在快速发展的数字化时代，生成式人工智能（GenAI）正在重塑企业运作与战略。根据德勤的最新研究，近80%的企业与IT领导者预计，GenAI将在未来三年内推动显著的行业变革。随着全球对GenAI的投资激增，企业面临着提升生产力和应对人口老龄化挑战的双重压力。德勤通过四种可能的未来场景，帮助组织理解GenAI的潜在影响，识别风险与机遇。企业应积极构建信任、提升员工技能，并灵活调整战略，以在不断变化的环境中保持竞争力。了解如何通过生成式人工智能实现业务转型，今天就开始规划未来吧！
所有的企业组织正在对生成式人工智能下大赌注。
全球对人工智能的私募投资激增，从 2022 年的约 30 亿美元增至 2023 年的 250 亿美元。而且这种速度有增无减，预计 2024 年全球企业投资将达到约 400 亿美元，到 2027 年将超过 1500 亿美元。经济学家预计，随着人口老龄化的加剧，未来几年劳动力参与率将下降，这表明需要提高生产率，因此这些转型努力可能变得更加重要。多项权威预测显示，到本十年末，通用人工智能（AGI）等巨大进步将成为可能、或数字孪生在五年内代表您出席会议，生成式AI的可能性似乎只受到人们想象力的限制。
在这个世界上，大多数人都不想落在后面： 虽然这种情绪并非仅针对人工智能，但它反映了任何赌注都存在不确定性的现实，而人工智能对企业影响的不确定性程度非常高。对增长和机遇的预测突显了一种可能的未来，但也有可能出现这样的未来：人工智能的发展放缓，企业在扩展和提高人工智能能力时遇到巨大的财务障碍。
企业领导者如何才能把握人工智能在企业中的发展前景，并制定最佳战略来应对未来？
为了探讨这一问题，德勤综合研究中心对与企业相关的人工智能关键不确定性进行了前瞻性分析，分析参考了定量调查、主题专家访谈以及旨在捕捉人工智能近中期趋势的专有前景扫描计划（方法论）。 利用这一分析，我们开发了四种看似合理的未来情景，描绘了从现在到2027年底期间基因人工智能的可能演变及其对企业的潜在影响。 每种情景都展现了一个不同的世界，在这个世界中，人工智能与企业共存共生，对企业战略、政策和实践产生不同的影响。
通过利用这种情景规划来了解不确定的市场动态，企业可以在多种可能的未来情况下对其战略进行压力测试，以加强其投资。 这些情景并不是要告诉领导者会发生什么或应该做什么，而是要挑战和启发组织思考如何预测和管理围绕生成式AI的风险和不确定性。 它们旨在帮助领导者把握可能影响其组织的关键长期问题，并使他们具备更灵活、更具前瞻性的战略。 这并不是对可能出现的所有不同类型情况的全面看法，而是在企业领导者继续制定其人工智能战略时，重点关注可能与企业相关的一组特定、独特的情况。 通过探索当前的生成式AI战略和投资在不同情况下如何逐步展开，企业可以发现隐藏的风险和机遇，并在今天做出更明智的战略选择。
我们的研究采用了一种称为 “不确定性轴 “的方法，这是一种情景开发方法，它依赖于两个高度不确定变量和两个高影响变量的组合来定义四种可能的未来。 基于对德勤人工智能主题专家的定性访谈以及从多个正在进行的全球企业调查中获得的信息，我们确定了以下两个变量：
- 利益相关者的结果（x 轴）： 推出人工智能会带来哪些经济、社会和工作场所方面的影响？ 人工智能的持续快速发展将推动企业和社会的整体共同增长还是不平等增长？
随着各组织迅速实施和推广人工智能工具，人们同时对扩大这些工具的使用范围以提高创新能力感到非常兴奋，同时也对其可能造成的失业和不平等加剧感到担忧。 了解这些轨迹有助于把握长期发展机遇，以及与利益相关者信任、员工技能衰退、迫在眉睫的监管影响等相关的风险。
