语境中，“扩展人工智能”是指将人工智能应用扩展到整个企业，以实现更广泛、更具影响力的成果。“扩展”包括将人工智能整合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；推动创新以在市场上获得竞争优势；以及以其他方式改进关键绩效指标。“生成式人工智能”是一个总称，用于指代能够产生全新输出（如文本、图像、视频、音频和代码）的人工智能。 执行摘要 对于企业而言，在竞争对手中保持持续的竞争优势一直是圣杯——一个渴望得到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已经逆转了局面，将曾经无法企及的目标变为可达。这就是为什么世界上最大的公司在大量投资数据和人工智能的原因。 尽管每家企业都可能希望拥有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，这其中的一个大原因在于低数据“准备度”——这发生在所有类型的数据，尤其是非结构化数据，没有得到充分利用。 我们调查的70%的公司承认在扩展人工智能时需要强大的数据基础。 令人鼓舞的是，大多数商业领袖都认识到了这一挑战。例如，在我们调查的公司中，70%承认在扩展人工智能时需要强大的数据基础。 但要使用生成式人工智能（生成式AI）重塑企业，并不仅仅是部署几个聊天机器人那么简单。重塑意味着要构建先进的AI能力，例如“代理架构”，这是一种超越自动化常规任务、以协调整个业务工作流程的人工智能代理网络。 数据当然不是企业利用生成式AI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AI工具、全面培训和领导层清晰指导的访问，也是重大障碍。 凭借高级推理能力，AI代理能够自主协作，在规模化上提升质量、生产力和成本效率。代理式架构正在迅速普及：本报告调查中，三分之一的受访公司已开始使用AI代理来增强其创新能力。 与此同时，我们的研究揭示，一小部分公司（“领跑者”）已经通过生成式人工智能重塑企业取得了相当大的成功。这些公司始终做对了一件非常重要的事情：他们将我们所说的“基本盘”生成式人工智能投资与“战略赌注”（见下文，“要有策略”）相结合。 因此，重塑需要将人工智能深度融合到公司战略的核心。为此，企业必须在首席执行官和董事会积极主动的领导下，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和战略变革。 领跑者例如在他们关键的赌注中使用代理式人工智能来提高效率。并且在他们战略性的赌注中，他们部署代理式人工智能来彻底重塑他们的组织流程和工作流程。 我们发现34%的受访公司至少调整过一个战略赌注。这些公司也显著更多地投入云端和人工智能（将51%的技术预算投入这些领域），而不是那些没有任何战略赌注调整的公司（它们的相应技术预算为45%）。 为了揭示我们研究的九个行业中每个行业最重要的战略赌注，我们征询了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。我们还采访了世界上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”。） “战略赌注”是针对生成式AI的重要且长期的投资，它们专注于公司价值链的核心（例如，对于保险公司是承保和理赔，对于公用事业公司是资产管理，对于生命科学公司是研发），并且还能带来非常巨大的回报。战略赌注旨在最大化生成式AI的潜力，以驱动变革性、特定行业、流程层面的效率，以及卓越的生产力、创新和收入增长。 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展各自行业专注的战略赌注来采用通用人工智能的程度。例如，公用事业行业的公司被问及他们在10个公用事业专注的战略赌注方面的经验。例如，一个问题评估了公司在围绕其“增强资产管理”战略赌注的通用人工智能采用水平。然后，公司可以沿着一个范围回答，从“未采用”到“全面扩展”，在整个企业范围内。 “基础投入”则相反：驱动组织内广泛人工智能采用并验证该技术处理特定用例（如能够无缝切换文本和语音交互的客户支持中心）能力的基础性投资。虽然基础投入只能提供增量价值，但它们仍然是人工智能成熟度的重要证明点。因此，即使公司专注于少数战略性赌注以推动企业再造，也应继续进行基础投入。 那些扩大战略赌注的公司通常对其财务表现也很满意。例如，与那些还没有这样做过的竞争对手相比，至少扩大过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）超过预期的可能性几乎是三倍。 但无论他们在扩大更具战略性的赌注之前有多少或多少工作要做，我们调查的所有公司都对使用通用人工智能进行重塑寄予厚望。平均而言，这些组织期望在18个月内跨企业部署和扩展通用人工智能后，生产率提高13%，收入增长12%，客户体验改善11%，成本降低11%。 基于我们的实证研究和广泛的客户工作，本报告探讨了AI转型准备就绪型企业的独特特征，这些特征仍然知之甚少。在接下来的几页中，我们确定了先行者所拥有的关键数据和AI能力——并描述了五个使先行者能够有效扩大其战略赌注的要点（有关五个要点的进一步分析，请参阅埃森哲报告《利用生成式AI实现转型》和《生成式AI时代的转型》）： 1. 