01
不同地区、行业和资历的受访者表示已经在使用AI' >生成式AI工具
组织现在也较为普遍地使用生成式AI。三分之一的受访者表示，他们的组织已经在至少一个工作职能中定期地使用生成式AI，这意味声称采用AI的组织中的60%正在使用生成式AI。更进一步的是，在报告其组织采用AI的受访者中，有40%的人表示，他们的公司计划在生成式A方面投入更多资金;28%的人表示，生成式AI的使用已经提上了董事会的议程。使用这些新工具的最常见的业务功能与使用AI最常见的业务功能相同:营销和销售、产品和服务开发，以及服务运营，如客户关怀和后台支持。这表明，组织正在追求这些新工具的最大价值所在。在我们之前的研究中，这三个领域，加上软件工程，显示了从生成式AI用例中交付大约75%的年总价值的潜力。
曾接触过生成式AI工具占受访者的百分比,%
02
生成式 AI 工具最常见的用途是营销和销售、产品和服务开发以及服务运营
在此阶段，人们对生成式AI的影响抱有很高的期望：四分之三的受访者预计，生成式AI将在未来三年内对其行业的竞争性质造成重大或破坏性的影响。在科技和金融服务行业工作的受访者最有可能期待生成式AI带来颠覆性变革。我们之前的研究表明，虽然所有行业确实都有可能看到某种程度的颠覆，但影响的程度可能会有所不同，最依赖知识工作的行业可能会看到更多的颠覆 - 并可能获得更多的价值。虽然我们的估计表明，科技公司将受到生成式人工智能的最大影响，其附加值相当于全球行业收入的9%，但金融(5%)、制药和医疗产品(5%)以及教育(4%)等知识型行业也可能受到显著影响。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，可能会受到较小的破坏性影响。这与之前对制造业影响最大的技术浪潮形成鲜明对比，这是由于生成式AI在基于语言的活动方面的优势，而不是那些需要体力劳动的活动。
受访者报告他们的组织经常在工作职能中使用生成式AI的比例，%
在不同的业务职能中规律性地使用生成式AI用例，%
麦肯锡评论
Alex Singla
麦肯锡AI QuantumBlack的高级合伙人和全球领导者
关于生成式 AI 的讨论发展得如此之快令人惊讶。就在几个月前，高管层的对话还相当初级，重点是试图理解它是什么，看看什么是炒作，什么是现实。而现在，仅仅6个月后，商业领袖们的对话就变得复杂多了。正如我们从调查结果中看到的那样，几乎三分之一的公司在至少一项业务功能中使用了生成式AI。这突显出企业在多大程度上理解并接受生成式 AI在商业上的可行性。
下一个问题是公司将如何采取下一步行动，以及生成式AI是否会遵循我们在更广泛的人工智能应用中观察到的相同模式，其采用率已经稳定在50%左右。我们从数据中看到，在已经使用AI的公司中，几乎有一半的公司计划增加对生成式AI的投资，部分原因是他们认识到需要更广泛的能力来充分利用生成式AI。
下一步，生成式 AI 可以从测试变成商业引擎，并确保获得丰厚的投资回报，这需要公司解决一系列广泛的问题。其中包括确定组织中生成式 AI 的具体机会， 治理和运营模式应该是什么，如何最好地管理第三方(如云和大型语言模型提供商)，管理各种风险所需的内容，了解对人员和技术栈的影响，以及清楚如何在银行业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，但它们是释放真正重要的价值池的关键。
03
许多组织尚未充分准备好应对生成式人工智能的潜在风险
