人工智能的现状：企业如何重新布线以获取价值

调查结果还揭示了企业如何构建其人工智能部署工作。部署人工智能的一些基本要素倾向于完全或部分集中化（见图1）。在风险与合规以及数据治理方面，企业通常采用完全集中的模式，如卓越中心。另一方面，在技术人才和采用人工智能解决方案方面，受访者最常使用的是混合模式或部分集中模式，其中一些资源集中处理，其他资源则分布在不同的职能或业务部门，尽管年收入低于5亿美元的企业的受访者比其他企业更有可能完全集中处理这些要素。

各组织都有员工负责监督人工智能成果产出，但监督的程度差别很大。有27%使用人工智能的受访者表示，员工会在使用人工智能创建的所有内容之前对其进行审查，例如，在客户看到聊天机器人的回复之前，或者在人工智能生成的图片用于营销材料之前（见图2）。类似比例的受访者表示，20%或更少的人工智能内容在使用前会经过检查。从事商业、法律和其他专业服务的受访者比其他行业的受访者更有可能表示所有输出内容都经过了审查。

许多组织正在加大力度降低与人工智能相关的风险。与2024年初相比，受访者更倾向于表示他们的组织正在积极管理与不准确性、网络安全和知识产权侵权相关的风险（见图3），受访者最常说的三种与人工智能相关的风险给他们的组织造成了负面影响。

大型组织的受访者比其他组织的受访者报告了更多的风险。例如，他们比其他组织更有可能表示自己的组织正在管理潜在的网络安全和隐私风险，但他们并不更有可能应对与人工智能输出的准确性或可解释性有关的风险。

大多数受访者尚未看到生成式人工智能的使用对整个组织产生的底线影响，而且大多数受访者尚未实施我们从早期研究中了解到的有助于在部署新技术时创造价值的采用和扩展实践。在一组发达市场的补充调查中，只有1%的公司高管认为他们的人工智能技术推广“成熟”。尽管目前仍处于部署的早期阶段，但我们已经开始看到采用这些做法来获取价值时所产生的影响。

我们向受访者询问了12种与采用和推广人工智能相关的做法，发现每种做法对息税前盈利（EBIT）的影响都呈正相关。对底线影响最大的做法是跟踪生成式人工智能解决方案定义明确的关键绩效指标，而在大型企业中，制定明确的路线图以推动生成式人工智能的采用也会产生最大的影响。

总体而言，企业还处于将这些做法落实到位的早期阶段。到目前为止，只有不到三分之一的受访者表示，他们的组织正在遵循12项采用和扩展实践中的大部分，只有不到五分之一的受访者表示，他们的组织正在跟踪生成式人工智能解决方案的关键绩效指标。在大型企业工作的受访者更有可能报告至少采用了其中的某些做法（见图4）。例如，在大型企业工作的受访者中，有两倍多的人表示，他们的企业已经制定了明确的路线图来推动采用人工智能解决方案（例如通过在团队和业务部门之间分阶段推广），并且已经建立了专门的团队（例如项目管理或转型办公室）来推动采用人工智能。答复显示，规模较大的组织还通过内部沟通，宣传生成式人工智能解决方案创造的价值，创建基于角色的能力培训课程，以确保各级员工了解如何适当使用生成式人工智能能力，并采取综合措施，在使用生成式人工智能的过程中培养客户的信任感。

本次调查还研究了与人工智能相关的招聘情况以及人工智能影响劳动力的其他方式。在使用人工智能的组织工作的受访者表示，他们的组织在过去12个月中雇用了与人工智能相关的人员，这一可能性与2024年初的调查差不多。今年唯一不同的职位是数据可视化和设计专家，受访者表示雇佣这些职位的可能性明显低于上一次调查。调查结果还显示，一些与风险相关的新职位正在成为企业人工智能部署流程的一部分。13%的受访者表示，他们的组织已经聘用了人工智能合规专家，6%的受访者表示聘用了人工智能道德专家。与规模较小的组织相比，规模较大的公司的受访者更有可能报告已聘用了广泛的人工智能相关职位，其中在聘用人工智能数据科学家、机器学习工程师和数据工程师方面的差距最大。

尽管与过去两年相比，将许多职位的招聘描述为“困难”或“非常困难”的受访者比例有所下降，但受访者仍然认为这些职位的招聘在很大程度上具有挑战性（见图5）。但人工智能数据科学家是个例外，他们在未来一年仍将需求旺盛：有一半使用人工智能的受访者表示，他们的雇主需要比现在更多的数据科学家。

