麥肯錫調查報告丨2023 年人工智能現狀：生成式AI 的爆發之年

**來源：**麥肯錫

**作者：**調查內容和分析由以下人員完成：麥肯錫全球研究院合夥人、麥肯錫灣區辦公室合夥人Michael Chui（Lareina Yee 是該辦公室的高級合夥人）；華盛頓特區辦公室副合夥人Bryce Hall ；高級合夥人Alex Singla 和Alexander Sukharevsky（麥肯錫人工智能QuantumBlack 的全球負責人，分別常駐芝加哥和倫敦辦公室）。

圖片來源：由無界AI工俱生成

麥肯錫關於人工智能現狀的最新年度全球調查證實了生成式人工智能（gen AI）工具的爆炸式增長。在許多此類工具問世不到一年的時間裡，三分之一的受訪者表示，他們的組織正在至少一項業務職能中定期使用生成式AI。在最近的進展中，人工智能已從技術員工的話題上升為公司領導者的焦點：近四分之一的受訪高管表示，他們個人正在使用gen AI 工具開展工作，超過四分之一的使用AI 的公司受訪者表示，gen AI 已列入其董事會的議程。此外，40% 的受訪者表示，由於人工智能技術的進步，其組織將增加對人工智能的整體投資。調查結果表明，管理與人工智能相關的風險仍處於早期階段，不到一半的受訪者表示，他們的組織正在降低他們認為最相關的風險：不准確性。

已經嵌入AI 能力的組織率先探索了人工智能的潛力，而那些從更傳統的人工智能能力中看到最大價值的組織-- 我們稱之為人工智能高績效組織-- 在採用人工智能工具方面已經超過了其他組織。

受访者预计 AI 将对业务产生重大影响，其员工队伍将发生重大变化。他们预计会在某些领域裁员，并进行大规模的技能再培训，以应对不断变化的人才需求。然而，虽然 gen AI 的使用可能会刺激其他 AI 工具的采用，但我们发现企业对这些技术的采用并没有显著增加。自 2022 年以来，采用任何人工智能工具的企业比例一直保持稳定，而且采用范围仍然集中在少数业务职能部门。

1. 雖然還為時尚早，但生成式AI 的應用已十分廣泛

2023 年4 月中旬的實地調查結果顯示，儘管人工智能技術剛剛公開可用，但使用這些工具進行實驗的情況已經比較普遍，受訪者預計新的能力將改變他們所在的行業。新一代AI 引起了企業界人士的興趣：不同地區、不同行業和不同資歷的個人都在工作和工作之外使用新一代人工智能。 79% 的受訪者表示，他們在工作中或工作之外至少接觸過一些人工智能，22% 的受訪者表示，他們在自己的工作中經常使用人工智能。雖然不同資歷的受訪者所報告的使用情況大同小異，但在技術行業和北美地區工作的受訪者中使用率最高。

注：點擊原文查看更多調查數據

組織機構現在也在普遍使用生成式AI。三分之一的受訪者表示，他們的組織已經在至少一項職能中定期使用生成式AI，這意味著60% 報告採用人工智能的組織正在使用gen AI。此外，在報告採用人工智能的企業中，40% 的受訪者表示，得益於gen AI，他們的公司預計將在人工智能領域進行更多投資，28% 的受訪者表示，gen AI 的使用已列入董事會議程。據報導，最常使用這些較新工具的業務職能與最常使用人工智能的業務職能相同：營銷和銷售、產品和服務開發以及服務運營，如客戶服務和後台支持。這表明，企業正在追求這些新工具的最大價值。在我們之前的研究中，這三個領域與軟件工程一起，佔了生成式人工智能用例提供的年度總價值約75% 的潛力。

