опубликованном отчете McKinsey AI говорится, что генеративный ИИ добился быстрого прогресса и огромных экономических преимуществ, и будущее нельзя недооценивать.
Опубликован отчет McKinsey Blockbuster!
Основной вывод состоит из одного предложения: ИИ достигнет человеческого уровня раньше, чем предполагалось, а медианный прогноз — до 2030 года.
Вы знаете, по сравнению с прогнозами людей в 2017 году, новый доклад подчеркивает оптимизм.
На рисунке выше представлен окончательный результат отчета, о котором мы поговорим по порядку позже.
Сводка отчетов
В самом начале доклад начинается с краткого изложения того, насколько технологии повлияли на нашу жизнь сегодня.
Одним словом, ИИ уже давно проник во все аспекты нашей жизни.
Когда в 2016 году компания DeepMind придумала AlphaGo и победила чемпиона мира Ли Седоля, ИИ когда-то входил в наше поле зрения, но, поскольку он был ограничен только игрой в го, он медленно исчезал, как только внимание уходило.
Но в этом году все по-другому.
Не говоря уже о ChatGPT, который превзошел небеса по количеству пользователей, только продукты генеративного ИИ, такие как Copilot, Stable Diffusion и так далее, пронеслись по нашей жизни, как шторм.
На этот раз отличие заключается в том, что эти инструменты искусственного интеллекта доступны каждому. Каждый может творить с помощью ChatGPT, использовать Midjourney для создания графики и использовать Copilot для создания PPT.
ChatGPT оснащен GPT-4, вся производительность напрямую начинается с GPT-3.5. Кроме того, есть Anthropic's Claude, который может обрабатывать 100 000 токенов в минуту (примерно столько длины романа), сколько у Клода в марте этого года, почти в десять раз меньше, чем сейчас.
В докладе основное внимание уделяется скорости, с которой развивается ИИ, который растет всего за несколько месяцев.
В этом отчете генеративный ИИ определяется как приложение, построенное на основе базовой модели. Базовая модель имеет большое количество новых функций в изображениях, видео, аудио, коде и т.д., а также значительно улучшена производительность оригинальных функций.
Согласно отчету, наше понимание масштабов возможностей генеративного ИИ все еще находится в зачаточном состоянии.
Именно поэтому McKinsey выступила с докладом, чтобы лучше понять будущее генеративного ИИ.
Экономические и социальные последствия
Компании экспериментируют с генеративным искусственным интеллектом, чтобы быстро адаптировать свои рабочие процессы к новым технологиям.
В докладе отмечается, что необходимо иметь четкое представление о том, что генеративный ИИ привнесет в наше общее социально-экономическое развитие.
На приведенной ниже диаграмме в отчете используются две взаимодополняющие точки зрения, чтобы определить, где и в какой степени в настоящее время используются возможности генеративного ИИ.
Линза 1 на изображении выше — это большое сканирование компаний, которые могут использовать генеративный ИИ. Это называется «вариантом использования».
Допустим, сценарий использования в маркетинге: Генеративный ИИ применяется для создания контента, такого как персонализированные электронные письма, измеряя такие результаты, как снижение затрат на создание такого контента и увеличение дохода за счет повышения эффективности высококачественного контента в масштабе.
В результате в отчете определены в общей сложности 63 варианта использования генеративного ИИ, охватывающих 16 бизнес-функций, которые могут приносить от 2,6 до 4,4 триллиона долларов в год экономических выгод при применении в различных отраслях.
Посмотрите на многое.
Это на 15-40 процентов больше по сравнению с текущей оценочной экономической стоимостью в 11-17,7 триллиона долларов. Последнее является прогнозом McKinsey на 2017 год.
Линза 2 дополняет Линзу 1, и в отчете анализируется потенциальное влияние генеративного ИИ примерно на 850 профессий.
Эксперты смоделировали различные сценарии, чтобы оценить, когда генеративный ИИ сможет выполнять каждую из более чем 2100 задач, составляющих мировую экономику, которые могут включать такие задачи, как общение с другими людьми по поводу оперативных планов или действий.
Таким образом, мы можем оценить, как генеративный ИИ повлияет на производительность труда для всех работ, выполняемых в настоящее время всей глобальной рабочей силой с существующими возможностями.