- 实现绩效目标（y 轴）： 组织是否能够通过其人工智能计划实现财务和运营绩效的改善，或者人工智能的产出是否不仅无法达到投资回报预期，还会导致组织混乱和绩效下降？
尽管生成式 AI 备受关注，但许多组织仍在努力确定和/或扩展与关键业务目标相一致的明确、高价值用例。 当企业希望扩大其在人工智能方面的努力时，他们可能会面临与如何将这些工具最好地融入日常工作流程相关的各种挑战。 了解这些不确定性有助于理解可能需要采用的服务、保障措施和战略，以确保人工智能工具为企业带来价值。
基于这些变量的每种情景（图 1）都探讨了可能的未来，并研究了支持证据，包括数据点、专家观点和可能变化的早期指标。 每个方案还强调了对当今战略的影响。
短短几年间，大语言模型（LLM）在处理复杂提示和生成与上下文相关的输出方面的能力已日趋成熟。 不仅工具本身取得了进步，它们还被嵌入到智能设备、可穿戴设备和工业设备中，为整个组织创造了一层自动化智能。 有些员工认为这越来越具有侵犯性，但它有助于推动企业价值。 许多企业已经开始将这些智能系统转化为数字代理，可以与人类或其他代理一起自动执行复杂的、开放式的个人和业务任务。
虽然技术进步几乎没有放缓的迹象，但生成式AI对企业的影响却喜忧参半。 在大多数行业中，那些早期积极投资于转型的企业获得了效率和新产品能力，从而转化为定价优势和市场增长。 这为早期采用者带来了超越竞争对手的持久优势，而那些没有在早期投资生成式AI的企业则在奋力追赶。 但最大的赢家是少数超大规模企业和半导体公司，它们的基础模型和技术基础设施正在推动经济增长。
虽然用户喜欢这些工具，但它们不断提高的能力使得许多以运营为导向的角色越来越没有必要。 失业率正在上升，虽然经济学家对人工智能在失业率上升中的作用存在分歧，但工人（包括在职和失业工人）越来越多地将失业以及潜在的恐惧感和金融不确定性归咎于人工智能。
这些因素不仅降低了人们对经济的信心，还造成了政治两极分化，进一步削弱了人们对大型机构的信任–这种信任的丧失代价高昂。 研究表明，在发生与信任相关的负面事件后，企业有可能损失 20% 至 56% 的市值。
全球恶意行为者在频繁的数字攻击中越来越多地使用人工智能技术，这些行为者因技术的日益先进而获得授权，这加剧了公众舆论的变化。 具有讽刺意味的是，这种信任的削弱正在产生对更加个性化的客户服务和人际互动的新需求。
"有成本的增长"的机遇与风险
人员
机遇
- 大多数员工都对人工智能功能的日益复杂性表示赞赏，因为这可以解放他们的时间，让他们专注于更有成就感和目的性的任务。
- 那些通过确保员工从人工智能中受益（如作为生产力助手或创造性合作者）来强化员工价值主张的组织，可以比那些不这样做的组织获得长期优势。
风险
- 年轻一代的职业道路会转向受人工智能影响较小的工作和任务，例如特定类型的行业。 这让企业面临失去年轻员工的风险，因为他们可能更精通新兴技术，但却看不到可行的入门级职业道路；
- 那些急于提高效率的组织正急于重新赢得包括顶尖人才在内的现有员工的信任；
- 由于员工的能动性降低，企业可能会错失加强创新的机会。
技术
机遇
- 将基因人工智能集成到工业设备、机器人系统和其他企业技术中的组织获得了新的业务能力和业务线增长机会，而这是仅仅提供独立工具所无法实现的。
- 让人类掌控人类与AI智能体（Agent）之间的关系（”控制循环”，而不是简单地 “在循环中”）以进行质量控制，有助于降低错误率，而错误率会随着时间的推移而不断增加。
风险
- 生成式AI的持续增长和投资可能导致新的替代模式激增，从而可能导致现有架构被淘汰；
- 生成式AI接管了软件设计、代码开发和客户互动，创造出更多不透明的解决方案，人类越来越难以理解和管理；
- 随着供应商锁定、知识产权管理和监管压力等问题的升级，技术生态系统的复杂性可能会急剧上升。
