人工智能的现状 组织如何重塑以获取价值

组织正在开始构建能够从生成式AI中创造有意义价值的结构和流程，尽管仍处于早期阶段，但公司正在重新设计工作流程、提升治理并降低更多风险。

• 组织变革与AI价值创造：公司正进行组织变革以从生成式AI中创造未来价值，大型公司引领潮流。麦肯锡全球调查发现，组织正在采取推动底线影响的步骤，例如在部署生成式AI时重新设计工作流程，并将高级领导置于关键职位，如监督AI治理。调查还显示，组织正在努力减轻日益增长的生成式AI相关风险，并招聘新的AI相关职位，同时重新培训员工参与AI部署。年收入至少为5亿美元的公司比小型组织改变得更快。总体而言，AI的使用——即生成式AI以及分析AI——仍在不断增长：现在超过四分之三的受访者表示，他们的组织至少在一个业务功能中使用AI。生成式AI的使用正在迅速增加。

• 生成式AI部署的组织结构：调查分析显示，CEO对AI治理（即开发 и 部署AI系统的政策、流程和技术）的监督——这是组织生成式AI使用中与更高的自我报告底线影响最相关的因素。这在大型公司中尤其如此，在年收入至少为5亿美元的大型组织中，CEO监督对归因于生成式AI的EBIT影响最大。28%的受访者表示，其组织的CEO负责监督AI治理，但在年收入至少为5亿美元的大型组织中，这一比例较小，17%的人表示董事会负责监督AI治理。在许多情况下，AI治理是共同拥有的：平均而言，受访者表示有两位领导者负责。

• 工作流程重新设计的重要性：AI的价值来自于重新设计公司运营方式，最新的调查表明，在所有大小的组织中，工作流程的重新设计对组织能够从其生成式AI使用中看到EBIT影响具有最大的影响。组织正在开始重塑他们的工作流程，因为他们部署生成式AI。21%的受访者报告说，其组织的生成式AI使用已经根本重新设计了一些工作流程。

• AI部署的结构化：调查结果还揭示了组织如何构建其AI部署工作。部署AI的一些基本要素倾向于完全或部分集中。对于风险和合规以及数据治理，组织通常使用完全集中的模式，例如卓越中心。另一方面，对于技术人才和AI解决方案的采用，受访者最常报告使用混合或部分集中的模式，一些资源由中央处理，其他资源分布在职能或业务单元中——尽管年收入不到5亿美元的组织比其他组织更可能报告完全集中这些要素。

• 生成式AI输出的监控：组织有员工监督生成式AI输出的质量，尽管这种监督的程度差异很大。27%的受访者表示，其组织的员工在使用生成式AI创建的所有内容之前进行审查——例如，在客户看到聊天机器人的响应之前，或在AI生成的图像用于营销材料之前。一个相似的份额表示，在使用前检查了20%或更少的生成式AI生成内容。与商业、法律和其他专业服务行业的受访者相比，其他行业的受访者更有可能表示所有输出都经过了审查。

• 生成式AI相关风险的应对：许多组织正在加大力度减轻生成式AI相关风险。与2024年初相比，受访者更有可能表示他们的组织正在积极管理与不准确、网络安全和知识产权侵权相关的风险——这三个生成式AI相关风险是受访者最常说的对其组织造成负面后果的风险。大型组织的受访者报告减轻的风险比其他受访者多。他们比其他人更有可能表示他们的组织正在管理潜在的网络安全和隐私风险，但他们并不比其他人更倾向于解决与AI输出准确性或可解释性相关的风险。

• 采用和扩展最佳实践：大多数受访者尚未看到其使用生成式AI带来的组织范围的底线影响——而且大多数人都还没有实施我们早前研究已知在部署新技术时有助于创造价值的采用和扩展实践。在发达市场的一组补充调查中，只有1%的公司高管将其生成式AI推出描述为“成熟的”。尽管部署仍然处于早期阶段，但我们已经开始看到当采用这些实践以捕获价值时产生的影响。我们询问受访者关于生成式AI的12个采用和扩展实践，发现每个实践都与EBIT影响呈正相关。对底线影响影响最大的是跟踪定义明确的生成式AI解决方案KPI，而在大型组织中，建立明确的路线图来推动生成式AI的采用对底线影响也具有最大的影响。

• AI对所需技能的影响：这项调查还考察了与AI相关的招聘状态以及其他AI如何影响劳动力市场的方式。使用AI的组织的受访者与2024年初的受访者一样有可能表示，他们的组织在过去12个月内为AI相关职位招聘了人员。唯一不同的角色是数据可视化和设计专家，与上次调查相比，受访者现在报告招聘这些角色的可能性显著降低。调查结果还表明，有几个新的与风险相关的角色正在成为组织AI部署过程的一部分。13%的受访者表示，他们的组织招聘了AI合规专家，6%的人报告招聘了AI伦理专家。大型公司的受访者比小型组织的同行更有可能报告招聘广泛范围的AI相关职位，其中最大的差距出现在招聘AI数据科学家、机器学习工程师和数据工程师方面。

• AI的使用持续增长：2024年，报告的AI使用量有所增加。在最新的调查中，78%的受访者表示，他们的组织至少在一个业务功能中使用AI，这与2024年初的72%和一年前的55%相比有所增加。受访者最常报告在IT和营销及销售功能中使用该技术，其次是服务运营。组织现在也在比以前更多的业务功能中使用AI。首次，大多数调查受访者表示，他们的组织在多个业务功能中使用AI。响应显示，组织平均在三个业务功能中使用AI——这与2024年初相比有所增加，但仍然是少数功能。

• 生成式AI的使用：自2024年初以来，生成式AI的使用也出现了类似的跳跃：71%的受访者表示，他们的组织定期至少在一个业务功能中使用生成式AI，这与2024年初的65%相比有所增加。响应显示，组织最常在营销和销售、产品和服务开发、服务运营和软件工程中使用生成式AI——根据早前的麦肯锡研究，在这些业务功能中部署生成式AI可能会创造最多的价值——以及IT。

• C级高管比其他人更频繁地使用生成式AI：个人使用生成式AI也显著增长，C级高管引领潮流。53%的受访者表示，他们定期在工作场所使用生成式AI，而中层管理人员的比例为44%。虽然我们在行业和地区之间看到个人使用生成式AI的差异，但数据显示在各个方面都在扩大使用范围。

• 生成式AI创造的价值：越来越多的受访者表示，他们正在看到在其使用生成式AI的业务单元中创造价值。与2024年初相比，更大的份额的受访者表示，其组织的生成式AI用例在其部署的业务单元中增加了收入。受访者报告的生成式AI收入增加与他们在上次调查中报告的分析AI活动相似。这强调了公司需要全面的方法来捕获AI和生成式AI解决方案的全部潜在价值。

• 生成式AI带来的成本降低：总体而言，受访者还更有可能表示，他们正在看到在其使用生成式AI的业务单元中实现有意义的成本降低。在2024年初，在报告在特定业务功能中使用AI的受访者中，只有少数人看到了其使用的成本降低。最新的调查发现，对于大多数业务功能中使用的生成式AI，大多数受访者报告成本降低。然而，生成式AI对企业级EBIT的影响报告尚未达到实质性水平。超过80%的受访者表示，他们的组织尚未看到其使用生成式AI对企业级EBIT产生任何有形影响。