人工智能采用率持续增长
在过去一年中，全球人工智能采用率显著提高。在2024年初的一项调查中，72%的受访者表示他们的组织已在至少一个业务职能部门采用AI，而在前几年，这一比例徘徊在50%左右。到2024年年中，AI采用率进一步攀升至78%。这种增长是全球性的，几乎每个地区的受访者中都有超过三分之二表示他们的组织正在使用AI。按行业来看，专业服务业的采用率增幅最大。此外，越来越多的公司开始在多个业务职能部门使用AI。在2024年初，半数受访者表示他们的组织在两个或更多职能部门采用AI，这一比例高于2023年的不到三分之一。到2024年年中，组织平均在三个业务职能部门使用AI。
生成式AI的快速崛起
2023年是世界发现生成式AI（gen AI）的一年，而2024年是组织开始真正使用并从中获取商业价值的一年。在2024年初的调查中，65%的受访者报告他们的组织正在定期使用gen AI，这一数字在短短十个月内几乎翻倍。到2024年年中，这一比例进一步上升到71%。受访者对gen AI影响的预期仍然很高，四分之三的人预测gen AI将在未来几年对其行业带来重大或颠覆性变革。组织已经开始看到使用gen AI带来的实际好处，报告称在部署该技术的业务部门出现了成本降低和收入增长。
Gen AI的主要应用领域
Gen AI的采用在能够创造最大价值的业务职能部门最为普遍。大多数受访者表示他们的组织以及他们个人都在使用gen AI。在2024年初的调查中，平均每个使用gen AI的组织将其应用于两个职能部门，最常见的是营销和销售、产品和服务开发以及IT部门。营销和销售部门的采用率增幅最大。然而，在所有职能部门中，只有营销和销售中的两个用例被15%或更多的受访者报告，分别是为营销策略提供内容支持和个性化营销。Gen AI也在受访者的个人生活中得到应用，在工作和个人生活中都使用gen AI的受访者比例比2023年大幅增加，其中亚太地区和大中华区增幅最大。在最高层级的受访者中，工作和非工作场景下使用gen AI工具的比例增幅更大。从行业来看，能源和材料以及专业服务业的受访者报告的gen AI使用量增幅最大。到2024年年中，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以及IT部门使用gen AI。
受访者组织中业务职能部门经常使用生成式AI比例，按行业分
AI投资与价值创造
最新的调查显示，许多行业组织投资于gen AI的数字预算比例，与投资于非生成式分析AI解决方案的比例大致相同。然而，在大多数行业中，更大比例的受访者报告他们的组织在分析AI上的支出超过20%，高于gen AI。展望未来，大多数受访者（67%）预计他们的组织将在未来三年增加对AI的投资。
调查首次探讨了gen AI使用创造的价值。在2024年初，受访者报告成本降低最多的职能部门是人力资源，而报告收入显著增长（超过5%）最多的职能部门是供应链和库存管理。对于分析AI，受访者最常报告在服务运营中看到成本效益，以及在营销和销售中看到收入显著增长。到2024年年中，越来越多的受访者报告说，他们组织部署gen AI的业务部门的收入有所增加。Gen AI在大多数业务职能部门的使用也被越来越多的受访者报告称带来了成本降低。然而，gen AI对企业层面息税前利润（EBIT）的影响尚未达到显著水平，超过80%的受访者表示他们的组织尚未看到gen AI对其企业层面EBIT的实际影响。
业务单元使用生成式AI带来收入增长（过去12个月，按职能分）
Gen AI的风险及其缓解
随着企业开始看到gen AI带来的好处，他们也认识到与之相关的各种风险。这些风险包括数据管理风险（如数据隐私、偏见或知识产权侵犯）、模型管理风险（主要集中在不准确的输出或缺乏可解释性）以及安全和不当使用风险。在2024年初，受访者比去年更有可能认为不准确性和知识产权侵犯是与其使用gen AI相关的风险，大约一半的受访者继续将网络安全视为风险。不准确性是唯一一种受访者显著更有可能表示其组织正在积极努力缓解的风险。一些组织已经经历了使用gen AI带来的负面后果，在2024年初，44%的受访者表示他们的组织至少经历过一次负面后果，其中不准确性是最常报告的风险，其次是网络安全和可解释性。到2024年年中，报告负面后果的受访者比例小幅增加至47%。组织正在加强努力缓解与不准确性、网络安全和知识产权侵犯相关的gen AI风险。大型组织比小型组织更有可能缓解更多的gen AI相关风险。
组织如何部署Gen AI