Некоторые из этих воздействий совпадают с сокращением затрат, упомянутым в Линзе 1, и поэтому в докладе предполагается, что сокращение затрат является результатом повышения производительности труда.
Без учета этого совпадения общая экономика генеративного ИИ составляет от $6,1 трлн до $7,9 трлн в год, как показано на графике ниже.
Будущий потенциал
Несмотря на то, что экономические выгоды уже значительны, в докладе говорится, что они выходят далеко за рамки этого.
Давайте поговорим о потенциале.
Генеративный ИИ, вероятно, окажет влияние на функции большинства предприятий. Однако, если мы измеряем технический эффект в процентах от стоимости функции, выделяются несколько функций, как показано на диаграмме ниже.
McKinsey проанализировала 16 бизнес-функций и обнаружила, что только на четыре функции — работа с клиентами, маркетинг и продажи, разработка программного обеспечения, а также исследования и разработки — приходится около 75% от общей годовой стоимости сценариев использования генеративного ИИ.
Проще говоря, с технической точки зрения самой работы, не все компании получают большую выгоду от ИИ.
В отчете отмечается, что потенциальная ценность генеративного ИИ была намного ниже в нескольких областях работы, включая производство и цепочку поставок, при оценке различных вариантов использования ИИ.
Основная причина связана с природой самого генеративного ИИ.
В дополнение к потенциальной ценности, которую генеративный ИИ может принести в конкретных случаях использования, генеративный ИИ также может принести пользу всей компании, революционизируя системы управления знаниями на предприятии.
Все мы знаем, что генеративный ИИ обладает мощными возможностями обработки естественного языка и может помочь сотрудникам легче запрашивать и извлекать внутренние знания, хранящиеся в компании.
Очевидно, что это повышает способность команды быстро получать доступ к соответствующей информации, что позволяет ей быстро принимать более обоснованные решения и разрабатывать эффективные стратегии.
До появления генеративного ИИ на выполнение той же работы мог уйти целый день, и генеративный ИИ должен был приносить огромные выгоды после выполнения этих задач.
Кроме того, генеративный ИИ может повысить ценность, работая с работниками, повышая их производительность и повышая их способность выполнять свою работу.
Я не говорю, чья ДНК переехала, даже эта статья была сгенерирована редактором с ИИ (нет).
Из 63 вариантов использования, проанализированных в отчете, генеративный ИИ может создать общую стоимость от 2,6 до 4,4 триллиона долларов США в различных отраслях.
Конечно, точное влияние зависит от множества факторов, таких как сочетание различных функций, важность каждой из них, и, что более важно, масштаб доходов самой отрасли, как показано на рисунке ниже.
Например, генеративный ИИ, как сообщается, может принести около 310 миллиардов долларов дополнительной стоимости для розничной торговли, включая автосалоны, за счет улучшения таких возможностей, как маркетинг и работа с клиентами.
Напротив, большая часть потенциальной ценности в высоких технологиях исходит от способности генеративного ИИ повышать скорость и эффективность разработки программного обеспечения, как показано на диаграмме ниже.
По оценкам отчета, в будущем эта цифра будет становиться все более впечатляющей, поскольку возможности ИИ развиваются не по дням, а по часам.
С 2017 года Глобальный институт McKinsey анализирует влияние автоматизации на различные виды деятельности, а также моделирует различные сценарии внедрения технологий.
В то время они подсчитали, что работники тратят не менее половины своего времени на адаптацию и автоматизацию существующих технологий, что мы называем потенциалом автоматизации технологий.
Эксперты также смоделировали ряд возможных сценариев, чтобы определить темпы внедрения этих технологий и их влияние на трудовую деятельность в мировой экономике.
Во-первых, широкомасштабное внедрение технологий не произойдет в одночасье. Требуется время, чтобы технологии в лаборатории превратились в автоматизацию конкретных рабочих действий.
В то же время, если стоимость автоматизации выше, чем стоимость рабочей силы, она заведомо неосуществима.
Наконец, даже если это произойдет, потребуется время, чтобы развернуть его в более широких масштабах.
Именно этому посвящен доклад. Какой потенциал генеративный ИИ имеет для автоматизации производства и жизни, и насколько можно повысить эффективность работы.