企业文化
机遇
- 那些拥有浓厚的持续学习、提高技能和职业发展文化的组织很可能能够更好地适应不断变化的环境，同时最大限度地减少对员工士气的影响。
- 如果组织的领导者注重加强信任，并将人工智能作为更广泛的创新和转型战略的一部分，那么这些组织就能激励员工，而不是让他们对技术进步感到恐惧；
- 越来越多的组织开始利用多样性、公平性和包容性（DEI）以及健康计划来鼓舞员工士气。
风险
- 各行各业的重组浪潮可能会对企业文化产生影响，并导致员工流失，尤其是那些只注重削减成本的公司。
- 效率之外的价值可能会被忽略，从而导致巨大的机会成本。 在强调削减成本的情况下，组织可能难以进行创新。
我们如何知道到 2027 年这种情况是否可行？
- 领先的人工智能采用者与落后者之间的差距正在拉大。德勤 2024 年第二季度企业中的生成式人工智能现状调查发现，73% 的受访企业表示其专业水平较高，正在快速或非常快速地采用该工具，而只有 40% 的受访企业表示其专业水平较低。
- 信任已经在减弱。爱德曼的 “信任晴雨表 “显示，全球信任人工智能公司的比例从2019年的62%降至2024年的54%。
- 年轻一代认识到即将发生的变化。在最近的一项劳动力研究中，67%的受访早期职业工作者表示，鉴于人工智能对其当前工作的影响，他们可能会在未来两到五年内改变自己的职业道路，而在长期工作者中，这一比例仅为 46%。
策略： 您应该考虑采取哪些措施来应对这种情况？
- 在开始 Gen AI 之旅时，将对 Gen AI 的投资与加强组织文化和信任的努力结合起来。 在这种情况下，许多组织会将主要精力放在削减成本上，这可能会在短期内提高效率，但却会牺牲员工对工作的信任和参与度。 通过将加强信任作为人工智能战略的一部分，组织可以减少这些对士气的影响，同时为组织的长期强劲增长做好准备。 在组织的人工智能战略中增加透明度有助于促进信任。 这可能包括为特定人工智能和人工智能代理能力的产出分配责任。
- 在各个层面建立人工智能流畅性和教育，帮助实现人工智能能力的民主化。这可以帮助员工自主选择是否希望成为组织人工智能化未来的一部分。
- 培养和支持基层生成式AI用例开发。 设计 “promptathons “等计划，促进和庆祝各职能部门采用人工智能技术。 一个组织可以加强其对利用人工智能的承诺，同时利用当地的劳动力爱好者，他们可以发现有价值的用例以及限制扩展的问题；
- 强调并提供激励措施，提高组织创造力。 有意识地关注新方法，以激励创新、奖励打破常规的思维和加强思想多样性（例如，通过利用正在进行的多样性、公平和包容性倡议以及神经包容计划）。
- 审查组织各层级的劳动力规划战略。重新设计员工价值主张，并重新审视组织吸引和留住人才的方式，同时考虑到不同层级和职业阶段的员工可能会受到人工智能技术的影响。 特别是，组织可能会面临减少职业生涯早期员工入门级机会的风险，尽管这些员工可能最有能力识别生成式 AI 工具带来的机遇。 为避免这一潜在陷阱，应明确定义入门级人才战略，包括员工将发展哪些技能，以及在组织内晋升需要哪些经验和专业知识。
- 确定领导层应如何传达预期的变化，以强化其愿景并增强员工的信任。为了激发信任，领导层应重申组织对技术的承诺，阐明技术如何支持公司的目标，并向员工宣传技术的好处。 与此同时，领导者应透明地传达基因人工智能广泛应用的潜在风险，以及他们计划如何应对。
