人工智能已经逐渐渗透到我们的生活中，从为我们的智能手机提供动力的技术，到汽车上的自动驾驶功能，再到零售商用来给消费者带来惊喜和愉悦的工具。因此，它的进展几乎难以察觉。明确的里程碑，例如由DeepMind开发的基于人工智能的程序AlphaGo在2016年击败了世界冠军围棋玩家，但随后很快就从公众的意识中消失了。

生成式人工智能应用程序，如ChatGPT Copilot、Stable Diffusion等，以AlphaGo所没有的方式抓住了世界各地人们的想象力，这要归功于其广泛的实用性——几乎任何人都可以使用它们进行沟通和创造——以及与用户对话的超自然能力。最新的生成人工智能应用程序可以执行一系列常规任务，例如数据的重组和分类。但正是他们撰写文本、创作音乐和创作数字艺术的能力成为头条新闻，并说服消费者和家庭自己进行实验。因此，更广泛的利益相关者正在努力应对人工智能对商业和社会的影响，但没有太多的背景来帮助他们理解它。

生成式人工智能技术的发展速度并没有让这项任务变得更容易。ChatGPT于2022年11月发布。四个月后，OpenAI发布了一种新的大型语言模型，即LLM，称为GPT-4，其功能显著改进。1同样，到2023年5月，Anthropic的生成人工智能Claude能够处理100,000个文本令牌，相当于每分钟约75,000个单词——相当于平均小说的长度——而2023年3月推出时大约9000个令牌。22023年5月，谷歌宣布了几个由生成人工智能驱动的新功能，包括搜索生成体验和名为PaLM 2的新LLM，该LLM将为其Bard聊天机器人以及其他谷歌产品提供动力。

要掌握未来，需要了解促成生成式人工智能崛起的突破，这些突破已经酝酿了几十年。为了本报告的目的，麦肯锡将生成式人工智能定义为通常使用基础模型构建的应用程序。这些模型包含广泛的人工神经网络，灵感来自人类大脑中连接的数十亿个神经元。基础模型是所谓的深度学习的一部分，这个术语暗指神经网络中的许多深层。深度学习推动了人工智能最近的许多进步，但为生成性人工智能应用程序提供动力的基础模型是深度学习中一步变化的演变。与以前的深度学习模型不同，它们可以处理非常大和多样的非结构化数据集，并执行多项任务。

基础模型启用了新功能，并极大地改进了现有功能，包括图像、视频、音频和计算机代码等多种模式。在这些模型上接受培训的人工智能可以执行多项功能；除其他任务外，它可以对问题进行分类、编辑、总结、回答问题和起草新内容。

我们所有人都正处于了解生成人工智能的力量、覆盖范围和能力的旅程的开始。这项研究是我们评估人工智能这个新时代影响的最新努力。它表明，生成人工智能准备转变角色，并提高销售和营销、客户运营和软件开发等职能的绩效。在这个过程中，它可以解锁从银行到生命科学等各部门的数万亿美元价值。以下各节分享了我们的初步发现。

关键见解

生成式人工智能对生产力的影响可能会为全球经济增加数万亿美元的价值。麦肯锡的最新研究估计，在分析的63个用例中，生成式AI每年可以增加相当于2.6万亿至4.4万亿美元的——相比之下，2021年英国的整个GDP为3.1万亿美元。这将使所有人工智能的影响增加15%至40%。如果我们把将生成人工智能嵌入到目前用于这些用例以外的其他任务的软件中的影响包括在内，这个估计将大约翻一番。

生成式人工智能用例可以提供的价值的约75%分布在四个领域：客户运营、营销和销售、软件工程和研发。在16个业务职能中，我们研究了63个用例，在这些用例中，该技术可以以产生一个或多个可衡量结果的方式解决特定的业务挑战。示例包括生成式人工智能支持与客户互动的能力，为营销和销售生成创意内容，以及基于自然语言提示起草计算机代码，以及许多其他任务。

生成式人工智能将对所有行业产生重大影响。银行、高科技和生命科学是影响最大的行业之一，其收入占其生成人工智能收入的百分比。例如，在整个银行业，如果用例得到充分实施，该技术每年可以额外提供2000亿至3400亿美元的价值。在零售和包装消费品方面，潜在影响也很大，每年4000亿至6600亿美元。

生成式人工智能有可能改变工作结构，通过自动化一些个人活动来增强个体工人的能力。当前的生成式人工智能和其他技术有可能使工作活动自动化，这些工作活动吸收了当今员工60%至70%的时间。相比之下，我们之前估计，技术有可能使员工工作时间的一半自动化。技术自动化潜力的加速在很大程度上是由于生成人工智能理解自然语言的能力增强，这是占总工作时间25%的工作活动所必需的。因此，与其他类型的工作相比，生成式人工智能对与工资和教育要求更高的职业相关的知识工作的影响更大。

鉴于技术自动化潜力的增加，劳动力转型的步伐可能会加快。我们更新的采用方案，包括技术开发、经济可行性和传播时间表，导致估计今天一半的工作活动可以在2030年至2060年之间实现自动化，其中2045年达到中点，或比我们之前的估计提前了大约十年。

生成式人工智能可以大大提高整个经济的劳动生产率，但这需要投资来支持工人转移工作活动或更换工作。生成式人工智能可以使劳动生产率在2040年每年增长0.1%至0.6%，这取决于技术采用率和将工人时间重新部署到其他活动中。将生成式人工智能与所有其他技术相结合，工作自动化每年可以增加0.2至3.3个百分点的生产率增长。然而，工人在学习新技能方面需要支持，有些人会改变职业。如果工人过渡和其他风险可以管理，生成式人工智能可以为经济增长做出实质性贡献，并支持一个更可持续、更具包容性的世界。

生成式人工智能的时代才刚刚开始。对这项技术的兴奋是显而易见的，早期的飞行员也很吸引人。但充分实现该技术的好处需要时间，商业和社会领域的领导者仍然面临相当大的挑战需要解决。这些包括管理生成人工智能固有的风险，确定员工需要什么新技能和能力，以及重新思考核心业务流程，如再培训和开发新技能。

我们所有人都正处于了解这项颠覆技术的力量、影响力和能力的旅程的开始。如果过去8个月有任何指导的话，接下来的几年将带我们乘坐过山车，以快节奏的创新和技术突破为特色，迫使我们重新调整对人工智能对我们工作和生活影响的理解。正确理解这种现象并预测其影响很重要。鉴于迄今为止生成式人工智能的部署速度，加快数字化转型和重新培训劳动力的需求非常大。

有关本报告的完整版本，请下载PDF。