调查发现了组织实施gen AI解决方案的三种原型：“使用者”（takers）使用现成的、公开可用的解决方案；“塑造者”（shapers）使用专有数据和系统定制这些工具；“制造者”（makers）从头开始开发自己的基础模型。在大多数行业中，调查结果表明组织正在发现现成的产品适用于其业务需求，尽管许多组织正在寻求定制模型或开发自己的模型。在报告的gen AI使用中，大约一半是使用现成的、公开可用的模型或工具，几乎没有或没有进行定制。能源和材料、技术以及媒体和电信行业的受访者更有可能报告对公开可用的模型进行显著定制或调优，或者开发自己的专有模型来满足特定的业务需求。
组织最常报告从项目启动到将gen AI投入生产需要一到四个月，尽管所需时间因业务职能而异。时间长短也取决于获取这些能力的方法。不出所料，高度定制或专有模型的使用比现成的、公开可用的模型更有可能需要五个月或更长时间才能实施。
Gen AI高绩效组织的特点
一小部分受访者（在2024年初的调查中为876人中的46人）表示，其组织息税前利润的很大一部分（超过10%）归功于其gen AI的部署。这些gen AI高绩效组织平均在三个职能部门使用gen AI，而其他组织平均为两个。他们更有可能在风险、法律和合规、战略和公司财务以及供应链和库存管理等职能部门使用gen AI解决方案。他们比其他组织更有可能采用一系列与风险相关的最佳实践，例如，他们将法律职能纳入其中，并在gen AI解决方案开发早期就进行风险审查。他们也更有可能采用其他各种最佳实践，从战略相关实践到与规模化相关的实践。除了经历gen AI采用的风险，高绩效组织还遇到了其他挑战，例如数据方面的困难（包括定义数据治理流程、快速将数据集成到AI模型的能力以及训练数据量不足）以及运营模型方面的挑战（如实施敏捷工作方式和有效的冲刺绩效管理）。
组织结构和管理
成功的AI实施需要高层领导的参与。一项调查分析显示，首席执行官对AI治理的监督是与组织gen AI使用带来的更高自报告底线影响最相关的因素之一，尤其是在大型公司。在2024年年中，28%使用AI的受访者表示其首席执行官负责监督AI治理。AI治理通常由多人共同负责。实现AI价值的关键在于重新调整公司运营方式，而工作流程的重新设计对组织从gen AI使用中获取EBIT影响的能力影响最大。组织正在部署gen AI时开始重塑工作流程。在2024年年中，21%报告其组织使用gen AI的受访者表示，他们的组织已从根本上重新设计了至少部分工作流程。
组织在AI部署方面选择性地集中化某些元素。例如，风险合规和数据治理倾向于完全集中化的模型（如卓越中心），而技术人才和AI解决方案的采用则更常用混合或部分集中化的模型。
组织在AI输出的监控方面差异很大。在2024年年中，27%使用gen AI的受访者表示员工在使用gen AI创建的所有内容之前都会进行审查，而类似比例的受访者表示审查的内容不足20%。
个人AI工具经验（2023、2024上半年、2024下半年）
人才与劳动力影响
与前几年相比，报告招聘AI相关人才困难的受访者比例有所下降。但受访者仍认为这些职位（如数据科学家、机器学习工程师、数据工程师）很难填补。在2024年年中，半数使用AI的受访者表示，他们的雇主在未来一年需要更多数据科学家。
许多受访者表示，他们的组织在过去一年中因AI部署而对部分员工进行了再培训，并且预计未来三年将进行更多的再培训。组织正在通过AI自动化节省的时间最常用于员工从事全新的活动。在大型组织中，更多受访者表示由于时间节省而减少了员工数量。调查分析发现，员工数量减少是与gen AI带来的底线价值影响最大的组织属性之一。
总体而言，在2024年年中，38%使用AI的受访者预测，未来三年使用gen AI对组织劳动力规模影响不大。按业务职能部门来看，受访者最常预测服务运营以及供应链和库存管理部门的员工数量会减少。然而，在IT和产品开发部门，受访者更可能预期员工数量会增加而不是减少。
Gen AI内容的生成类型
在2024年年中，大多数报告使用gen AI的受访者（63%）表示，他们的组织正在使用gen AI创建文本输出。此外，超过三分之一的受访者表示他们的组织正在生成图像，超过四分之一的受访者使用它来创建计算机代码。科技行业的受访者报告生成gen AI输出的类型最广泛，而先进工业（如汽车、航空航天、半导体）的受访者比其他行业更有可能使用gen AI创建图像和音频。
总结
总体而言，AI的使用持续攀升，尤其是gen AI。组织开始构建能够从gen AI中获取实际价值的结构和流程，例如重新设计工作流程、加强治理和缓解风险。虽然仍处于早期阶段，但许多组织，特别是大型组织，正在积极进行组织变革以应对AI带来的影响，包括调整人才策略和管理风险。虽然大部分组织尚未在企业层面看到gen AI带来的显著底线影响，但在使用该技术的业务部门，成本降低和收入增长的趋势正在显现。
报告地址：https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai#/