在這些早期階段，人們對人工智能的影響抱有很高的期望：四分之三的受訪者預計人工智能將在未來三年內對其所在行業的競爭性質造成重大或顛覆性的改變。在技術和金融服務行業工作的受訪者最有可能期待人工智能帶來顛覆性變化。我們之前的研究表明，雖然所有行業都有可能受到一定程度的顛覆，但影響程度可能會有所不同。對知識工作依賴程度最高的行業可能會受到更多的顛覆，而且可能會收穫更多的價值。根據我們的估計，科技公司將受到gen AI 的最大影響，其增加的價值相當於全球行業收入的9%，但以知識為基礎的行業，如銀行業（高達5%）、製藥和醫療產品業（也高達5%）和教育業（高達4%）也可能受到重大影響。相比之下，以製造業為基礎的行業，如航空航天、汽車和先進電子產品，可能受到的破壞性影響較小。這與前幾次對製造業影響最大的技術浪潮形成鮮明對比，其原因在於gen AI 在基於語言的活動方面具有優勢，而不是那些需要體力勞動的活動。

Alex Singla（麥肯錫人工智能QuantumBlack 的全球負責人）評論表示：

圍繞生成式人工智能的討論發展之快令人驚嘆。就在幾個月前，高管之間的對話還很初級，主要是試圖了解它是什麼，看看哪些是炒作，哪些是現實。而現在，在短短六個月左右的時間裡，企業領導者們正在進行更為複雜的對話。從調查結果中我們可以看到，近三分之一的公司正在至少一項業務職能中使用生成式人工智能。這凸顯了企業對生成式人工智能在業務中可行性的理解和接受程度。

接下來的問題是，企業將如何邁出下一步，以及生成式人工智能是否會遵循我們觀察到的更普遍的人工智能模式，即採用率穩定在50% 左右。我們從數據中看到，在已經使用人工智能的公司中，有將近一半的公司正計劃增加對人工智能的投資，部分原因是他們認識到，要充分利用人工智能，需要更廣泛的能力。

要想邁出下一步，使人工智能從實驗轉變為業務引擎，並確保獲得豐厚的投資回報，企業就必須解決一系列廣泛的問題。這些問題包括：確定組織內生成式人工智能的具體機遇、治理和運營模式應該是什麼、如何最好地管理第三方（如雲和大型語言模型提供商）、管理各種風險需要什麼、了解對人員和技術堆棧的影響，以及清楚如何在銀行近期收益和發展規模所需的長期基礎之間找到平衡。這些都是複雜的問題，但卻是釋放真正巨大價值的關鍵所在。

許多組織尚未應對AI 帶來的潛在風險

調查顯示，似乎很少有公司為人工智能技術的廣泛應用或這些工具可能帶來的商業風險做好了充分準備。在報告採用人工智能的受訪者中，只有21% 的人表示他們的組織已經制定了政策，管理員工在工作中使用人工智能技術。當我們特別問及採用人工智能的風險時，很少有受訪者表示他們的公司正在降低最常被提及的人工智能風險：不准確性。受訪者提到不准確的頻率比網絡安全和監管合規的頻率都高，而在以前的調查中，網絡安全和監管合規是人工智能最常見的風險。只有32% 的受訪者表示他們正在降低不准確性，這一比例低於正在降低網絡安全風險的38% 的受訪者。有趣的是，這一數字明顯低於去年報告減輕人工智能相關網絡安全風險的受訪者比例（51%）。總體而言，與我們前幾年看到的情況一樣，大多數受訪者表示他們的組織沒有應對與人工智能相關的風險。

Alexander Sukharevsky（麥肯錫人工智能QuantumBlack 的全球負責人）評論表示：

人們普遍意識到了與生成式人工智能相關的風險。但與此同時，普遍存在的焦慮和恐懼卻使領導者在有效應對風險方面面臨挑戰。我們的最新調查顯示，僅有20% 多一點的公司製定了針對生成式人工智能的風險政策。這些政策往往側重於保護公司的專有信息，如數據、知識和其他知識產權。這些都是至關重要的，但我們也發現，許多風險都可以通過改變企業的技術架構來解決，這反映了既定的政策。