根据调查，似乎很少有公司为人工智能的广泛使用或这些工具可能带来的商业风险做好了充分的准备。在采用人工智能的受访者中，只有21%的人表示，他们的组织制定了管理员工在工作中使用通用人工智能技术的政策。当我们特别问及采用人工智能的风险时，很少有受访者表示，他们的公司正在降低人工智能最常被提及的风险:不准确性。受访者更频繁地提到不准确性，而不是网络安全和监管合规，这是之前调查中人工智能最常见的风险。只有32%的受访者表示他们正在减轻不准确性，比38%的受访者表示他们正在减轻网络安全风险的比例要小。有趣的是，这一数字明显低于去年报告缓解人工智能相关网络安全的受访者比例(51%)。总的来说，就像我们在前几年看到的那样，大多数受访者表示他们的组织没有准备好应对人工智能相关的风险。
04
不准确、网络安全和知识产权侵权是采用生成式人工智能最常被提及的风险。
认为相关并正在努力减轻的生成人工智能相关风险的组织，%
麦肯锡评论
Alexander Sukharevsky
麦肯锡人工智能QuantumBlack的高级合伙人和全球领导者
人们普遍意识到生成式人工智能的风险。但与此同时，普遍存在的焦虑和恐惧使领导者难以有效应对这些风险。正如我们最新的调查显示，只有20%多一点的公司制定了针对生成式人工智能的风险政策。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，但我们发现，其中许多风险可以通过改变企业的技术架构来解决，这些架构反映了既定的政策。
然而，真正的陷阱是，公司对风险的看法过于狭隘。企业还需要关注一系列重大 风险 - 社会风险、人道主义风险、可持续性风险。事实上，生成式人工智能的意外后果更有可能给世界带来问题，而不是一些人所支持的世界末日场景。最具建设性地接近生成式人工智能的公司正在试验和使用它，同时拥有一个结构化的流程来识别和解决这些更广泛的风险。他们正在安排测试用户和特定的团队来思考如何生成人工智能应用程序会偏离轨道，以更好地预测这些后果。他们还与商界最优秀、最具创造力的人合作，为组织和社会更广泛地定义最佳结果。审慎、有组织、全面地理解新风险和机遇的本质，对于生成式人工智能的负责任和富有成效的增长至关重要。
领先的公司已经走在生成式人工智能的前列
调查结果显示，人工智能高绩效企业正在全力投入人工智能，包括生成式人工智能和传统的人工智能。这些从人工智能中获得巨大价值的组织已经在比其他组织在更多的业务功能中使用了生成式人工智能，特别是在产品和服务开发以及风险和供应链管理方面。当考虑所有人工智能功能时 - 包括传统的机器学习、RPA和聊天机器人 - 人工智能高绩效企业也比其他企业更有可能在产品和服务开发中使用人工智能。这些组织也比其他组织更频繁地在风险建模中使用人工智能，并将其用于人力资源，如绩效管理、组织设计和劳动力部署优化。
与同行的另一个不同之处在于：高绩效的生成式人工智能工作较少以降低成本为导向，而降低成本是其他组织的首要任务。来自人工智能高绩效企业的受访者表示，他们组织 对生成式人工智能的首要目标是创造全新的业务或收入来源的可能性是其他企业的两倍。
01
小部分的人工智能高绩效企业将降低成本视为其生成式人工智能努力的首要目标
正如我们在前几年所看到的，这些高绩效组织在人工智能方面的投资远远超过其他组织：来自人工智能高绩效组织的受访者表示，他们在人工智能上的花费超过总体数字化工作预算的20%，这种可能性是其他组织的五倍以上。他们还在整个组织中更广泛地使用人工智能功能。来自高绩效企业的受访者比其他人更有可能表示，他们的企业已经在四个或更多的业务功能中采用了人工智能，并且他们已经嵌入了更多的人工智能功能。例如，除了人工智能和相关的自然语言能力外，来自高绩效企业的受访者更经常报告在至少一个产品或业务功能流程中嵌入知识图谱。
虽然 AI 绩效高的企业也不能幸免于从 AI 中获取价值的挑战，但结果表明，他们面临的困难反映了他们在利用AI的相对成熟，而其他人则在更基础、更战略性的AI 采用因素上挣扎。AI 高绩效的受访者最常指出，模型和工具是他们面临的最大挑战，比如在生产中监控模型的性能，并根据需要对模型进行再培训。相比之下，其他受访者提到了战略问题，比如设定一个明确定义的与商业价值相关的 AI 愿景，或者找到足够的资源。
