随着生成式AI迅速渗透多个领域，其正为提升生产力开辟全新的机遇。2023年8月1日，全球咨询巨头麦肯锡（McKinsey & Company）发布《2023年AI现状：生成式AI的爆发之年》报告。元战略摘编报告重要内容，探讨生成式AI工具的广泛使用对生产力带来的深远影响。
虽然还为时尚早，但生成式AI的应用已十分广泛
麦肯锡于2023年4月中旬的调查结果显示，尽管生成式AI刚刚公开可用，但使用这些工具的情况已非常普遍，受访者预计生成式AI将改变其所在的行业。生成式AI引起了商界人士的极大兴趣：不同地区、行业和资历的个人都在工作和工作之外使用生成式AI工具。79%的受访者表示，他们在工作中或工作之外至少一次接触过生成式AI工具；22%的受访者表示，他们在自己的工作中经常使用生成式AI工具。虽然不同资历的受访者使用生成式AI工具的情况大同小异，但技术行业和北美地区工作的受访者使用生成式AI工具的频率最高（见图1）。
图1 不同地区、行业、资历、年龄和性别的受访者使用生成式AI工具的比例
组织机构也在普遍使用生成式AI工具。有1/3的受访者表示，其组织机构已经在至少一项业务职能中定期使用生成式AI工具，这意味着在麦肯锡的调研中，有60%的组织机构正在使用生成式AI工具；40%的受访者表示，得益于生成式AI，其组织机构预计将在AI领域进行更多投资；28%的受访者表示，生成式AI的使用已列入董事会议程。此外，最常使用这些工具的业务职能包括：营销和销售、产品研发以及客户运营。这表明，组织机构正在寻求生成式AI工具的最大价值。麦肯锡在之前发布的《生成式AI的经济潜力：下一波生产力浪潮》报告中提到，上述三个业务职能与软件工程一起，为生成式AI用例提供了75%的潜在价值（见图2）。
图2 不同业务职能的受访者定期使用生成式AI工具的比例
早期阶段，人们对生成式AI带来的影响抱有很高的期望：3/4的受访者预计生成式AI将在未来三年内对其行业竞争造成颠覆性的改变。在技术和金融服务行业工作的受访者最期待生成式AI带来巨大改变。麦肯锡以往的研究表明，虽然所有行业都有可能受到影响，但影响程度可能会有所不同。对知识工作依赖程度最高的行业可能会受到更多的影响，并且可能会获得更多的价值。麦肯锡预计，科技公司受到生成式AI的影响最大，其增加的价值相当于全球行业收入的9%，但以知识为基础的行业，如银行业、制药和医疗产品业以及教育业也可能受到重大影响。相比之下，以制造业为基础的行业，如航空航天、汽车和先进电子产品，可能受到的负面影响较小。这与前几次对制造业影响最大的技术浪潮形成鲜明对比，其原因在于生成式AI在基于语言的活动方面具有优势，而不是那些需要体力劳动的活动。
麦肯锡高级合伙人兼人工智能QuantumBlack全球负责人Alex Singla评论表示：
生成式AI发展速度之快令人惊叹。几个月前，领导者之间的对话还很简单，主要停留在生成式AI是什么，哪些是炒作，哪些是真实情况。而现在，在短短六个月左右的时间里，领导者们正在进行更为复杂的对话。从调查的结果中可以看到，近1/3的公司正在至少一项业务职能中使用生成式AI。这显示出企业对于在业务中使用生成式AI工具可行性的认知和接受程度。
接下来的问题是，企业将如何迈出下一步，以及生成式AI是否会遵循麦肯锡观察到的更普遍的AI模式，即采用率稳定在50%左右。从数据中可以看出，在已经使用生成式AI的公司中，有将近一半的公司正在计划增加对AI的投资。部分原因是，这些公司认识到需要更广泛的能力来充分利用生成式AI。
要想迈出下一步，使生成式AI转变为业务引擎，并确保获得丰厚的投资回报，企业就必须解决一系列广泛的问题，这些问题包括：确定组织内生成式AI的具体机遇、治理和运营模式应该是什么、如何更好地管理第三方（如云计算和大语言模型供应商）、管理各种风险需要什么、了解生成式AI对人员和技术堆栈的影响，以及清楚如何在银行近期收益和发展规模所需的长期基础之间找到平衡。这些都是复杂的问题，但却是释放巨大价值的关键所在。
