创新洞察|麦肯锡研究生成式AI在中国将创造2万亿美元的经济价值

AI经济价值

生成式AI有望在全球创造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)。

立即登录阅读全文
登录或注册即可解锁全站内容,即表示你理解并同意 服务协议 与 隐私政策

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:

  1. 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%
  1. 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%
  1. 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%
  1. 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:

  1. 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%。
  2. 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%。
  3. 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:

  1. 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?
  2. 您最重要且可供AI学习的数据资产有哪些?
  3. 您的技术运营模式是怎样的?
  4. 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?
  5. 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”)?
  6. 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。

点个赞鼓励一下作者吧~
点赞
收藏
请用微信扫码分享哦~
分享
加入社群
创新战略交流群创新战略交流群
扫码进群
扫码加我拉你入群
TOC业务增长群TOC业务增长群
扫码进群
扫码加我拉你入群
TOB业务增长群TOB业务增长群
扫码进群
扫码加我拉你入群~

勿删,用于自定义目录加锚点,隐藏即可

相关文章推荐

发表回复

点赞
收藏
请用微信扫码分享哦~
分享
关闭按钮
欢迎来到Runwise即能创新社区!
登录装饰图,三个人围坐在电脑前,对某个灵感进行沟通和讨论
已有账号?
电话咨询
7x24热线,欢迎致电咨询
微信咨询
扫码添加专家微信
扫码添加专家微信
享专家1V1咨询