【公益译文】2023：生成式AI的爆发之年

在2023年4月中旬进行的这项调查发现，生成式AI刚一面世，相关试验已大面积展开，受访者预计AI的新功能将重塑行业。生成式AI引起了商业人群的兴趣：在世界各地，很多人（无论所处行业和资历）都在工作或生活中开始使用生成式AI。79%的受访者表示在工作中或其他情况下接触过生成式AI，22%的受访者表示经常在工作中使用。使用情况与使用者的资历关系不大，但与行业和区域相关：在科技行业和北美使用率最高。

各组织现在也普遍使用生成式AI。三分之一的受访者表示，所在组织已在至少一项业务中经常使用生成式AI，这意味着60%采用AI的组织开始使用生成式AI。此外，40%反馈组织已采用AI的受访者表示，由于生成式AI，所在公司打算在AI方面增加投资，28%的人表示生成式AI的使用已列入董事会议程。最常使用这些较新工具的业务与最常使用AI的业务一致，均为市场销售、产品/服务开发以及服务运营，如客户服务和后台支持。这表明，组织开始挖掘这些新工具的最大价值。根据我们之前的研究，生成式AI用例每年产生的价值中，有约75%源于这三个领域以及软件工程。

在目前这个早期阶段，人们对生成式AI期望甚高：四分之三的受访者表示，生成式AI将在未来三年内对其行业竞争性造成重大或颠覆性的变化。在科技和金融服务业工作的受访者表示，生成式AI最有可能为本行业带来颠覆性变化。根据我们之前的研究，所有行业都可能在一定程度上被颠覆，但影响程度会有高低。最依赖知识工作的行业会经历更大变化，受益也更多。可以想见，生成式AI影响最大的将是科技公司——增加的价值相当于全球行业收入的9%，接下来是银行（高达5%）、制药和医疗产品（也高达5%）、教育（高达4%），这些也都是知识型行业。相比之下，以制造业为基础的行业，如航空航天、汽车和高端电子产品，受到的破坏性影响相对较小。这与之前对制造业影响最大的技术浪潮形成了鲜明对比，因为生成式AI在基于语言的活动方面具有优势，而之前行业主要依赖体力劳动。

根据调查，鲜有公司为生成式AI的广泛使用或这些工具可能带来的商业风险做好充分准备。在已采用AI的组织中，只有21%受访者表示所在组织制定了政策，规范员工在工作中对生成式AI技术的使用。当我们具体问及采用生成式AI的风险时，有部分受访者表示，所在组织着手解决“不准确”问题，而这是被提及最多的相关风险。提及“不准确”的受访者比例多于提及网络安全和合规的，而后两者是之前调查发现的最常见AI风险。只有32%的人表示在着手缓解“不准确”风险，低于表示着手缓解网络安全风险的人群（38%）。而这一数字（38%）明显低于去年，当时选择AI相关网络安全的受访者比例高达51%。总的来说，正如我们在前几年所看到的那样，多数受访者表示所在组织还没有采取措施解决AI相关风险。

组织认为生成式AI存在的风险和着手缓解的风险，受访者比例（%）

受访者组织至少在1个部门中采用了AI。同时认为存在相关风险并进行缓解的有913人。

数据来源：麦肯锡全球人工智能调查，1684名公司各级人员，2023年4月11~21日

调查结果显示，AI高绩效组织——2022年至少20%的息税前利润（EBIT）受益于AI的使用——正全力以赴发展AI，包括生成式AI和传统的AI能力。与其他组织相比，这些从AI中收获颇丰的组织已开始在更多的业务中使用生成式AI，主要集中在产品/服务开发以及风险和供应链管理领域。从全面的AI能力来看，包括传统的机器学习能力、机器人过程自动化和聊天机器人，AI高绩效组织也比其他组织更有可能在产品/服务开发中使用AI，进行产品开发周期优化，为现有产品开发新功能或开发新的智能产品。与其他组织相比，这些组织在风险建模方面使用AI的频率更高，在人力资源内部也更常使用AI进行绩效管理、组织设计和人力部署优化等。

此外，AI高绩效组织在开展生成式AI工作时不太关注降低成本，而降低成本是其他组织的首要任务。来自AI高绩效组织的部分受访者表示，所在组织在生成式AI方面的首要目标是新增业务或收入来源，有可能通过新的智能特性来提高现有产品的价值。这部分人群的比例是其他企业作此回答人群的两倍。

有计划开展生成式AI活动组织的首要目标，受访者比例（%）

说明：由于四舍五入的原因，数字的总和可能不是100%。

1.受访者组织至少在1个部门中采用了AI。

2.受访者表示，2022年，其组织的息税前利润（EBIT）至少有20%源于AI的使用。AI高绩效组织的受访者为45人，其他组织受访者为712人。

数据来源：麦肯锡全球人工智能调查，1684名公司各级人员，2023年4月11~21日

正如我们在前几年所看到的，这些高绩效组织在AI方面的投资远高于其他组织。比如，对于这一选项：组织用于AI的数字预算超过20%，高绩效组织选择此项的受访者比例是其他组织的五倍多。高绩效组织在整个组织中使用AI功能的范围也更广。与其他组织相比，高绩效组织有更高比例的受访者表示所在组织在至少四项业务中采用了AI且嵌入了更多的AI能力。例如，高绩效组织有更多的受访者表示在至少一个产品或业务流程中嵌入了知识图以及生成式AI和相关的自然语言能力。

