麦肯锡最新报告揭示了AIGC在火爆后发生的变化

'麦肯锡报告揭示AIGC火爆后的变化'

生成式人工智能的普及程度和应用领域

万众瞩目的生成式人工智能(Generative AI)正在迅速普及,并受到了各行各业的广泛使用。麦肯锡人工智能部门QuantumBlack的一份最新年度报告《2023年的人工智能趋势:生成式人工智能大爆发》表明,生成式人工智能的使用已经非常广泛。该报告基于麦肯锡在2023年4月11日至21日期间对不同地区、行业和公司规模的1684名参与者进行的在线调查,其中79%的受访者表示已经接触过生成式人工智能,22%的人表示经常在工作中使用。这些数据与科技媒体VentureBeat最近的一项非正式调查结果相吻合,显示超过70%的公司已经在尝试使用生成式人工智能。

尽管生成式人工智能的应用还处于早期阶段,但已经广泛普及。麦肯锡的调查始于今年4月,当时生成式人工智能开始呈现出迅猛发展的趋势。调查发现,79%的受访者表示无论是在工作还是工作之外,至少有过一次接触生成式人工智能的经历,其中22%的受访者表示经常在工作中使用。不仅个人在使用生成式人工智能,组织也普遍采用这项技术。调查显示,三分之一的受访者表示公司已经在至少一项职能中定期使用生成式人工智能。更重要的是,该报告还透露新一代人工智能已经成为许多组织的战略重点。40%的受访者表示由于生成式人工智能的好处,他们的公司计划增加整体人工智能投资。此外,28%的公司将生成式人工智能列入了董事会议程。随着更多公司和个人尝试使用新一代人工智能技术,我们可以询问:谁在使用生成式人工智能?生成式人工智能的主要应用领域是什么?

根据麦肯锡的最新报告,截至2023年4月,北美受访者在工作中使用新一代人工智能的比例位居全球之首,其中28%的受访者在工作和工作之外使用该技术。而欧洲和亚太地区的受访者分别为24%和22%(大中华区仅为19%)。这一结果或许可以理解为在2022年11月,OpenAI推出ChatGPT,在美国引发了生成式人工智能热潮,在北美受到了广泛关注。

根据麦肯锡的报告,使用生成式人工智能最广泛的领域是营销和销售,占比为14%,其次是产品/服务开发,占比为13%。这些领域的广泛应用也反映了人工智能在营销和销售,以及产品和服务开发方面的普遍需求。

在各行各业中,生成式人工智能的应用情况有所不同。根据麦肯锡的调查,技术、媒体和电信行业是最早采用人工智能技术的行业,占比为33%,其次是金融服务和商业、法律和专业服务行业,分别占比24%和23%。这与人们的预期相符,科技公司通常被认为是人工智能可能产生最大影响的领域。作为知识密集型行业,银行、教育、医疗和法律等行业也被认为将受到新技术的重大影响。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,可能受到的颠覆性影响较小。根据麦肯锡的调查结果,供应链管理和制造业的应用比例较低,分别仅占3%和2%。这与过去的技术浪潮形成了鲜明对比,例如工厂流水线和工业机器人等,对制造业的影响更大。目前,生成式人工智能在基于语言的活动方面表现出色,而不擅长需要体力劳动的活动,后者对人工智能来说更具挑战性,也更耗时。此外,由于生成式人工智能的优势,供应链管理是一个非常适合应用它的领域,其中涉及到大量的规划、市场分析和基于数据提供洞察,这些都是生成式人工智能擅长的领域。此外,根据该报告发现,到目前为止,人们使用生成式人工智能的功能主要集中在创建、总结和分析文档等方面。其次是趋势预测。

需要注意的是,很少有公司对广泛使用人工智能或这些工具带来的业务风险做好充分准备。例如,只有21%的受访者表示公司已制定了在工作中使用人工智能技术的政策。特别是当被问及如何应对人工智能的风险时,很少有受访者表示他们的公司正在努力减少人工智能的最常见风险:不准确性。只有32%的受访者表示他们正在减少不准确性的风险,这一比例低于38%的受访者表示他们正在减少网络安全风险的比例。