В отчете прогнозируется, что, основываясь на текущих показателях генеративного ИИ, его возможности во всех аспектах достигнут производительности человека быстрее, чем предполагалось ранее, как показано на диаграмме ниже.
Ранее институт считал, что 2027 год будет самым ранним годом, когда технологии смогут достичь среднего уровня понимания естественного языка человека, но в последнем отчете это время было перенесено на 2023 год.
Теоретически, за счет интеграции существующих технологий, общая доля автоматизации на данном этапе увеличилась примерно с 50% до 60-70%.
Более того, из-за стремительного развития возможностей генеративного ИИ на естественном языке кривая потенциала технологического развития достаточно крутая.
На графике ниже показан прогноз на 2017 год и последний прогноз, а по кривой легко видно, как пишется слово «оптимистичный».
Последние прогнозы
Прогноз на 2017 год
На графике ниже показано, насколько изменятся виды деятельности, выполняемые работниками на ежедневной основе, при этом последний прогноз находится вверху, а прогноз на 2017 год — внизу.
Последние прогнозы
Прогноз на 2017 год
Эксперты прогнозируют, что генеративный ИИ, вероятно, окажет наибольшее влияние на интеллектуальную работу, особенно на деятельность, связанную с принятием решений и сотрудничеством, которая ранее имела самый низкий потенциал для автоматизации, как показано на диаграмме ниже.
По оценкам отчета, потенциал автоматизации экспертизы подскочил на 34 процентных пункта, в то время как потенциал автоматизации управления и развития талантов вырос с 16% в 2017 году до 49% в 2023 году.
Кроме того, генеративный ИИ также способен понимать естественный язык и использовать его для различных видов деятельности и задач, что во многом объясняет, почему автоматизация имеет такой большой потенциал.
В экономической сфере около 40 процентов видов деятельности, выполняемых работниками, должны достигать, по крайней мере, среднего уровня человеческого понимания естественного языка.
В результате, многие виды деятельности, связанные с коммуникацией, контролем, записью и человеческим взаимодействием, могут быть автоматизированы с помощью генеративного ИИ, ускоряя трансформацию рабочих мест в таких профессиях, как образование и технологии, где ранее ожидалось, что потенциал автоматизации появится позже, как показано на диаграмме ниже.
В дополнение к вышесказанному, отчет McKinsey также анализирует с других измерений.
Из-за ограниченного объема я не буду перечислять их все.
**Куда двигаться дальше? **
Можно сказать, что приведенный выше анализ фокусируется на общем облике отрасли.
Чтобы отразить обоснованность отчета, заключительный раздел посвящен влиянию генеративного ИИ на людей и тому, как каждый из нас должен с этим столкнуться.
По мере развития новых технологий заинтересованные стороны должны действовать, чтобы подготовиться к возможностям и рискам, говорится в докладе.
Основной проблемой также являются клише, такие как проблемы с галлюцинациями, интеллектуальные проблемы с авторскими правами на данные, используемые в обучении, и так далее.
В докладе прогнозируется, что по крайней мере от четверти до трети рабочих мест изменятся в течение следующего десятилетия в соответствии с медианным прогнозом. Для разных ролей у разных людей мы должны реагировать очень по-разному.
Как компании и бизнес-лидеры могут использовать потенциальную ценность генеративного ИИ, одновременно управляя рисками, которые он представляет.
Как генеративный ИИ и другие технологии ИИ изменят профессии и навыки, необходимые для сотрудников компании в ближайшие годы? Как компании будут реализовывать эти изменения в программах найма, сдерживающих программах и других аспектах HR?
Могут ли компании сыграть свою роль в обеспечении того, чтобы технологии не использовались негативным образом, который может нанести вред обществу?
Как компании могут прозрачно делиться своим опытом в продвижении использования генеративного ИИ в различных отраслях с правительствами и обществом?
Это вопросы, которые менеджеры должны изучить.
Что генеративный ИИ означает для будущего планирования трудовых ресурсов для лиц, принимающих решения в правительстве?
Каким образом работникам может быть оказана необходимая политическая поддержка, когда их деятельность со временем меняется?