由于人们对人工智能的期望大大超过了现实世界的能力，在这种情况下，挫败感可想而知。 尽管人们对人工智能寄予厚望，并投入巨资，但企业仍难以从人工智能中获得许多预期收益，导致科技行业和更广泛的市场陷入低迷。 挑战的部分原因在于人工智能工具的改进方式出现了偏差。 虽然机器生成的输出（包括文本、视频、图像等）的美观度持续快速提高，但事实证明，幻觉和其他准确性错误却更加难以解决。 随着企业快速部署和扩展基因人工智能工具，这种动态变化导致了决策制定者的困惑，因为他们会被淹没在看似高质量但往往包含微妙错误和错误信息的数据和分析中。 如果企业在预期效率提高之前过于激进地裁员，导致失业率上升，许多企业的劳动力捉襟见肘，那么这些挑战就会变得更加复杂。
此外，培训数据中的偏见也会进入这些系统的输出和分析中，从而使全球企业和社会中的不平等现象长期存在。 与此同时，不良行为者能够利用人工智能的能力来增加虚假信息和网络攻击。 这些因素加在一起，不仅让人们对人工智能越来越不信任，也让人们对更大的信息环境越来越不信任。
尽管存在这些困难，但并非一切都是负面的。 随着企业重新调整对人工智能的期望，他们已经开始确定明确的使用案例，在这些案例中，人工智能工具不仅提高了效率，还促进了业务增长和创新。 具有讽刺意味的是，在人工智能转型过程中，那些对人工智能的实施采取谨慎方法的组织，通过致力于加强合作，特别是与客户和员工的合作，更有能力在未来取得成功。
"泡沫破裂"的机遇与风险
人员
机遇
- 人才涌向那些不急于进行重大变革的公司和行业。 这些公司和部门可能不太需要迅速纠正方向。
风险
- 快速使用人工智能来降低成本的组织可能会面临员工焦虑增加、满意度降低和孤独感增加的风险。
- 如果企业只注重降低成本，而忽视了对增加创新机会的投资，就会面临与技能流失相关的巨大挑战。 这些公司可能因此难以吸引新的人才。
技术
机遇
- 采用较慢推出人工智能解决方案的组织能够更好地确保数据管理、平台完整性和网络安全技术能力到位。 这样，企业就能在管理更谨慎的人工智能技术推广的同时，降低外部风险，确保数据质量，并实现基础设施的长期弹性。
- 企业可以通过购买已经集成了人工智能的技术和软件来提高生产率；
- 企业可以利用针对特定功能用例的小型语言模型，而不是前沿 LLM，从而节省成本，减少资源密集型大型模型对环境的负面影响。
风险
- 不良行为者的能力可能会迅速提升，迫使企业加大对网络保护措施的投入。监管的不确定性可能会带来知识产权管理问题。
- 在短期内快速采用人工智能（例如，通过采用聊天机器人、图像和代码生成）可能会损害软件的整体质量，并带来新的技术债务、复杂性和不透明性。 这可能会让人对长期改善人工智能成果的能力产生怀疑。
- 在训练 LLM 时使用过多的合成数据可能会导致模型性能随着时间的推移而下降，从而增加工人的压力，以弥补基因人工智能未达到预期的地方。
企业文化
机遇
- 采用审慎方法来采用技术的组织（包括注重严格质量控制的文化）可通过寻找高价值用例和尽量减少失误，从采用基因人工智能工具中获得最大收益。
风险
- 培训数据中的偏差可能会使不平等现象长期存在，从而削弱发展型教育计划的有效性。
- 由于 FOMO 而专注于最强大技术的组织可能会受到特别严重的打击，因为他们关注的是 “热闹”，而不是最有用或最能推进组织目标的工具。
我们如何知道到 2027 年这种情况是否可行？
- 生成式AI的质量已经成为一个重大问题。 在德勤 2024 年第二季度企业中的生成式人工智能现状调查中，超过三分之一的受访高管选择 “对结果缺乏信心 “作为与生成式人工智能工具和应用相关的三大风险之一。
- 许多公司尚未跟踪生成式AI的投资回报率。 在德勤第三季度企业中的生成式人工智能现状调查中，仅有 35% 的受访者表示他们正在跟踪投资回报率，以衡量和宣传其生成式人工智能计划的价值。此外，行业分析师的早期反馈表明，这些工具可能不值得花费。
