文章作者丨麥肯錫公司：Alexander Sukharevsky、Dave Kerr、Klemens Hjartar、Lari H?m?l?inen、Stéphane Bout Vito、Di Leo Guillaume、Dagorret，慎思行采編翻譯

個(gè)人微信丨hello_SSX

AI

生成式AI的悖論：

極廣泛的部署，極低的影響效果

要點(diǎn)：

? 在每10家公司里，有將近8家都以某種形式部署了生成式AI，但其中有約八成的公司表示，部署后并沒(méi)有對(duì)公司盈利產(chǎn)生實(shí)質(zhì)性影響。

? 主要的問(wèn)題在于“橫向”和“縱向”用例之間的不平衡。前者已被廣泛地部署，例如員工協(xié)作機(jī)器人和聊天機(jī)器人，但帶來(lái)的效益卻很分散；而影響更大的縱向用例，或者說(shuō)針對(duì)特定職能的用例，由于技術(shù)、組織、數(shù)據(jù)和文化方面的障礙，又很少能夠走出試驗(yàn)階段。

? 除非企業(yè)解決這些障礙，否則生成式AI的變革性前景在很大程度上仍將無(wú)法實(shí)現(xiàn)。

生成式AI無(wú)處不在

——除了公司損益表外

即使在生成式AI出現(xiàn)之前，AI也早已在企業(yè)中占據(jù)著重要地位，它能為預(yù)測(cè)、分類和優(yōu)化工作提供支持。據(jù)估計(jì)，這項(xiàng)技術(shù)的價(jià)值潛力已經(jīng)十分巨大——在全球約有11萬(wàn)億至18萬(wàn)億美元——主要應(yīng)用于市場(chǎng)營(yíng)銷（個(gè)性化郵件遞送和客戶細(xì)分等功能）、銷售（客戶線索評(píng)分）和供應(yīng)鏈（庫(kù)存優(yōu)化和需求預(yù)測(cè)）等領(lǐng)域。然而，AI過(guò)去在很大程度上是專家的領(lǐng)域，普通員工采用AI往往是一個(gè)很慢的過(guò)程。例如，根據(jù)我們的研究（見圖1），從2018年到2022年，AI的應(yīng)用率是相對(duì)停滯的，而且約有50%的公司是僅在其某一項(xiàng)業(yè)務(wù)職能中部署了AI。

生成式AI在三個(gè)突破性的領(lǐng)域擴(kuò)展了傳統(tǒng)AI的覆蓋范圍：信息綜合、內(nèi)容生成和用人類語(yǔ)言進(jìn)行交流。我們估計(jì)，在傳統(tǒng)的分析型AI的潛在價(jià)值之外，生成式AI技術(shù)還能再釋放出2.6萬(wàn)億至4.4萬(wàn)億美元的額外價(jià)值。

在ChatGPT發(fā)布兩年半之后，生成式AI已經(jīng)重塑了企業(yè)與AI的合作關(guān)系。它潛在的變革力量不僅在于生成式AI所帶來(lái)的新能力，還在于它讓各企業(yè)都能大眾化地使用先進(jìn)的AI技術(shù)。這種大眾化的使用導(dǎo)致了人們廣泛地增長(zhǎng)了對(duì)AI的認(rèn)識(shí)和嘗試：根據(jù)我們最新的全球AI調(diào)查報(bào)告，有超過(guò)78%的公司目前正在至少一項(xiàng)業(yè)務(wù)職能中使用AI的技術(shù)（一年前為55%）。

然而，這種熱情尚未轉(zhuǎn)化為實(shí)實(shí)在在的經(jīng)濟(jì)成果。有超過(guò)80%的公司還在報(bào)告中稱，他們的生成式AI計(jì)劃對(duì)公司盈利沒(méi)有做出實(shí)質(zhì)性的貢獻(xiàn)。此外，在我們調(diào)查的企業(yè)當(dāng)中，只有1% 的企業(yè)認(rèn)為他們的生成式AI戰(zhàn)略已經(jīng)比較成熟。我們稱之為“生成式AI的悖論”：盡管圍繞該技術(shù)的能量、投資和潛力都十分巨大，但對(duì)大多數(shù)企業(yè)來(lái)說(shuō)，成規(guī)模的影響還尚未實(shí)現(xiàn)。

“生成式AI悖論”的核心在于

“橫向”和“縱向”用例之間的不平衡

許多企業(yè)已經(jīng)部署了橫向用例，如整個(gè)企業(yè)內(nèi)應(yīng)用的協(xié)同機(jī)器人和聊天機(jī)器人；例如，在《財(cái)富》500強(qiáng)企業(yè)中，有近70%在使用微軟的365 Copilot。普遍認(rèn)為，這類工具是提高個(gè)人效率的杠桿，可幫助員工節(jié)省處理日常工作的時(shí)間，更高效地獲取和綜合信息。但是，這種提升盡管是實(shí)實(shí)在在的，卻往往分散在不同的員工身上。因此，這些改進(jìn)并不容易從營(yíng)收或利潤(rùn)中顯現(xiàn)出成果。

相比之下，縱向用例——嵌入特定的業(yè)務(wù)職能或流程——盡管具有更高的的經(jīng)濟(jì)潛力，但在大多數(shù)公司中的推廣卻很有限（見圖2）。我們的研究顯示，只有不到10%的用例能夠成功通過(guò)試驗(yàn)階段。即使能夠完整地部署，這些用例通常也只是支持業(yè)務(wù)流程中的個(gè)別步驟，并在人工的提示下被動(dòng)運(yùn)行，而不是主動(dòng)或自動(dòng)地運(yùn)行。因此，它們對(duì)業(yè)績(jī)表現(xiàn)的影響也很有限。

是什么造成了這種不平衡？首先，像微軟的Copilot或谷歌的AI Workspace等橫向部署的協(xié)作AI助手都是現(xiàn)成的解決方案，實(shí)施起來(lái)相對(duì)容易。(在許多情況下，啟用微軟Copilot就像激活Office 365的擴(kuò)展包一樣簡(jiǎn)單，不需要重新設(shè)計(jì)工作流，或?qū)芾砉ぷ鬟M(jìn)行重大變更。）企業(yè)部署聊天機(jī)器人則是出于降低風(fēng)險(xiǎn)的考慮。隨著員工越來(lái)越多地嘗試使用ChatGPT等外部大語(yǔ)言模型(LLMs)，許多企業(yè)實(shí)施了內(nèi)部的、安全的替代方案，以規(guī)避數(shù)據(jù)泄漏，確保符合企業(yè)的安全策略。

而縱向用例的部署有限、范圍狹窄，則可歸因于以下六個(gè)主要因素：

—計(jì)劃方案太碎片化。在許多公司，縱向用例都是通過(guò)自下而上、高度細(xì)化的方式先在各個(gè)職能部門內(nèi)部確定的。只有不到30%的公司CEO會(huì)直接從企業(yè)層面力推AI議程。這就會(huì)導(dǎo)致各種微觀的方案數(shù)量激增、互不關(guān)聯(lián)，各部門對(duì)AI的投資很分散，而企業(yè)層面的協(xié)調(diào)十分有限。

—缺乏成熟的整套解決方案。與現(xiàn)成的橫向應(yīng)用（如協(xié)作AI助手）不同，縱向的用例往往需要定制開發(fā)。因此，開發(fā)團(tuán)隊(duì)經(jīng)常被迫從零開始，使用新興的、快速發(fā)展的，同時(shí)也是他們經(jīng)驗(yàn)有限的技術(shù)。雖然許多公司已經(jīng)投資招募了數(shù)據(jù)科學(xué)家來(lái)開發(fā)AI模型，但他們往往缺乏MLOps（機(jī)器學(xué)習(xí)運(yùn)維）工程師，而MLOps工程師對(duì)于生產(chǎn)中的工業(yè)化、部署和維護(hù)模型而言都至關(guān)重要。

—LLM的技術(shù)局限性。盡管第一代LLM的能力令人印象深刻，但它們也面臨著一些限制，顯著地制約了它們?cè)谄髽I(yè)級(jí)規(guī)模的部署。首先，LLM可能會(huì)產(chǎn)生不準(zhǔn)確的輸出結(jié)果，這就使得它們?cè)趯?duì)精確性和可重復(fù)性要求極高的場(chǎng)景中難以得到信任。此外，盡管LLM功能強(qiáng)大，但從根本上來(lái)說(shuō)它們畢竟是被動(dòng)的；沒(méi)有提示詞，它們就無(wú)法采取行動(dòng)，也無(wú)法在沒(méi)有人去啟動(dòng)的情況下獨(dú)立地推動(dòng)工作流或做決策。LLM在處理涉及多個(gè)步驟、決策點(diǎn)或發(fā)散邏輯的復(fù)雜工作時(shí)也很吃力。最后一點(diǎn)，目前許多LLM的持續(xù)記憶能力也很有限，因此難以長(zhǎng)期追蹤上下文，也就難以在時(shí)間長(zhǎng)跨度的交互中連貫運(yùn)行。

—孤立開來(lái)的AI團(tuán)隊(duì)。AI精英中心在提升對(duì)AI的認(rèn)識(shí)和試驗(yàn)水平上發(fā)揮了至關(guān)重要的作用。然而，在許多情況下，這些團(tuán)隊(duì)都是各自為政，獨(dú)立于核心IT部門、數(shù)據(jù)或業(yè)務(wù)部門之外開發(fā)AI模型。這種自主性雖然有利于快速開發(fā)原型樣品，但由于和整個(gè)企業(yè)系統(tǒng)配合不佳、數(shù)據(jù)管線碎片化或缺乏運(yùn)營(yíng)協(xié)調(diào)，往往導(dǎo)致做出的解決方案難以擴(kuò)展開來(lái)。

—數(shù)據(jù)的可訪問(wèn)性和質(zhì)量的差距問(wèn)題。結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)往往都存在這些差距，在大多數(shù)組織中，尤其是非結(jié)構(gòu)化的數(shù)據(jù)，在很大程度上仍然不受管理。

—文化憂慮和組織惰性。在許多組織中，AI的部署都遭遇了來(lái)自業(yè)務(wù)團(tuán)隊(duì)和中層管理者的隱性阻力，原因在于害怕擾亂工作、會(huì)給工作帶來(lái)不確定性，以及對(duì)技術(shù)的不熟悉等等。

迄今為止，盡管生成式AI對(duì)企業(yè)利潤(rùn)的影響有限，但這第一波浪潮的努力遠(yuǎn)非徒勞。它豐富了員工的個(gè)人能力，促進(jìn)了廣泛的試驗(yàn)和試點(diǎn)，加快了各職能部門對(duì)AI的熟悉程度，并且?guī)椭髽I(yè)在提示詞工程、模型評(píng)估和管理等方面建立起了關(guān)鍵能力。所有這一切都為更具綜合性和變革性的第二階段——正在到來(lái)的AI智能體時(shí)代——奠定了基礎(chǔ)。

未完待續(xù)......

編輯 | Noah

進(jìn)一步交流

進(jìn)入專業(yè)社群展開深度討論

慎思行通過(guò)微信等平臺(tái)覆蓋超過(guò)10萬(wàn)戰(zhàn)略人、咨詢?nèi)说雀黝悓I(yè)人士。我們也構(gòu)建了專業(yè)社群，推動(dòng)戰(zhàn)略與咨詢領(lǐng)域的問(wèn)題討論、信息交流和機(jī)會(huì)分享，社群已有超過(guò)5年歷史，并成為了頂尖專業(yè)人士感知市場(chǎng)前沿，獲得實(shí)踐經(jīng)驗(yàn)的首要選擇。入群請(qǐng)?zhí)砑由魉季⑿?，并提供名片?/p>

現(xiàn)在微信公眾號(hào)更改規(guī)則，如果你不特地點(diǎn)進(jìn)來(lái)，很可能看不到我們的推送了。希望喜歡【慎思行】的讀者朋友們將本號(hào)【設(shè)為星標(biāo)★】，方便找到我們；也歡迎點(diǎn)擊右下角的【在看】。