Можно ли сформулировать новую политику или пересмотреть существующую, чтобы сделать ИИ более социально значимым?
Наконец, как мы, как каждый рабочий, потребитель и гражданин, должны обращать внимание на развитие новых технологий? Где мы получаем правильную и объективную информацию?
Как люди могут найти баланс между удобством и эффективностью генеративного ИИ?
Как мы, как индивидуумы, выражаем свои требования в процессе принятия решений?
Многие вопросы требуют нашего глубокого рассмотрения.
Короче говоря, в этом отчете представлен всесторонний взгляд на значительное влияние взрыва генеративного ИИ на наше общество, особенно на экономику.
Ресурсы:
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
McKinsey выпустила отчеты о генеративном искусственном интеллекте, предсказывающие уровень жизни человека к 2030 году
Источник: Шинь Чжиюань
Опубликован отчет McKinsey Blockbuster!
Основной вывод состоит из одного предложения: ИИ достигнет человеческого уровня раньше, чем предполагалось, а медианный прогноз — до 2030 года.
Вы знаете, по сравнению с прогнозами людей в 2017 году, новый доклад подчеркивает оптимизм.
Сводка отчетов
В самом начале доклад начинается с краткого изложения того, насколько технологии повлияли на нашу жизнь сегодня.
Одним словом, ИИ уже давно проник во все аспекты нашей жизни.
Когда в 2016 году компания DeepMind придумала AlphaGo и победила чемпиона мира Ли Седоля, ИИ когда-то входил в наше поле зрения, но, поскольку он был ограничен только игрой в го, он медленно исчезал, как только внимание уходило.
Но в этом году все по-другому.
Не говоря уже о ChatGPT, который превзошел небеса по количеству пользователей, только продукты генеративного ИИ, такие как Copilot, Stable Diffusion и так далее, пронеслись по нашей жизни, как шторм.
На этот раз отличие заключается в том, что эти инструменты искусственного интеллекта доступны каждому. Каждый может творить с помощью ChatGPT, использовать Midjourney для создания графики и использовать Copilot для создания PPT.
ChatGPT оснащен GPT-4, вся производительность напрямую начинается с GPT-3.5. Кроме того, есть Anthropic's Claude, который может обрабатывать 100 000 токенов в минуту (примерно столько длины романа), сколько у Клода в марте этого года, почти в десять раз меньше, чем сейчас.
В докладе основное внимание уделяется скорости, с которой развивается ИИ, который растет всего за несколько месяцев.
В этом отчете генеративный ИИ определяется как приложение, построенное на основе базовой модели. Базовая модель имеет большое количество новых функций в изображениях, видео, аудио, коде и т.д., а также значительно улучшена производительность оригинальных функций.
Согласно отчету, наше понимание масштабов возможностей генеративного ИИ все еще находится в зачаточном состоянии.
Именно поэтому McKinsey выступила с докладом, чтобы лучше понять будущее генеративного ИИ.
Экономические и социальные последствия
Компании экспериментируют с генеративным искусственным интеллектом, чтобы быстро адаптировать свои рабочие процессы к новым технологиям.
В докладе отмечается, что необходимо иметь четкое представление о том, что генеративный ИИ привнесет в наше общее социально-экономическое развитие.
На приведенной ниже диаграмме в отчете используются две взаимодополняющие точки зрения, чтобы определить, где и в какой степени в настоящее время используются возможности генеративного ИИ.
Допустим, сценарий использования в маркетинге: Генеративный ИИ применяется для создания контента, такого как персонализированные электронные письма, измеряя такие результаты, как снижение затрат на создание такого контента и увеличение дохода за счет повышения эффективности высококачественного контента в масштабе.
В результате в отчете определены в общей сложности 63 варианта использования генеративного ИИ, охватывающих 16 бизнес-функций, которые могут приносить от 2,6 до 4,4 триллиона долларов в год экономических выгод при применении в различных отраслях.
Посмотрите на многое.
Это на 15-40 процентов больше по сравнению с текущей оценочной экономической стоимостью в 11-17,7 триллиона долларов. Последнее является прогнозом McKinsey на 2017 год.
Линза 2 дополняет Линзу 1, и в отчете анализируется потенциальное влияние генеративного ИИ примерно на 850 профессий.