- 组织认识到，随着规模的扩大，人工智能的偏差是一种风险。对面试筛选中的基因人工智能输出进行的多项独立测试表明，在规模上延续偏差是一种重大风险。
- 采用的时间可能比预期的要长。以往的经验表明，利用新技术取得的进展并不总是线性的。 虚拟现实和自动驾驶汽车等技术在开发初期显示出了巨大的潜力，但其采用和商业化却比预期困难得多。
- 人们对信息环境的信任度不断降低。 深伪（Deepfakes）–经过合成修改或生成的图像–首次出现在 2017 年末。 最初制作这些假图像并不容易，而且质量很差。 但近年来，人工智能的进步大大提高了输出效果，通常能提供逼真的结果。 测试表明，许多人很难区分真实的人脸和人工智能生成的人脸。 此外，许多人对生成的图像反应更为积极。
策略： 您应该考虑采取哪些措施来应对这种情况？
- 将人工智能投资的重点放在需要解决的最大业务问题上。 当组织期望效益的实现速度超过实际可能时，技术投资很可能会表现不佳，并损害组织的文化和士气。 在这种情况下，那些将其生成式AI投资与基本业务需求谨慎匹配的组织可能会更好地降低这些风险。
- 避免技能和知识流失。 在这种情况下，组织会因为对人类技能和能力的投资不足，以及长期机构知识和文化的流失而危及其长期未来。 制定全面的计划以避免此类损失–尤其是当人工智能投资所需的时间超过预期时–对于人工智能工作的长期适应性至关重要。
在这种情况下，先行者的优势不如战略性优势。 在三年的时间里，几乎每一次与人工智能相关的技术进步，都伴随着行业的半步倒退，因为企业要努力跟上步伐。 整合人工智能的竞赛–以及对落后于竞争对手的恐惧–促使许多组织在工具得到充分测试之前就开始采用并扩大其规模，从而导致对人工智能的优势和局限性产生困惑。 因此，在早期试点和研究中出现的生产率提高很难在规模上再现，这让许多组织感到沮丧，因为相对于投资规模而言，它们的改进并不多。
这些规模化挑战源于赋予员工个人能力的工具助长了注意力分散的大环境。 一些新功能，如将少量要点即时转化为演示文稿，或向优先级较低的会议发送虚拟化身等，使员工个人能够提高产出，但同时也助长了 “生产率 “文化，许多员工感到有压力，必须完成更多的工作来证明自己的价值。 随着这种态势的发展，会给决策者和管理者带来更加嘈杂和混乱的信息环境。
各组织也在努力管理快速的技术变革与较慢的监管和法律制定速度之间的不匹配。 在三年的时间里，由于风险和责任不明确，这种监管不确定性限制了一些看似有前途的人工智能用例，如客户服务机器人。 另一方面，较慢的采用速度也减少了潜在的工作岗位流失。 到 2027 年夏天，胜出的组织将是那些在人工智能领域进行技术投资的同时，还在流程改进和工作重新设计方面做出类似大规模努力的组织，这些努力的重点是将人工智能的使用与明确的成果和目标联系起来。 即使对人工智能的某些炒作已经消退，但这种将人类和机器能力配对的方法仍显示出越来越大的希望，即从 LLM 和其他模型（如小型语言模型）的不断进步中创造机会。
"进步取决于人类"的机遇与风险
人类
机遇
- 并非所有个人工作效率的提高都能带来更大的组织收益。 那些将提高个人效率的工作与流程设计相结合的组织，可能会比那些采取孤立方法的组织更具优势。
风险
- 在许多组织中，使用生成式 AI 工具来制造忙碌的假象可能会削弱员工的潜在价值，导致员工疏远公司的核心使命。
- 缺乏全面综合的绩效衡量标准可能会损害人工智能投资的效益。 关键绩效指标的改进，如果没有相应的战略来整合这些衡量标准，在组织层面上产生的投资回报率是有限的；
- 人类仍然需要捕捉错误和幻觉，并花费越来越多的时间对机器生成的结果进行质量控制，而不是从事更具吸引力和创造性的工作。
技术
机遇