然而，真正的陷阱在於企業對風險的認識過於狹隘。企業還需要關注社會、人道主義、可持續發展等一系列重大風險。事實上，生成式人工智能的意外後果比某些人鼓吹的末日場景更有可能給世界帶來問題。那些以最具建設性的方式對待人工智能的公司正在嘗試和使用人工智能，同時制定了一套結構化流程來識別和應對這些更廣泛的風險。它們正在設立測試用戶和特定團隊，負責思考生成式人工智能應用如何可能出錯，以便更好地預測其中的一些後果。他們還與企業中最優秀、最有創造力的人員合作，為企業和整個社會確定最佳結果。深思熟慮、有條不紊、全面地了解新出現的風險和機遇的性質，對於負責任地、富有成效地發展生成式人工智能至關重要。

2. 先鋒企業已在人工智能領域走在前列

調查結果顯示，人工智能高效企業-- 即受訪者稱2022 年息稅前利潤至少有20% 歸功於人工智能應用的企業-- 正在全力投入人工智能，既有生成式AI，也有更傳統的人工智能。這些從人工智能中獲得巨大價值的企業已經在比其他企業更多的業務職能中使用了gen AI，尤其是在產品和服務開發以及風險和供應鏈管理方面。從所有人工智能能力（包括更傳統的機器學習能力、機器人流程自動化和聊天機器人）來看，人工智能高效企業也比其他企業更有可能在產品和服務開發中使用人工智能，例如優化產品開發週期、為現有產品增加新功能以及創造基於人工智能的新產品。與其他組織相比，這些組織還更多地將人工智能應用於風險建模以及人力資源領域，如績效管理、組織設計和勞動力部署優化。

他們與同行的另一個不同點是：高效者的人工智能工作不太以降低成本為導向，而降低成本是其他組織的首要任務。人工智能高效企業的受訪者表示，他們企業的人工智能首要目標是創造全新的業務或收入來源的可能性是其他企業的兩倍，而且他們最有可能提到的是通過基於人工智能的新功能提高現有產品的價值。

正如我們在前幾年所看到的，這些高效組織在人工智能方面的投入遠高於其他組織：AI 高效組織的受訪者表示，他們將20% 以上的數字預算用於人工智能的可能性是其他組織的五倍多。此外，他們還在整個組織中更廣泛地使用AI。 AI 高效企業的受訪者比其他企業更有可能表示，他們的組織已在四個或更多業務職能中採用了人工智能，並嵌入了更多的人工智能功能。例如，除了gen AI 和相關的自然語言能力外，高效企業的受訪者更常表示在至少一個產品或業務職能流程中嵌入了知識圖譜。

雖然人工智能高效企業也難逃從人工智能中獲取價值的挑戰，但結果表明，他們所面臨的困難反映了他們在人工智能方面的相對成熟度，而其他企業則在人工智能應用的基礎性、戰略性要素方面舉步維艱。 AI 高效企業的受訪者最常指出的首要挑戰是模型和工具，例如監控生產中的模型性能，以及隨著時間的推移根據需要重新訓練模型。相比之下，其他受訪者則提到了戰略問題，例如製定與業務價值相關聯的、定義明確的人工智能願景，或尋找足夠的資源。

研究結果進一步證明，即使是AI 高效企業也沒有掌握採用人工智能的最佳實踐，如機器學習運營（MLOps）方法，儘管他們比其他企業更有可能這樣做。例如，只有35% 的AI 高效企業的受訪者表示，在可能的情況下，他們的組織會組裝現有組件，而不是重新發明，但這一比例遠遠高於其他組織19% 的受訪者。

要採用gen AI 應用所能提供的一些更具變革性的用例，可能需要許多專門的MLOps 技術和實踐，而且要盡可能安全地做到這一點。實時模型運營就是這樣一個領域，在這個領域中，監控系統和設置即時警報以快速解決問題，可以使人工智能係統處於受控狀態。在這方面，表現優異的企業表現突出，但仍有發展空間：這些企業中有四分之一的受訪者表示，他們的整個系統都受到監控並配備了即時警報，而其他受訪者中只有12%。