Эксперты смоделировали различные сценарии, чтобы оценить, когда генеративный ИИ сможет выполнять каждую из более чем 2100 задач, составляющих мировую экономику, которые могут включать такие задачи, как общение с другими людьми по поводу оперативных планов или действий.
Таким образом, мы можем оценить, как генеративный ИИ повлияет на производительность труда для всех работ, выполняемых в настоящее время всей глобальной рабочей силой с существующими возможностями.
Некоторые из этих воздействий совпадают с сокращением затрат, упомянутым в Линзе 1, и поэтому в докладе предполагается, что сокращение затрат является результатом повышения производительности труда.
Без учета этого совпадения общая экономика генеративного ИИ составляет от $6,1 трлн до $7,9 трлн в год, как показано на графике ниже.
Будущий потенциал
Несмотря на то, что экономические выгоды уже значительны, в докладе говорится, что они выходят далеко за рамки этого.
Давайте поговорим о потенциале.
Генеративный ИИ, вероятно, окажет влияние на функции большинства предприятий. Однако, если мы измеряем технический эффект в процентах от стоимости функции, выделяются несколько функций, как показано на диаграмме ниже.
McKinsey проанализировала 16 бизнес-функций и обнаружила, что только на четыре функции — работа с клиентами, маркетинг и продажи, разработка программного обеспечения, а также исследования и разработки — приходится около 75% от общей годовой стоимости сценариев использования генеративного ИИ.
Проще говоря, с технической точки зрения самой работы, не все компании получают большую выгоду от ИИ.
Основная причина связана с природой самого генеративного ИИ.
В дополнение к потенциальной ценности, которую генеративный ИИ может принести в конкретных случаях использования, генеративный ИИ также может принести пользу всей компании, революционизируя системы управления знаниями на предприятии.
Все мы знаем, что генеративный ИИ обладает мощными возможностями обработки естественного языка и может помочь сотрудникам легче запрашивать и извлекать внутренние знания, хранящиеся в компании.
Очевидно, что это повышает способность команды быстро получать доступ к соответствующей информации, что позволяет ей быстро принимать более обоснованные решения и разрабатывать эффективные стратегии.
До появления генеративного ИИ на выполнение той же работы мог уйти целый день, и генеративный ИИ должен был приносить огромные выгоды после выполнения этих задач.
Кроме того, генеративный ИИ может повысить ценность, работая с работниками, повышая их производительность и повышая их способность выполнять свою работу.
Я не говорю, чья ДНК переехала, даже эта статья была сгенерирована редактором с ИИ (нет).
Из 63 вариантов использования, проанализированных в отчете, генеративный ИИ может создать общую стоимость от 2,6 до 4,4 триллиона долларов США в различных отраслях.
Конечно, точное влияние зависит от множества факторов, таких как сочетание различных функций, важность каждой из них, и, что более важно, масштаб доходов самой отрасли, как показано на рисунке ниже.
Напротив, большая часть потенциальной ценности в высоких технологиях исходит от способности генеративного ИИ повышать скорость и эффективность разработки программного обеспечения, как показано на диаграмме ниже.
С 2017 года Глобальный институт McKinsey анализирует влияние автоматизации на различные виды деятельности, а также моделирует различные сценарии внедрения технологий.
В то время они подсчитали, что работники тратят не менее половины своего времени на адаптацию и автоматизацию существующих технологий, что мы называем потенциалом автоматизации технологий.
Эксперты также смоделировали ряд возможных сценариев, чтобы определить темпы внедрения этих технологий и их влияние на трудовую деятельность в мировой экономике.
Во-первых, широкомасштабное внедрение технологий не произойдет в одночасье. Требуется время, чтобы технологии в лаборатории превратились в автоматизацию конкретных рабочих действий.
В то же время, если стоимость автоматизации выше, чем стоимость рабочей силы, она заведомо неосуществима.
Наконец, даже если это произойдет, потребуется время, чтобы развернуть его в более широких масштабах.
Именно этому посвящен доклад. Какой потенциал генеративный ИИ имеет для автоматизации производства и жизни, и насколько можно повысить эффективность работы.