- 将人工智能技术的进步视为促进职业发展的一系列新工具，而非独立的自动化解决方案，可优化劳动力的价值。
风险
- 质量相关问题（代码/应用程序开发、数据和建模、网络安全等方面）的激增，以及替代性人工智能技术（如世界模型）的进步，往往会导致企业要么放缓其人工智能基因项目，要么重新评估其业务和技术战略。
- 技术预算、IT 团队以及更广泛的数据和平台现代化工作跟不上企业将基因人工智能整合到数字产品中的需求。
- 与数据和知识产权等领域相关的监管不确定性会限制将人工智能工具应用于潜在高价值用例的能力。
文化
机遇
- 注重将技术投资与明确的预期成果和关键指标相结合的组织可能会获得优势。 这些组织专注于开发衡量工作活动的新方法，以帮助确保员工活动（包括基因人工智能工具的使用）与关键业务成果保持一致。
风险
- 许多组织在准备好使用技术工具之前就将其推出，担心会错过人工智能技术的进步。
信号 我们怎么知道到 2027 年这种情况是否可行？
- 潜在的财务风险已经变得显而易见。 公司已经开始为生成式AI所犯的错误承担经济责任，例如向客户提供错误的定价信息等错误。
- 扩展可能难以实现。在德勤 2024 年第三季度企业中的生成式人工智能现状调查中，近 70% 的受访者表示，他们的组织仅将 30% 或更少的生成式人工智能实验投入生产。
- 由于使用 “影子人工智能 “而造成的数据泄漏可能正在增加。 最近的研究表明，在工作中使用基因人工智能的很大比例发生在个人账户中。
策略： 您应该考虑采取哪些措施来应对这种情况？
- 对人工智能工作进行整体评估。 确定反馈机制，以便更好地了解员工在学习使用人工智能时取得的成功和面临的挑战。 作为这项工作的一部分，必须确定如何调整工人的绩效标准，以反映新的操作流程和规范。 调整后的标准应与关键业务目标相联系，而不是与易于衡量的产出相联系。 要保持这种全局观念，可能还需要由人来掌舵，而不是简单地参与，以确保准确性并与更大的目标保持一致。
- 确保评估在整个组织内透明，以建立员工的信任。这也意味着，在组织内谁负责具体的AI智能体输出方面要透明，并确保负责AI智能体的人员有时间和资源来监督其输出。
- 以 “兼而有之 “的愿景发展人工智能技术在企业中的未来。要想让人工智能技术为企业发展提供支持，就应将其定位为一种核心能力，同时也是与其他能力并驾齐驱的集成组件，以推动业务机会和增长。
- 采用 “少即是多 “的思维方式。重点关注经过验证的AI战略用例，而不是尽快推动广泛采用。
- 评估新出现和不断变化的监管环境。了解并监控各地区不断变化的监管影响，包括相互冲突的监管框架会如何影响国内和全球跨境业务活动。
到 2027 年，有一件事是显而易见的：变革才刚刚开始。 在短短三年时间里，人工智能技术的进步已经遍及各行各业，并在各个领域掀起了新一轮的创造性创新浪潮。 各组织已经找到了新的方法，将人工智能工具的生产能力与其他科技进步相结合，从机器人学到生物学，再到机器学习的其他分支，从而掀起了一股横跨整个经济领域的创新和增长浪潮。 这种协同创新使科学、技术和商业学科的领域专家都能从人工智能的进步中获益。
这种广泛的增长是由持续的技术进步（包括 LLM 的不断改进和有针对性的小语言模型的增长）与人类的聪明才智共同推动的。 早期人工智能的推广成功地为许多企业节省了时间和精力，使员工能够专注于更复杂、更有创造力和更有价值的工作。 在这一过程中，企业及其员工发现了情商、批判性思维、想象力和其他人类能力的价值，而这些能力是人工智能无法轻易复制的。
对人类能力和技能的更多关注有助于组织调整工作流程和系统，以利用生成式AI工具的优势，同时最大限度地减少与质量和可靠性相关的问题。 对模型进行定制和微调的努力使企业能够降低幻觉和错误率，同时确保人工智能工具的输出符合不同职能的细微需求。