Bryce Hall（麥肯錫副合夥人）評論表示：

在過去六年中，我們每年都會進行全球人工智能研究，其中一個一致的發現是，高效者會從廣闊的視角看待成功所需的一切。他們尤其善於專注於價值，然後重新構建組織以獲取價值。這種模式在研究高效者如何使用生成式人工智能時也很明顯。

例如，在戰略方面，我們分析得出的領導者正在規劃人工智能在其業務領域中的高價值機會。值得注意的是，他們並非只針對生成式人工智能開展這項工作。儘管我們都對令人眼花繚亂的gen AI 應用感到興奮，但對公司來說，一半以上的潛在價值來自於不使用gen AI 的人工智能應用。這些公司在根據潛在價值審視所有人工智能機會時都保持著嚴謹的態度。

這種方法適用於所有能力領域。例如，在技術和數據方面，表現出色的公司會專注於獲取他們所確定的價值所需的能力。這包括使大型語言模型能夠在公司和行業特定數據上進行訓練的能力。他們正在評估和測試通過使用現有人工智能服務所實現的效率和速度（我們稱之為“獲取者”方法），並開發創造競爭優勢的能力，例如通過調整模型和訓練它們使用自己的專有數據（我們稱之為“塑造者”方法）。

3. 與AI 相關的人才需求發生變化，AI 對勞動力的影響預計將是巨大的

我們最新的調查結果顯示，企業為支持其人工智能雄心而招聘的職位發生了變化。在過去一年中，使用人工智能的企業最常聘用的是數據工程師、機器學習工程師和Al 數據科學家-- 所有這些職位都是受訪者在上次調查中報告的常見職位。但是，與上一次調查相比，去年受訪者報告招聘最多的職位-- 人工智能相關軟件工程師的比例要小得多（最新調查中為28%，低於39%）。最近，隨著人工智能技術的普及，對該技能的需求也在增加，因此出現了提示工程方面的職位，在採用人工智能技術的受訪者中，有7% 的受訪者表示在過去一年中招聘了這些職位。

調查結果表明，人工智能相關職位的招聘仍是一項挑戰，但在過去一年中已變得較為容易，這可能反映了2022 年末至2023 年上半年科技公司的裁員潮。與上一次調查相比，有較少比例的受訪者表示在招聘人工智能數據科學家、數據工程師和數據可視化專家等職位時遇到困難，但受訪者的回答表明，招聘機器學習工程師和人工智能產品負責人仍與去年一樣具有挑戰性。

展望未來三年，受訪者預測，人工智能的應用將重塑勞動力中的許多角色。一般來說，他們預計重新掌握技能的員工要多於離職的員工。近40% 的受訪者在報告採用人工智能後，預計其公司將有超過20% 的員工接受技能培訓，而8% 的受訪者表示其員工人數將減少20% 以上。

具體到人工智能的預期影響，服務運營是大多數受訪者預計其企業員工人數會減少的唯一職能。這一發現與我們最近的研究結果基本一致：雖然人工智能的出現提高了我們對可實現自動化的員工活動比例的估計（從50% 提高到60% 到70%），但這並不一定會轉化為整個角色的自動化。

預計人工智能高效企業將比其他企業進行更高水平的技能再培訓。這些企業的受訪者表示，由於採用了人工智能，其企業將在未來三年內對超過30% 的員工進行技能再培訓的可能性是其他企業的三倍多。

Lareina Yee（麥肯錫高級合夥人；麥肯錫技術委員會主席）評論表示：

我們正處於生成式人工智能的早期階段，企業已經預計到它將對人才產生重大影響-- 從開闢新的工作機會、改變工作方式，到引入全新的工作類別（如及時工程）。生成式人工智能的優勢之一是它幾乎可以幫助每個人完成工作，這也是它面臨的最大挑戰。