调查显示，许多组织机构尚未对生成式AI工具的广泛使用以及这些工具可能带来的商业风险做好充分的准备。只有21%的受访者表示其组织机构已经制定了政策，并管理员工在工作中使用生成式AI。当特别问及使用生成式AI可能带来的风险时，很少有受访者表示其组织机构正在降低常见的AI风险——不准确性，受访者提到不准确性的频率比网络安全和监管合规的频率都高，而在以往的调查中，网络安全和监管合规是AI最常见的风险。只有32%的受访者表示其组织机构正在降低不准确性，这一比例低于正在降低网络安全风险的受访者（38%）。有趣的是，这一数字明显低于麦肯锡去年报告降低AI相关网络安全风险的受访者比例（51%）。总体而言，与麦肯锡前几年调研的结果一致，大多数受访者表示其组织机构没有应对AI相关风险（见图3）。
图3 组织机构对不同类型的AI风险的认知与应对现状
麦肯锡高级合伙人兼人工智能QuantumBlack全球负责人Alexander Sukharevsky评论表示：
人们普遍意识到生成式AI带来的相关风险。与此同时，普遍存在的焦虑和恐惧使领导者在有效应对风险上面临挑战。麦肯锡最新的调查显示，仅有约20%的公司制定了针对生成式AI的风险政策。这些政策往往侧重于保护公司的专有信息，如数据、知识和其他知识产权。这些都是至关重要的，但麦肯锡也发现，许多风险都可以通过改变企业的技术架构来解决，这反映了既定政策。
然而，真正的陷阱在于企业对风险的认识过于狭隘。企业还需要关注社会、人道主义、可持续发展等一系列重大风险。事实上，生成式AI带来的意外后果比某些人鼓吹的世界末日更有可能对全球造成伤害。那些富有建设性的企业正在尝试和使用生成式AI，并同时制定了一套结构化流程来识别和应对这些更广泛的风险。它们正在建设测试用户和特定团队，负责任地思考生成式AI应用可能如何出错，以便更好地预测其中的一些后果。它们还与企业中最优秀、最有创造力的员工合作，为企业和整个社会确定最好的结果。深思熟虑、有条不紊、全面了解新出现的风险和机遇，对于负责任地、富有成效地发展生成式AI至关重要。
领先的企业已走在生成式AI的前列
调查结果显示，AI高绩效企业，即受访者称2022年息税前利润至少有20%归功于使用AI的企业，正在全力投入使用AI。这些从AI中获得巨大价值的企业已经比其他企业在业务职能中更多地使用了生成式AI工具，尤其是在产品和服务开发、风险和供应链管理方面。从所有的AI能力（包括更传统的机器学习能力、机器人流程自动化和聊天机器人）来看，AI高绩效企业比其他企业更有可能在产品和服务开发中使用AI，例如优化产品开发周期、为现有产品增加新功能以及创造基于AI的新产品。与其他企业相比，这些企业还更多地将AI应用于风险建模以及人力资源领域，如绩效管理、组织设计和劳动力部署优化。
他们与同行的另一个不同点是：AI高绩效企业使用生成式AI工具大多不以降低成本为导向，而降低成本则是其他企业的首要任务。AI高绩效企业的受访者表示，他们的企业使用生成式AI工具的首要目标是创造全新的业务或收入是其他企业两倍的可能性，而且这些AI高绩效企业最有可能通过基于AI的新功能以提高现有产品的价值（见图4）。
图4 AI高绩效企业和其他企业使用生成式AI工具的首要目标比例
正如麦肯锡几年前所看到的，这些AI高绩效企业在AI方面的投入远高于其他企业：AI高绩效企业的受访者表示，他们将20%以上的数字预算用于AI的可能性是其他企业的五倍多。此外，这些企业在内部更广泛地使用AI功能。AI高绩效企业的受访者表示，他们的企业已在四个或更多的业务职能中使用AI，并嵌入了更多的AI功能。例如，除了生成式AI和自然语言功能外，AI高绩效企业的受访者更多地表示其企业至少在一个产品或业务职能流程中嵌入了知识图谱。
虽然AI高绩效企业也面临着从AI中获取价值的挑战，但结果表明，他们所面临的困难反映了其在AI领域方面的相对成熟度，而其他企业则在AI使用的基础性、战略性要素方面举步维艰。AI高绩效企业的受访者认为其所属企业的首要挑战是模型和工具，例如监控生产中的模型性能，以及随着时间的推移需要重新训练模型等。相比之下，其他企业的受访者则更多地提到了战略问题，例如制定与业务价值相关联的、定义明确的AI愿景或寻找足够的资源（见图5）。