这样就能在不严重影响失业率的情况下大幅提高生产率、转型和顶线增长。 虽然工人和组织已从这些成果中广泛受益，但变革的步伐和对适应性的要求是无情的。 许多员工和企业领导不得不重塑工作方式，并对自身价值有了新的认识，尤其是在市场营销和软件工程等人工智能发展最快的领域。
除了管理这些劳动力适应方面的挑战外，企业还面临着日益严峻的安全和信息挑战，因为坏人会利用复杂的多模态深伪技术来攻击那些在网络安全方面投资不足的企业，这就要求不断更新安全协议。 到 2027 年末，适应和整合生成式 AI 的需求只会加速增长。 就像 20 世纪 90 年代末的网络经济繁荣是一场更大变革的开端一样，人工智能的进步所推动的创新似乎是一系列更深刻变革的开端。
"全系统运行"的机遇与风险
人员
机遇
- 企业通过人工智能辅导加速员工的学习和技能提升。 通过对机器人进行企业数据培训，企业可以创建定制的人工智能辅导工具，提供实时支持和反馈，使员工能够更快地发展；
- 与那些主要关注效率的组织相比，那些能够将更多劳动力集中在新的创新、实验以及产品和服务开发上的组织可以实现更快、更持久的发展。
- 随着变革步伐的加快，不仅要对全职员工的需求进行规划，还要对技能、任务、外部员工和技术获取进行综合规划，这一点变得更加重要。 采用这种更具连续性和整体性的劳动力规划方法的组织可能比竞争对手更能快速适应不断变化的环境。
风险
- 员工健康计划需要发展壮大，以应对在重大组织变革中角色和技能要求发生转变的员工本已面临的高心理健康挑战。
- 即使人工智能带来的好处被广泛分享，许多员工也会感到身份的丧失，因为他们的工作从生产工作转向了管理智能系统的产出。 这一点对于终身从业的专业人员来说尤为明显，因为他们看到自己多年磨练的技能受到了人工智能的影响。
- 初入职场的员工感到，职业选择不再像以前那样宽泛和即兴，因为人工智能给曾经被认为是 “创造性 “的领域披上了更多的技术外衣。
技术
机遇
- 与那些将人工智能视为独立解决方案的公司相比，那些全力投资人工智能以推动其数字产品和软件创新战略的公司可以获得上市速度、生产率和创新优势；
- 早期的人工智能投资者很可能还在确保数量有限的云服务器可用性方面进行了早期投资，并在可扩展创新方面占据了市场先机。 他们可以拥有技术创新生态系统，并有可能转售未使用的计算能力和私有模式。
风险
- 多代理解决方案变得过于复杂，难以在整个技术生态系统中进行管理，有可能造成大量技术债务，从而随着时间的推移减缓技术发展。
- 技术的扩散包括生成模型的替代品，这可能会给最近的人工智能投资带来过时的风险。
- 网络风险和业务连续性挑战会随着组合技术的日益扩散而增加，使组织面临新的对抗性攻击和业务连续性风险。
文化
机遇
- 经验对于加强组织文化、确保员工有归属感并与组织的目标和使命保持一致仍然至关重要。 能够确定这些关键体验（从在职培训和学徒到新员工入职）的组织或许能够建立更强大的文化，从而随着时间的推移增加信任和创新。
风险
- 随着时间的推移，这会破坏创新文化的可持续性。
信号： 通过自然语言和语音指令的AI能力日益增强
- 通过自然语言和语音命令的普及，人工智能的能力正在不断提高。基因人工智能的进步正在为机器人基础模型提供动力，使个人能够使用自然语言与机器进行交流。 这些机器人可以完成仓库拣选等任务，而传统的模拟训练方法几乎不可能完成这些任务。
- 随着人工智能的成熟，企业已经表示需要 “人类 “技能。在德勤 2024 年第二季度企业中的生成式人工智能现状调查中，超过半数的受访高管和 IT 领导者预计，由于采用了生成式人工智能工具和功能，包括创造力和情商在内的以人为本的技能将在整个组织中变得更有价值。