生成式人工智能活动的首要目标，受访者百分比%
图 6 新增监测点情景下监测点空间分布
Fig. 6 Spatial distribution of new added monitoring sites
02
模型和工具对高绩效者构成了与人工智能相关的最大挑战，而制定AI策略对其他人来说则是一个常见的掣肘
研究结果进一步证明，即使是表现优异的人也没有掌握AI应用的最佳实践，比如机器学习运营 (MLOps)，尽管他们比其他人更有可能这样做。利用生成式AI交付更具变革性的用例的过程中需要许多针对性的MLOps技术和实践，同时要保证安全地实现这些用例。实时模型(Live-Model)作就是这样一个领域，监控系统和设置即时警报以实现快速解决问题可以使Gen AI系统受到控制。高绩效者在这方面脱颖而出，但仍有增长空间：来自这些组织的四分之一的受访者表示，他们的整个系统都受到监控并配备了即时警报，而其他受访者中只有12%。
在获取 AI 价值方面面临最大挑战的因素，%
麦肯锡评论
Bryce Hall
副合伙人
在过去的六年里，我们每年都进行全球 AI 研究，一个一致的发现是，高绩效者对成功所需的条件有着更加广泛的视野。他们专注于价值，通过重新规划他们的组织以获取价值。当观察高绩效人员如何使用生成式 AI 时，这种模式就很明显了。
例如，在战略方面，我们分析的领导者正在规划人工智能在其业务领域中的高价值机会。很明显，他们这么做不仅仅是为了生成人工智能。尽管我们都对令人眼花缭乱的生成式人工智能应用感到兴奋，但对公司来说，超过一半的潜在价值来自不使用人工智能的人工智能应用。他们在基于潜在价值看待所有人工智能机会方面保持着自律。
这种方法扩展到所有能力领域。例如，在技术和数据领域，高绩效者非常专注于获取他们已经确定的价值所需的能力。这包括使大型语言模型能够根据公司和行业特定数据进行培训的能力。他们正在评估和测试使用现有人工智能服务 (我们称之为“接受者”方法)所带来的效率和速度，并开发创造竞争优势的能力 - 例如，通过调整模型并训练它们使用自己的专有数据(我们称之为“塑造者”方法)。
人工智能相关人才需求发生转变， 人工智能对劳动力的影响预计将是巨大的
01
人工智能相关职位的招聘仍然是一个挑战，尽管，自2022年以来，许多职位的招聘难度有所下降
展望未来三年，人工智能的采用预计将重塑劳动力中的许多角色。一般来说，他们预计更多的员工将被重新培训。近四成采用人工智能的受访者预计，他们公司20%以上的员工将接受再培训，而8%的受访者表示，他们的员工规模将减少20%以上。
02
受访者期望人工智能能够有意义地改变其组织的员工队伍。
未来3年生成式AI应用对企业员工影响的预期，受访者百分比
具体来看人工智能的预测影响，服务运营是大多数受访者预计其组织中劳动力规模减少的唯一职能。这一发现与我们最近的研究结果基本一致：虽然人工智能时代的出现增加了我们对自动化工人活动比例的估计(从50%上升到60%到70%)，但这并不一定意味着整个角色的自动化。
03
只有服务运营职能是大多数受访者预计的因生成式AI而带来劳动力缩减
与其他公司相比，人工智能绩效高的公司预计会进行更高水平的再培训。这些组织的受访者表示，由于采用人工智能，他们的组织将在未来三年内重新培训30%以上的员工，这一比例是其他组织的三倍以上。
未来3年，按业务功能划分采用生成式人工智能对员工数量的影响，%
04
人工智能绩效高的受访者预计其组织对员工进行再培训的比例高于其他受访者
受访者预计其组织在未来3年内因采用人工智能而接受再培训的员工比例，%
麦肯锡评论
Lareina Yee