许多受访者还表示，作为人工智能部署的一部分，他们的组织在过去一年中对部分员工进行了再培训，并预计在未来几年中将进行更多的再培训（见图6）。

最新调查还显示了企业如何管理因部署生成式人工智能而节省下来的时间。大多数受访者表示，员工将通过自动化节省下来的时间用于全新的活动。他们还经常说，员工把更多的时间花在了未实现自动化的现有职责上。然而，与其他受访者相比，大型企业的受访者更有可能表示，由于节省了时间，他们的企业减少了员工人数。分析发现，减少员工人数是对人工智能实现的底线价值影响最大的组织属性之一。

不过，总体而言，大多数（38%）使用人工智能的受访者预测，在未来三年内，使用人工智能对其组织的员工规模影响不大。从各行业的预期来看，只有金融服务行业的受访者更倾向于预计员工人数会减少，而不是保持不变。调查结果显示，C级高管对人工智能对劳动力的影响的预期与高级经理和中层经理的预期没有明显差异。尽管如此，在谈到人工智能（包括新一代人工智能和分析型人工智能）对员工人数的影响时，C级管理人员比中层管理人员更有可能预测员工人数会增加。

从业务职能部门对人工智能部署的预期影响来看，受访者最常预测的是服务运营部门（如客户服务和现场服务）以及供应链和库存管理部门的人数减少（见图7）。然而，在信息技术和产品开发领域，受访者更倾向于预计人数会增加而不是减少。

在最新的调查中，78%的受访者表示他们的组织至少在一项业务职能中使用了人工智能，高于2024年初的72%和一年前的55%（见图8）。受访者最常提到的是在IT、市场营销和销售职能部门使用人工智能技术，其次是服务运营部门。在过去六个月中，人工智能使用率增幅最大的业务职能部门是信息技术部门，报告使用人工智能的受访者比例从27%跃升至36%。

2017年，人工智能使用的定义是在组织业务的核心部分或大规模使用人工智能。2018-2019年，定义为在业务流程或产品中嵌入至少1种人工智能能力。自2020年起，定义为组织至少在一项职能中采用了人工智能。

自2024年初以来，生成式人工智能的使用也出现了类似的跃升：71%的受访者表示，他们的组织经常在至少一个业务职能中使用生成式人工智能，而2024年初这一比例为65%。调查结果显示，企业最常将人工智能应用于市场营销和销售、产品和服务开发、服务运营和软件工程领域以及IT领域。

虽然各行各业的企业都最有可能在营销和销售领域使用人工智能，但在其他职能领域的部署情况却因行业不同而大相径庭（见图10）。各组织正在将该技术应用于能够产生最大价值的领域，例如，媒体和电信公司的服务运营、技术公司的软件工程以及专业服务机构的知识管理。调查结果显示，年收入超过5亿美元的公司比规模较小的公司在更多的组织中使用生成式人工智能。

大多数报告使用生成式人工智能的受访者（63%）表示，他们的组织正在使用生成式人工智能创建文本输出，但各组织也在尝试其他模式。超过三分之一的受访者表示，他们的组织正在生成图像，超过四分之一的受访者使用它来创建计算机代码（见图11）。技术行业的受访者报告的人工智能输出范围最广，而先进行业（如汽车、航空航天和半导体）的受访者比其他行业的受访者更有可能使用人工智能创建图像和音频。

越来越多的受访者表示，使用生成式人工智能的业务部门创造了价值。与2024年初相比，更多的受访者表示其组织的人工智能用例增加了部署这些用例的业务部门的收入（见图12）。受访者表示，生成式人工智能带来的收入增长与上一次调查中分析型人工智能活动带来的收入增长类似。这强调了企业需要在人工智能和生成式人工智能解决方案方面采取综合方法，以获取全部潜在价值。

总体而言，与上一次调查相比，受访者更倾向于表示他们在使用生成式人工智能的业务部门中看到了有意义的成本削减（见图13）。

然而，在整个企业层面，生成式人工智能对底线影响的报告效果尚不明显。超过80%的受访者表示，他们的组织还没有看到使用生成式人工智能对企业级息税前盈利（EBIT）产生实际影响。

企业一直在尝试使用人工智能工具。使用率持续上升，但从价值获取的角度来看，目前仍处于早期阶段，很少有企业能够体验到有意义的底线影响。规模较大的公司正在采取更多的组织措施来帮助实现这一价值。它们在人工智能人才方面投入更多。他们降低了更多与人工智能相关的风险。自去年年初以来，我们看到各组织都在行动，技术也在不断发展，人工智能的下一个创新前沿是代理式人工智能。当更多的公司开始遵循在2025年及以后成功实施生成式人工智能的路线图时，我们将拭目以待。