图5 AI高绩效企业和其他企业从Al中获取价值所面临最大挑战的要素比例
研究结果进一步证明，即使是AI高绩效企业也没有掌握使用AI的最佳实践，如机器学习运营（MLOps）方法。例如，只有35%的AI高绩效企业的受访者表示，在可能的情况下，他们的企业会对现有组件进行重组，而不是创造开发，但这一比例远远高于其他企业的受访者（19%）。
要使用生成式AI提供的一些更具变革性的用例，可能需要许多专门的MLOps技术和实践，并且要尽可能安全地做到这一点。实时模型运营就是这样一个领域，在这个领域中，监控系统和设置即时警报以快速解决问题，可以使生成式AI系统处于可控状态。在这方面，优异的企业表现突出，但仍有发展空间：这些企业中有1/4的受访者表示，他们企业的整个系统都受到监控并配备了即时警报。
华盛顿特区办事处合伙人Bryce Hall评论表示：
在过去六年中，麦肯锡每年都会进行全球AI研究，其中发现的共同点是，AI高绩效企业会从更广阔的视角来看待成功所需的一切。这些企业善于专注价值，然后重新调整组织架构以获取利益。这种模式在研究AI高绩效企业如何使用生成式AI时也十分明显。例如，在战略方面，麦肯锡分析得出，领导者们正在寻找在其业务领域中使用AI的高价值机会。值得注意的是，这些领导者们并非只针对生成式AI开展这项工作。尽管人们对令人眼花缭乱的生成式AI应用感到兴奋，但对企业来说，一半以上的潜在价值来自于不使用生成式AI应用，这些企业在全面审视AI可能带来的潜在价值时，仍然保持着十分严谨的态度。
这种方法适用于所有能力领域。例如，在技术和数据方面，AI高绩效企业会专注于获取其确定价值所需要的能力。这包括使大语言模型能够在公司和行业特定数据上进行训练的能力。它们正在通过使用现有AI服务评估和测试所实现的效率和速度（称之为“获取者”方法），并开发创造竞争优势的能力，例如通过调整模型和使用自己的专有数据训练模型（称之为“塑造者”方法）。
与AI相关的人才需求发生变化，预计AI对劳动力将产生巨大的影响
麦肯锡最新的调查结果显示，企业的招聘职位发生了变化。在过去一年中，使用AI的企业最常聘用的是数据工程师、机器学习工程师和Al数据科学家，这些职位都是麦肯锡去年的调查中常见的职位。但是，今年企业招聘Al软件工程师的比例（28%）与去年调查的比例（39%）相比要小很多。随着Al的普及，最近出现了提示工程相关的职位，有7%的受访者表示，企业在过去一年中招聘了这些职位。
调查结果表明，Al相关职位的招聘仍是一项挑战，但在过去一年中招聘难度有所降低，这可能反映了2022年末至2023年上半年科技公司的裁员潮。与去年的调查相比，有较少比例的受访者表示企业在招聘Al数据科学家、数据工程师和数据可视化专家等职位时遇到困难，但受访者的回答也表明，招聘机器学习工程师和Al产品负责人仍与去年一样具有挑战性（见图6）。
图6 组织机构在招聘AI相关职位时遇到困难的比例
展望未来三年，受访者预测，企业使用Al将重塑劳动力中的许多角色。他们预计重新掌握技能的员工要多于离职的员工。近40%的受访者表示，企业使用Al后将有超过20%的员工接受技能培训，而8%的受访者表示，企业员工人数将减少20%以上（见图7）。
图7 未来3年企业使用AI对员工人数产生的预期影响
使用AI带来的具体预期影响方面，大多数受访者预计企业服务运营的员工人数将会减少。这一发现与麦肯锡近期的研究结果基本一致：虽然Al的出现提高了人们对实现自动化工作比例的预期（从50%提高到60%—70%），但这并不意味着一定会使员工的全部工作实现自动化（见图8）。
图8 未来3年企业使用AI对不同业务职能中员工人数产生的预期影响
预计AI高绩效企业将比其他企业进行更高水平的技能再培训。这些企业的受访者表示，由于AI高绩效企业使用了AI，其企业将在未来三年内对超过30%的员工进行技能再培训的可能性是其他企业的三倍多（见图9）。