战略： 您应该考虑采取哪些措施来应对这种情况？
- 投资整体学习和发展工作。 随着人工智能技术的加速发展，不同经验水平的员工不仅可能会看到自己的角色发生转变，还可能面临快速学习新技能和采用新的工作思维方式的挑战。 作为这项工作的一部分，组织可以分享公司对人工智能的愿景，以及人工智能如何提高组织和员工的成功率。 让组织为业务流程和文化变革做好准备，对于确保员工能够成功适应至关重要。
- 持续规划劳动力需求。 由于人工智能带来了深远的转型机遇，组织可能会受益于根据市场的快速变化，从偶发规划转变为更持续的劳动力规划。 作为这项工作的一部分，企业可以确定学习和发展机会，以帮助加强员工与人工智能代理的协作。
- 关注绩效管理的透明度，以保持员工的信任。 组织的持续增长将取决于员工对公司人工智能战略的信任。 明确规定对员工的期望以及他们能够依靠人工智能代理完成的工作。
- 通过提高利益相关者的价值来利用绩效收益。 评估组织将如何公平地分配人工智能技术为所有利益相关者（尤其是员工）带来的收益。 除经济利益外，企业还应寻找机会，提高人工智能对员工士气和健康的影响，从而实现人类的可持续发展。
要使用这些情景来测试您企业的生成式AI战略并使其更具弹性和灵活性，请考虑以下问题：
- 迄今为止讨论过的哪些战略将使您的企业在多个场景中受益？例如，将更大的透明度嵌入到各项举措中以赢得员工的信任，专注于解决最大业务问题的经过验证的战略性AI用例，而不是尽快推动广泛采用，以及培养持续学习的精神以应对技能和知识的侵蚀，这些都是无论技术及其对业务和社会的影响如何发展，都能支持组织文化和运营绩效的几项战略。
- 您目前正在开展哪些生成式AI项目，这些项目在本文提出的每种情况下都有可能取得成功？无论是小规模试点还是大规模努力，这些举措都可能成为加快投资和努力的机会。
- 根据不同的情景，您的AI战略在哪些方面容易受到影响？如果未来的发展与您当前的计划假设不同，那么针对一种或两种情景进行的投资可能无法产生预期的投资回报率。 在确定这些潜在差距和弱点时，请考虑如何降低这些风险。
这些情景并不是对特定结果的预测，而是旨在帮助组织在多种不确定条件下制定基因人工智能战略。 这些情景为企业高管提供了一个机会，让他们能够在赌注很大、不确定性很高的环境中，不断改进自己的思维方式，更有信心地领导企业。
研究方法
本报告采用定性和定量相结合的数据来源，主要参考了德勤全球2024年「企业生成式人工智能现状」季度调查和访谈系列，该系列从高管和IT领导者的角度监测各行业的企业应用趋势。 为了深入了解新兴现象和创新，德勤综合研究中心自 2024 年 1 月以来一直在开展一项与创人工智能和企业未来相关的前景扫描计划。 为了进一步验证这些情景，我们对德勤人工智能领导者、行业专家和前瞻分析师进行了一系列访谈。
参考文献
- 创新洞察｜销售领导者的AI战略指南：4大重构机会提升销售业绩
- 创新指南｜生成式AI如何改变创意工作 – 未来3个趋势与7个应对策略
- Four futures of generative AI in the enterprise: Scenario planning for strategic resilience and adaptability
- 创新指南｜为什么AI创业公司亟需新战略 – 5大战略研判必须不同
- The State of Generative AI in the Enterprise：Moving from potential to performance
- 创新书荐｜《个性化：AI时代的客户战略》 – 5步打造AI个性化服务