领先的公司也在生成式人工智时代中处于领先地位。麦肯锡的报告显示,所谓的人工智能高绩效企业是指将至少20%的息税前利润归因于人工智能应用的受访者。这些企业正在全力以赴地投入人工智能,包括生成式人工智能和更传统的人工智能功能。与其他企业相比,这些企业更广泛地使用生成式人工智能,特别是在产品和服务开发以及风险和供应链管理方面。鉴于所有的人工智能能力——包括传统的机器学习能力、机器人流程自动化和聊天机器人等,这些企业更有可能在产品和服务开发中使用人工智能,比如优化产品开发周期、为现有产品添加新功能以及创建基于人工智能的新产品。这些企业还更频繁地在风险建模和人力资源方面使用人工智能,例如绩效管理、组织设计和劳动力部署优化。与同行相比,这些企业的另一个区别是,它们使用生成式人工智能时不太关注降低成本,而这是其他公司的首要任务。相反,人工智能高绩效企业将主要目标放在创建全新业务或收入来源上,其比例是其他企业的两倍。不过,大多数人工智能高绩效企业使用生成式人工智能的首要目标是增加现有产品的价值。

就投入而言,这些高绩效企业对人工智能的投资超过其他组织。例如,他们将超过20%的数字化预算用于人工智能的可能性是其他组织的五倍以上。他们在企业组织中广泛使用人工智能,并且更有可能表示在四个或更多业务职能中使用了人工智能,并将更多的人工智能功能嵌入到产品或业务功能流程中,例如除了人工智能和相关的自然语言功能外,还将知识图谱嵌入到至少一个产品或业务功能流程中。在面临的挑战方面,人工智能高绩效企业与其他公司不同。前者主要面临算法过渡到业务的挑战,例如如何在生产中可靠且高效地部署和维护模型。为了实现生成式人工智能的变革性作用,可能需要使用许多专门的MLOps技术和实践。相比之下,其他企业在设定明确的人工智能愿景等战略问题上仍然有困难。

在人才需求方面,过去一年里,采用人工智能的企业对数据工程师、机器学习工程师和人工智能数据科学家的需求最大。最新的报告发现,在去年这些岗位的需求下降了,从39%降到了28%。另外,出现了新的招聘职位——prompt工程师。总体而言,虽然招聘与人工智能相关的职位仍然是一个挑战,但在过去一年里,存在困难的受访企业减少了,这反映了对人工智能数据科学家、数据工程师和数据可视化专家等职位的需求减少。这可能与科技公司在2022年底至2023年上半年进行了大量裁员有关。

调查结果显示,受访者预测未来三年人工智能将重塑许多岗位。然而,总体而言,他们期望员工通过再培训获得新技能而不是离职。超过四分之一的受访者预计超过20%的公司员工将通过再培训获取新技能,其中8%的受访者表示公司员工规模将减少超过20%。

此外,服务运营是受访者中大多数人希望被大规模削减并替代的岗位。

对于员工再培训,人工智能高绩效公司在未来三年内对超过30%的员工进行再培训的可能性是其他公司的三倍以上。

虽然生成式人工智能正在迅速普及,但调查数据并未显示这些新工具正在推动公司整体上对人工智能的采用。调查显示,目前有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表示他们的组织已在多个业务职能中采用人工智能,这意味着人工智能的应用范围仍然有限。产品和服务开发以及服务运营仍然是受访者最常采用人工智能的两个业务。总体而言,只有23%的受访者表示去年公司至少有5%的息税前利润归因于对人工智能的使用。这表明还有更大的上升空间。

大多数受访者表示,每个使用人工智能的业务职能都实现了与之相关的收入增长。展望未来,超过三分之二的人预计公司将在未来三年内增加对人工智能的投资。