以价值为引领 2. 重新定义人才和工作方式 3.打造具备人工智能的、安全的数字核心 4. 弥合负责任的人工智能差距 5. 驱动持续创新 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的强大工具的熟悉角色。当其得到充分发挥时，人工智能现在是远比这更伟大的事物：一个不可阻挡的企业重塑力量，允许公司比竞争对手成长得更快，创新得更好。 什么样的公司具备人工智能转型的准备？ 2022年，我们识别出一小部分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今天，这些“人工智能重塑就绪”的公司在基本功方面仍然表现出色。但它们也在极大地磨练其生成式人工智能能力。 AI再创新准备型公司，我们的研究也表明，仅代表世界上最大企业的极小一部分（我们研究的组织中仅占15%）。在我们的框架中，第二先进的群体是正在使用AI进步的公司（43%的公司），其次是仅进行AI实验的公司（42%）。 这里是我们得出这三个群体的方法。我们创建了一个指标，用于衡量和分类公司，基于它们在开发和部署对规模化战略赌注至关重要的能力方面的成熟度。 我们发现，最先进的群体——即人工智能重塑准备就绪的企业，在基础能力以及我们称之为生成式人工智能所需“新数据和人工智能核心能力”方面，都达到了高水平的成熟度（见图1中它们庞大的“网络”），后者包括大型语言模型运营（LLMOps）成熟度、数据管理和治理（DM&G）——新的必备要素、数据源、基础模型实践和人才实践。（基础能力和新能力的完整列表参见附录2。） 同时，正在推进人工智能的公司在这些能力上表现出中等成熟度（图1中的中型网络）。而进行实验的公司则具有相对较低成熟度（小型网络）。 只有8%的公司是先行者 人工智能重塑型企业简而言之已发展出强大的数字核心，这对于扩展人工智能和数据驱动型计划至关重要，确保数据可访问性、计算性能和安全。2没有强大的数字核心，企业更有可能表现不佳，并难以适应快速变化的环境。 那是宏观视角。然而，微观视角表明，并非所有已准备好革新的公司都能同等擅长在生成式AI中扩展战略性赌注。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性赌注，而另一些公司（“快速跟随者”）尚未扩展任何战略性赌注（图2）。 突破——领跑者如何扩展人工智能 区分领跑者和快速跟随者的，是在部署和扩展战略赌注方面的相对能力。 事实上，领跑者不仅进行更多战略性的赌注，而且其规模化的速率也显著高于其他公司。如图3所示，领跑者平均已经将与其行业最相关的34%的战略赌注（或三到四个赌注）规模化；另外40%的领跑者战略赌注处于规模化初期阶段。 快速跟随者另一方面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（8%的战略赌注已扩展，32%处于早期阶段）的公司以及仅进行人工智能实验的公司（分别为5%和28%）的数据同样强调了他们需要弥补的差距。 那么，领跑者为何在扩展战略赌注方面表现出色？毕竟，已经有更多快速跟随者（89%）而不是领跑者（81%）开发了图1中提到的五种人工智能基础能力。 要理解原因，首先看生成式AI的新数据及其核心能力。在此，领跑者具有明显优势：我们发现，28%的领跑者已经开发出了这五项所有能力，相比之下，只有19%的快速跟进者如此。 当领先者与其他公司比较时，这种优势也很明显。如图4所示，97%的领先者已经开发了三种或更多用于生成式AI的新数据和人工智能关键能力，而只是5%正在尝试使用人工智能的公司（图4）。 考虑领跑者的其他显著特征。这些公司对其人工智能投资更有可能获得强有力的首席执行官和董事会支持，而不是快速追随者（分别有19%和5%的受访公司）。与快速追随者相比（59%对36%），领跑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，与其他公司相比，领跑者有三分之二的概率已经使其人工智能平台达到了较高的成熟度水平。 然而，我们的研究也揭示，快速追随者在这一领域受到阻碍，因为他们大多缺乏一个集中的运营模式——例如一个作为公司AI战略、发展和部署焦点的“卓越中心”。例如，只有16%的快速追随者拥有集中的运营模式，而57%的领跑者则拥有。 相比快速跟随者，他们更有可能做些事情，比如使用“知识图谱”来构建和语境化数据（26% v. 3%）以及在整个数据生命周期中有效管理数据（22% vs. 6%）。 在利用多样化数据来源方面，领跑者同样具有明显优势。例如，他们比快速跟随者更可能大量使用零方数据（44% vs. 4%）、第二方数据（30% vs. 7%）、第三方数据（25% vs. 8%）和合成数据（35%vs. 6%）。相比之下，快速跟随者比领跑者大量使用第一方数据（60% vs. 67%）和隐性知识（72% vs. 68%）的可能性仅略高。3 领跑者另一个重要的差异化因素在于，他们更有可能擅长使用并根据行业需求持续改进定制化的AI代理。例如，65%的领跑者在该领域具备技能，相比之下，快跟者中只有50%。同样，领跑者在从其AI用例中定义商业价值方面也比快跟者更为熟练。 领跑者也重视以人为中心的变革：他们关注的阻碍变革的文化问题比快速跟进者高出四倍；强调人才匹配和透明沟通的可能性高出三倍；运用行为科