图9 未来3年AI高绩效企业和其他企业对员工进行技能再培训的可能性
麦肯锡湾区办事处高级合伙人Lareina Yee评论表示：
我们正处于生成式AI的早期阶段，企业已经预计到它将对人才产生重大影响，从开拓工作机会、改变工作方式，到引入全新的工作类别等。生成式AI的优势之一是它几乎可以帮助任何人完成其工作，但这也是我们所面临的最大挑战。
这种规模与传统的AI不同，传统的AI影响的是相当小的一部分群体，即在机器学习、数据科学或机器人等技术领域拥有深厚技能的人才。考虑到所需的高度专业化能力，AI人才似乎总是供不应求。麦肯锡的调查显示，这些职位的招聘仍然是一项挑战。相比之下，生成式AI仍然需要高技能人才来建立大语言模型和训练生成式模型，但用户几乎可以是任何人，而且他们不需要数据科学学位或机器学习专业知识就能有效工作。这个比喻类似于从大型计算机（由高技术专家操作的大型计算机）到个人计算机（任何人都可以使用）的转变。这是一个革命性的转变，改变了人们使用技术作为强有力工具的方式。
麦肯锡的调查也反映了将生成式AI视为工具的观点。在大多数情况下，企业将生成式AI视为增强人类活动的工具，而不一定是取而代之。到目前为止，我们主要看到一些企业在使用生成式AI方面有所倾斜，这些企业将重点放在实用领域，因为在这些领域中，提高业绩增长或生产率的途径最为明确。例如，使用生成式AI工具能够使传统代码实现现代化或加快科学研发的时间。我们对这些功能的了解还仅仅停留在表面，未来可以预见我们将加速其使用。
所有人都在关注生成式AI，但AI的使用和影响将保持稳定
虽然生成式AI工具的使用正在迅速普及，但调查数据并未显示这些新工具正在推动组织机构整体使用AI。至少就目前而言，整体使用AI的组织机构比例保持稳定，55%的受访者表示其组织机构已使用AI；不到1/3的受访者表示，其组织机构已在一个以上的业务职能中采用了AI，这表明AI的使用范围仍然有限。与以往的调查结果一致，产品研发和客户运营仍然是受访者最常提及的两项使用AI的业务职能。总体而言，仅有23%的受访者表示，其组织机构去年至少有5%的息税前利润归功于AI的使用，这表明组织机构还有更大的空间来获取价值（见图10）。
图10 组织机构使用AI的业务职能数量占比情况
组织机构在继续使用AI的业务职能方面看到回报，并计划在未来几年增加投资。大多数受访者表示，在使用AI的每个业务职能中，与AI相关的收入都有所增加。展望未来，超过2/3的受访者预计他们的组织机构将在未来三年内增加对AI的投资（见图11）。
图11 2022年组织机构中不同业务职能使用AI降低成本和增长收入的比例
麦肯锡全球研究院合伙人兼湾区办事处合伙人Michael Chui评论表示：
麦肯锡一直在强调生成式AI的重要性，因为它具有革命性的潜力。麦肯锡的这项调查很好地提醒了我们，在更广阔的AI世界中，还有很多价值有待发掘。事实上，麦肯锡的其他研究表明，非生成式AI甚至比生成式AI更有价值潜力。在提高预测准确性、优化物流网络和提供下一个产品购买建议等领域的用例都可以为更广泛地使用AI的公司创造价值。
调查结果显示，虽然AI的总体采用率仍稳定在55%左右，但超过2/3的受访者表示，其企业计划增加对AI的投资。我们将继续看到一批AI高绩效企业，它们正在AI的建设基础和功能，以创造更大的价值。一种解释是，在从AI中获取价值方面，“富者愈富”，而麦肯锡更感兴趣的是生成式AI是否会为未来全面普及使用AI打开大门。
文章译自：麦肯锡公司官网
文章题目：The state of AI in 2023: Generative AI’s breakout year
文章链接：
https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai%20in%202023%20generative%20ais%20breakout%20year/the-state-of-ai-in-2023-generative-ais-breakout-year_vf.pdf