虽然AI高绩效组织在利用AI方面也会面临挑战，但研究结果表明，他们面临的困难实则反映了他们的AI具有相当水平的成熟度，而其他组织勉力解决的却是AI应用方面的更基础的战略相关问题。AI高绩效组织的受访者通常将模型和工具列为最大挑战，例如监控生产中的模型性能并根据需要对模型进行长期的反复训练。相比之下，其他受访者提到了战略问题，例如设定与商业价值相关的明确的AI愿景或寻找足够资源。

利用AI所面临的最大挑战，受访者比例（%）

说明：由于四舍五入的原因，数字的总和可能不是100%。

1.受访者组织至少在一个部门中采用了AI。

2.受访者表示，2022年，其组织的息税前利润（EBIT）至少有20%源于AI的使用。AI高绩效组织的受访者为49人，其他组织的受访者为792人。

数据来源：麦肯锡全球人工智能调查，1684名公司各级人员，2023年4月11~21日

这些发现进一步表明，即使是高绩效组织在AI应用方面（例如机器学习运营，简称为MLOps）做得也不够好，当然和其他组织相比要好得多。例如，AI高绩效组织中只有35%的受访者表示，所在组织会尽量利用现有组件，而不是开发新组件，但这一比例已经远高于其他组织（19%）。

生成式AI的某些用例更具变革性，要尽可能安全地采用这些用例，或需要丰富的MLOps专业技术和实践。实时模型运营应运而生，通过监控系统和实时告警快速解决问题，将生成式AI系统控于股掌之中。高绩效组织在这方面表现突出，但仍有发展空间：这些组织中四分之一的受访者表示，全系统都受到监控，并配备了实时告警，而其他组织中这一比例仅为12%。

我们的最新调查结果显示，各组织为支持其AI技术开始招聘相应人才。在过去一年里，使用AI的组织招聘最多的是数据工程师、机器学习工程师和AI数据科学家——受访者在前次调查中普遍提及了这些职位。与上次调查相比，去年招聘人数最多的AI相关的软件工程师在今年调查中的比例要小得多（最新调查中为28%，低于去年的39%）。随着生成式AI的逐渐普及，提示工程角色开始出现，因此对该技能的需求也在增加。在那些采用AI的组织中，有7%的受访者称在过去一年中进行了这方面的招聘。

研究结果表明，AI相关职位仍很难招聘，但在过去一年有所改观，可能得益于科技公司从2022年底到2023年上半年的大量裁员。与上一次调查相比，表示难以招聘AI数据科学家、数据工程师和数据可视化专家等职位的受访者比例有所降低，但招聘机器学习工程师和AI产品负责人和前一年一样困难。

展望未来三年，受访者预测，引入AI后，许多职位会受到影响。总的来说，他们希望更多的员工接受新技能培训，而不是简单解雇。采用AI的组织中，近四成受访者预计，所在公司有20%以上的人员需要接受新技能培训，而8%的受访者表示，人力规模将减少20%以上。

具体来看生成式AI的预期影响，服务运营是大多数受访者认为最可能减少人力规模的部门。这一发现总体上与我们的近期调查结果一致：因为生成式AI的出现，预计可自动化的工作比例相应提升（从50%提高到60%~70%），但这并不一定意味着某类工作可以完全自动化。

与其他公司相比，AI高绩效公司预计提供更高水平的新技能培训。就这一选项：由于AI的采用，组织将在未来三年内重新培训至少30%的员工，AI高绩效公司受访者选择此项的比例是其他组织的三倍多。

虽然生成式AI的使用迅速普及，但调查数据并没有显示这些新工具对AI的总体采用率有何促进。采用了AI的组织比例总体保持稳定（至少调查时是这样），约为55%。这些人群中，不到三分之一的受访者表示，组织在至少一项业务中采用了AI，表明AI的使用范围仍然有限。与前四次调查一样，受访者反馈产品/服务开发和服务运营是最常采用AI的业务。总体而言，只有23%的受访者表示，所在组织去年有至少5%的息税前利润归功于AI，这与之前的调查基本持平，表明还有很大的价值提升空间。

超过三分之二的受访者预计，所在组织将在未来三年增加对AI的投资。

由于使用AI的业务领域持续收到回报，组织计划在未来几年增加投资。我们发现，大多数受访者表示，使用AI的各项业务的收入都有所增加。进行未来预测时，超过三分之二的人表示所在组织会在未来三年增加对AI的投资。