В отчете прогнозируется, что, основываясь на текущих показателях генеративного ИИ, его возможности во всех аспектах достигнут производительности человека быстрее, чем предполагалось ранее, как показано на диаграмме ниже.
Ранее институт считал, что 2027 год будет самым ранним годом, когда технологии смогут достичь среднего уровня понимания естественного языка человека, но в последнем отчете это время было перенесено на 2023 год.
Более того, из-за стремительного развития возможностей генеративного ИИ на естественном языке кривая потенциала технологического развития достаточно крутая.
На графике ниже показан прогноз на 2017 год и последний прогноз, а по кривой легко видно, как пишется слово «оптимистичный».
На графике ниже показано, насколько изменятся виды деятельности, выполняемые работниками на ежедневной основе, при этом последний прогноз находится вверху, а прогноз на 2017 год — внизу.
Эксперты прогнозируют, что генеративный ИИ, вероятно, окажет наибольшее влияние на интеллектуальную работу, особенно на деятельность, связанную с принятием решений и сотрудничеством, которая ранее имела самый низкий потенциал для автоматизации, как показано на диаграмме ниже.
По оценкам отчета, потенциал автоматизации экспертизы подскочил на 34 процентных пункта, в то время как потенциал автоматизации управления и развития талантов вырос с 16% в 2017 году до 49% в 2023 году.
В экономической сфере около 40 процентов видов деятельности, выполняемых работниками, должны достигать, по крайней мере, среднего уровня человеческого понимания естественного языка.
В результате, многие виды деятельности, связанные с коммуникацией, контролем, записью и человеческим взаимодействием, могут быть автоматизированы с помощью генеративного ИИ, ускоряя трансформацию рабочих мест в таких профессиях, как образование и технологии, где ранее ожидалось, что потенциал автоматизации появится позже, как показано на диаграмме ниже.
Из-за ограниченного объема я не буду перечислять их все.
**Куда двигаться дальше? **
Можно сказать, что приведенный выше анализ фокусируется на общем облике отрасли.
Чтобы отразить обоснованность отчета, заключительный раздел посвящен влиянию генеративного ИИ на людей и тому, как каждый из нас должен с этим столкнуться.
По мере развития новых технологий заинтересованные стороны должны действовать, чтобы подготовиться к возможностям и рискам, говорится в докладе.
Основной проблемой также являются клише, такие как проблемы с галлюцинациями, интеллектуальные проблемы с авторскими правами на данные, используемые в обучении, и так далее.
В докладе прогнозируется, что по крайней мере от четверти до трети рабочих мест изменятся в течение следующего десятилетия в соответствии с медианным прогнозом. Для разных ролей у разных людей мы должны реагировать очень по-разному.
Как компании и бизнес-лидеры могут использовать потенциальную ценность генеративного ИИ, одновременно управляя рисками, которые он представляет.
Как генеративный ИИ и другие технологии ИИ изменят профессии и навыки, необходимые для сотрудников компании в ближайшие годы? Как компании будут реализовывать эти изменения в программах найма, сдерживающих программах и других аспектах HR?
Могут ли компании сыграть свою роль в обеспечении того, чтобы технологии не использовались негативным образом, который может нанести вред обществу?
Как компании могут прозрачно делиться своим опытом в продвижении использования генеративного ИИ в различных отраслях с правительствами и обществом?
Это вопросы, которые менеджеры должны изучить.
Что генеративный ИИ означает для будущего планирования трудовых ресурсов для лиц, принимающих решения в правительстве?
Каким образом работникам может быть оказана необходимая политическая поддержка, когда их деятельность со временем меняется?
Можно ли сформулировать новую политику или пересмотреть существующую, чтобы сделать ИИ более социально значимым?
Наконец, как мы, как каждый рабочий, потребитель и гражданин, должны обращать внимание на развитие новых технологий? Где мы получаем правильную и объективную информацию?
Как люди могут найти баланс между удобством и эффективностью генеративного ИИ?
Как мы, как индивидуумы, выражаем свои требования в процессе принятия решений?
Многие вопросы требуют нашего глубокого рассмотрения.
Короче говоря, в этом отчете представлен всесторонний взгляд на значительное влияние взрыва генеративного ИИ на наше общество, особенно на экономику.
Ресурсы: