生成式AI有望在全球创造约7万亿美元的经济效益
如今，科技发展日新月异，生成式AI正在从热烈讨论走向应用落地。各大公司已不再追问何为生成式AI，而是希望了解如何提高部署该技术的投资回报率（ROI）。这一转变表明，生成式AI的颠覆性潜能正日益得到业界的认可。从初创企业到行业巨头，每家公司都在考虑或试点部署生成式AI用例，以期增强竞争优势。
从ChatGPT、GitHub Copilot、Stable Diffusion，到中国自主研发的文心一言、盘古，众多开创性生成式AI工具的诞生，正是巨额投资、大力研发机器学习与深度学习技术的成果。
生成式AI工具由基础模型驱动，广泛适用于事务性及创造性活动。随着大语言模型的持续、快速改进，生成式AI的能力也取得了长足进展，将有望重塑千行百业、不同职能的知识型工作，同时助推营销与销售、客户运营、软件开发等关键领域的岗位转型与绩效提升。
为测算生成式AI的经济社会价值，我们着重考察了两大方面：1. 60+个生成式AI用例在16个业务职能中的应用；2. 生成式AI对850个职业及超过2100项具体工作任务的影响（见图1）。
研究显示，生成式AI的价值创造潜力极为惊人。到2030年前，它有望为全球经济贡献7万亿美元的价值，比传统AI或分析的潜在经济效益高出50%。作为AI研发高地的中国，将凭借战略性投资分享生成式AI总效益的1/3（见图2）。
随着世界迈向AI驱动的时代，充分释放生成式AI的潜力将成为各大组织取得商业成功的重中之重。
生成式AI将赋能千行百业与众多职能
生成式AI所具备的价值创造潜力毋庸置疑，但其效益取决于多重因素，不仅涉及行业内不同职能的比例与重要性，也取决于行业的营收规模（见图3）。
全球范围内，生成式AI对高科技行业的影响最为显著。而在中国，最具代表性的将是先进制造、电子与半导体这两大行业（见图4与图5）。
生成式AI创造的主要价值可用“4C”来概括：
- 简化（虚拟专家）(Concision)：生成式AI能够利用非结构化数据源归纳并提炼洞见，从而促进专业知识的传播；它还能解读文本与转录稿，创建嵌入式文本，以支持相关资料来源的查询和引用。
- 应用示例：在财务绩效分析中，通过生成式AI提供针对性的外部财务信息与内部绩效总结，备注财务说明，可提高财务规划与分析的效率，有望将财务成本降低4%~7%。
- 编码与软件开发(Coding and Software)：生成式AI能够推动代码重构，从而加快主机迁移；可以解读、生成代码，从旧有系统大规模迁移主机资料，自动开发、记录、纠正测试，简化软件开发流程。
- 应用示例：在自动化或增强数据管理中，通过生成式AI可将部分数据标注、数据清理、文件生成工作自动化，辅助用户识别未标注数据中的异常值，并为最新获取的数据集创建文档，加快数据处理，提高数据质量，可将数据管理成本降低5%~10%。
- 内容创作(Content Creation)：生成式AI能够创作各种形式的内容初稿，可生成文本、图片等信息载体，自动编写合同、招标书等文件，还能生成视觉元素，加快研发节奏。
- 应用示例：在创作适用于不同媒介渠道的营销内容时，生成式AI能够助力创意生成（如故事板）与大规模创作，支持用户以不同语言编写适用于不同渠道的邮件，并推送个性化的产品/服务建议，将营销成本降低5%~8%。
- 客户互动(Customer Engagement)：生成式AI有助于打造高度个性化的消费体验，如通过聊天功能优化客户服务，还能拓宽客户聊天机器人的应用场景，从而加速客户拓展与数据收集。
- 应用示例：在聊天机器人的用例中，生成式AI可实现自然的对话、更好地应对外语及方言，打造自动化自助服务，并通过虚拟坐席提供客户支持，同时更加有效地解答客户疑问、准确判断疑问根因，有望降低9%~11%的客户运营成本。
生成式AI将重塑的未来工作
数十年来，科技进步不断重塑工作的本质，为劳动者持续注入“超能量”，帮助人类更快速更准确地完成工作。生成式AI不仅将延续这一趋势，还将带来前所未有的巨大影响。
伴随生成式AI的逐步推广，工作自动化的步伐将大幅加快，“中点情境”有望提前10年到来，50%的工时预计将实现自动化（见图6）。
2017年以来，麦肯锡全球研究院（MGI）始终密切关注自动化技术对工作的影响。经分析，MGI发现，目前劳动者50%工时内的工作可能在2030年前被自动化。仅中国就有约2.2亿个岗位可能被生成式AI等自动化技术重塑。这一系列惊人的数字充分印证了生成式AI将给劳动者带来的巨大影响。
生成式AI的颠覆性潜力将冲击各行各业的不同岗位，对各类职业造成的影响程度各不相同，其中白领工作受到的冲击将比蓝领工作更大（见图7）。
总体而言，生成式AI将促进劳动力转型升级，催生全新的工作方式，显著提高人效。
随着生成式AI的持续进化，企业与劳动者必须高效加以适应和运用。组织必须顺应AI发展潮流，围绕生成式AI的潜力重新定义工作岗位、培养全新技能。同样，劳动者也必须树立终身学习的观念，积极提升自身技能，从而在AI赋能的未来持续成长。
未来的工作也要求我们重新审视当前的教育体系。未来的人才必须具备数字化素养，才能充分驾驭生成式AI及相关技术。同时必须重点培养学生的问题解决能力与批判性思维，而非强调单纯的知识记忆。此外，由于那些仅需基本认知技能的工作正逐步被自动化替代，社交技能与情感技能的重要性将与日俱增，相关教育也必须纳入人才培养方案。
结语：部署生成式AI的挑战
为挖掘生成式AI的无穷潜力，组织必须攻克多重挑战，才能成功广泛部署这一技术。由于大规模推广耗时漫长，且受经济可行性的制约，各国普及速度不一。
我们此前发表的《麦肯锡全球人工智能最新调研》指出，过去5年间，AI在全球的普及率显著增长。2017年，20%的公司部署了AI技术，这一数字在2022年已达到50%。然而，中国的AI普及率仅为41%，落后于德国、美国、日本等领先国家，仍有进步空间。同时，在工作内容的自动化方面，中国达到50%自动化采用率的节点较发达国家晚两年左右（见图8）。
此外，研究显示，仅9%的中国企业计划凭借部署AI实现超10%的营收增长，而领先国家有19%的企业有望实现这一目标。同样，就利润贡献率而言，仅有7%的中国企业称AI对EBIT的贡献率突破20%，而领先国家有14%的企业突破了这一比例。对比结果表明，中国企业亟需提高变现能力，将AI技术的潜力转化为切实的经济效益。
中国虽是多条AI赛道的领跑者，企业部署AI的速度却慢了 一步，主要原因并非技术水平有限，而是一系列因素的共同结果：
- 总体AI战略有待成熟：在受访中国企业中， AI战略与公司总体战略相契合的企业不足30%；在受访高管中，完全认可AI战略的高管仅有25%。
- AI转译员储备不足：中国企业侧重于招募软件工程师、数据工程师等技术人才，却忽视了AI转译员、设计师等关键人才；2022年，近半数中国企业聘用了软件工程师，而招募转译员的公司仅有6%，远低于领先国家的14%。
- 内部培训未得到充分重视：仅30%左右的中国企业依靠内训培养AI人才，明显低于45%的全球均值。
为尽快部署生成式AI并从中成功发掘价值，企业必须首先思考六大关键问题：
- 在什么业务环节部署生成式AI才能创造最高的价值？ 能够帮助您增强竞争优势的关键用例有哪些？
- 您最重要且可供AI学习的数据资产有哪些？
- 您的技术运营模式是怎样的？
- 您是否拥有需要的AI人才，可实现业务与技术的无缝整合，并将AI的潜力转化为价值？
- 您是否已制定风险协议，以化解生成式AI的模型风险（如应对模型“幻觉”）？
- 您计划如何推进变革管理，从而推广生成式AI，达成业务目标？
企业必须回答上述问题，攻克种种挑战，才能快速构建所需的能力，充分释放生成式AI的潜力，及时获取这一颠覆性技术可创造的经济效益。