這種規模與傳統的人工智能不同，傳統的人工智能影響的是相當小的一部分——儘管同樣重要——在機器學習、數據科學或機器人等技術領域擁有深厚技能的勞動力。考慮到所需的高度專業化能力，人工智能人才似乎總是供不應求。我們的調查顯示，這些職位的招聘仍然是一項挑戰。相比之下，生成式人工智能仍然需要高技能人才來建立大型語言模型和訓練生成模型，但用戶幾乎可以是任何人，而且他們不需要數據科學學位或機器學習專業知識就能有效工作。這個比喻類似於從大型計算機（由高技術專家操作的大型計算機）到個人計算機（任何人都可以使用）的轉變。這是一個革命性的轉變，改變了人們使用技術作為動力工具的方式。

我們的調查也反映了將生成式人工智能視為工具的觀點。在大多數情況下，公司將人工智能視為增強人類活動的工具，而不一定是取而代之。到目前為止，我們主要看到一些公司在使用生成式人工智能方面向前傾斜，將重點放在實用領域，因為在這些領域中，提高業績增長或生產率的途徑最為明確。例如，使用生成式人工智能工具幫助傳統代碼實現現代化，或加快科學研究和發現的時間。我們對這些增強功能的了解還僅僅停留在表面，可以預見它們的使用將會加速。

4. 所有人都在關註生成式AI，但更廣泛的AI採用和影響保持穩定

雖然生成式AI 工具的使用正在迅速普及，但調查數據並未顯示這些較新的工具正在推動企業整體採用人工智能。至少就目前而言，總體採用人工智能的組織比例保持穩定，55% 的受訪者表示其組織已採用人工智能。不到三分之一的受訪者仍然表示，他們的組織已在一個以上的業務職能中採用了人工智能，這表明人工智能的應用範圍仍然有限。與前四次調查一樣，產品與服務開發和服務運營仍然是受訪者最常提及的兩項採用人工智能的業務職能。總體而言，僅有23% 的受訪者表示，他們企業去年至少有5% 的息稅前利潤歸功於人工智能的使用-- 與上一次調查基本持平-- 這表明企業還有更大的空間來獲取價值。

組織繼續在使用人工智能的業務領域看到回報，併計劃在未來幾年增加投資。我們看到，大多數受訪者表示，在使用人工智能的每個業務職能中，與人工智能相關的收入都有所增加。展望未來，超過三分之二的受訪者預計他們的企業將在未來三年內增加人工智能投資。

Michael Chui（麥肯錫全球研究院合夥人）評論表示：

我們一直在強調生成式人工智能的重要性--這是有道理的，因為它具有革命性的潛力--但這項調查很好地提醒我們，在更廣闊的人工智能世界中，還有很多價值。事實上，我們的其他一些研究表明，非生成式人工智能甚至比生成式人工智能更有價值潛力。在提高預測準確性、優化物流網絡和提供下一個產品購買建議等領域的用例，都能為能夠利用更廣泛的人工智能前景的公司創造價值。

據報導，雖然人工智能的總體採用率仍穩定在55% 左右，但超過三分之二的受訪者表示，他們的公司計劃增加對人工智能的投資。我們將繼續看到一批AI高效企業，它們正在建設基礎和能力，以創造價值。一種解釋是，在從人工智能中獲取價值方面，“富者愈富”。我們很想知道，對生成式人工智能的濃厚興趣是否會為未來人工智能的全面普及打開大門。

關於調查

在線調查於2023 年4 月11 日至21 日進行，共收到1684 位參與者的回复，他們來自不同地區、行業、公司規模、職能專業和任期。在這些受訪者中，有913 人表示他們的組織至少在一項職能中採用了人工智能，並被問及有關其組織使用人工智能的問題。為了調整回复率的差異，數據按照每個受訪者所在國家對全球GDP 的貢獻進行了加權。