麦肯锡高级合伙人;麦肯锡技术委员会主席
我们正处于生成式人工智能的早期阶段，公司已经预料到它会对人才产生重大影响 - 从开辟新的工作机会和改变工作完成方式，到引入全新的工作类别，如提示工程。生成式人工智能的好处之一是，它可以帮助几乎所有人完成工作，这也是它最大的挑战。
这种规模与传统的人工智能不同，传统的人工智能影响的是相当小的一部分 - 尽管同样重要 – 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劳动力。考虑到所需的高度专业化能力，人工智能人才似乎总是供不应求。我们的调查强调，为这些角色招聘仍然是一个挑战。相比之下，生成式人工智能仍然需要高技能的人来构建大型语言模型和训练生成式模型，但用户几乎可以是任何人，他们不需要数据科学学位或机器学习专业知识来发挥作用。这个类比类似于从大型计算机(由高技术专家操作的大型机器)到个人计算机的转变，任何人都可以使用。就人们如何利用技术作为动力工具而言，这是一个革命性的转变。
这种将生成式人工智能视为工具的观点反映在我们的调查中。在大多数情况下， 公司将生成式人工智能视为增强人类活动的工具，而不一定取代人类活动。到目前为止，我们主要看到的是那些倾向于生成式人工智能的公司，他们专注于务实的领域，在这些领域，提高营收增长或生产率的途径是最清晰的。例如，使用生成式人工智能工具来帮助实现遗留代码的现代化，或加快科学领域的研究和发现时间。我们仍然只是触及这些增强能力的表面，我们可以预期它们的使用将会加速。
在所有人的关注下，生成式人工智能的采用和影响始终保持稳定
虽然生成式人工智能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整体采用人工智能。采用人工智能的组织的比例总体上保持稳定，至少目前是这样，55%的受访者表示他们的组织已经采用了人工智能。不到三分之一的受访者继续表示，他们的组织在不止一项业务功能中采用了人工智能，这表明人工智能的使用范围仍然有限。产品和服务开发以及服务运营仍然是受访者最常报告采用人工智能的两个业务功能，在前四次调查中也是如此。总体而言，只有23%的受访者表示，他们的组织去年至少有5%的EBIT归因于他们使用了人工智能，这与之前的调查基本持平，这表明有更大的空间来捕捉价值。
01
不到三分之一的受访者表示，他们的组织在超过一项职能中使用人工智能，这一比例自2021年以来基本没有变化
所在组织中采用人工智能的业务职能数量，%
超过三分之二的受访者预计他们的组织将在未来三年内增加对人工智能的投资
组织在使用人工智能的业务领域继续看到收益，并计划在未来几年增加投资。我们看到，大多数受访者表示，在使用人工智能的每个业务功能中，与人工智能相关的收入都有所增加。展望未来，超过三分之二的人希望他们的组织在未来三年内增加人工智能投资。
组织继续看到在使用了AI能力的职能获得的收益
麦肯锡评论
崔世安
麦肯锡全球研究所合伙人
我们一直在强调生成式人工智能的重要性 - 考虑到它的革命性潜力，这是有充分理由的 - 但这项调查很好地提醒了我们，在更广泛的 AI 世界里，还有很多价值。事实上，我们的一些其他研究表明，非生成式 AI 比生成式 AI 具有更大的价值潜力。在提高预测准确性、优化物流网络、提供下一个购买产品推荐等领域的用例，都可以为能够利用更广泛的 AI 前景的公司创造价值。
虽然报告的整体 AI 采用率稳定在55%左右，但超过三分之二的受访者表示， 他们的公司计划增加对 AI 的投资。我们继续看到一系列表现优异的AI，它们正在建立基础和能力，使它们能够产生价值。一种解释是，当涉及到从 AI 中提取价值时，“富人越来越富”。我们有兴趣看看对生成式 AI 的巨大兴趣是否会为未来 AI 的更高整体采用打开大门。
