導語：2025年3月12日，麥肯錫發布報告《人工智能的現狀：企業如何重新布線以獲取價值》（The state of AI: How organizations are rewiring to capture value），指出各組織正開始創建結構和流程，以便從生成式人工智能中獲取有意義的價值。雖然仍處于早期階段，但企業正在重新設計工作流程、提升治理水平并降低更多風險。啟元洞見分享文章主要內容，為讀者提供參考。

企業正在進行組織變革，旨在從人工智能中創造未來價值，而大型企業正引領這一潮流。麥肯錫關于人工智能的最新全球調查發現，各組織正在采取能推動底線影響的措施，例如，在部署人工智能時重新設計工作流程，讓高級領導者擔任監督人工智能治理等關鍵職務。研究結果還顯示，企業正在努力降低與人工智能相關的風險，并在重新培訓員工參與人工智能部署的同時，招聘與人工智能相關的新職位。與規模較小的企業相比，年收入至少在5億美元以上的企業變革速度更快。總體而言，人工智能的使用仍在持續增加，現在，超過四分之三的受訪者表示，他們的組織至少在一項業務中使用了人工智能，尤其是生成式人工智能的使用正在迅速增加。

1

企業如何組織其人工智能部署，由誰負責？

麥肯錫調查發現，CEO監督人工智能治理，即制定相關政策、流程和技術以負責任地開發和部署人工智能系統，與企業使用人工智能產生的較高自我報告底線影響密切相關。在使用人工智能的受訪企業中，28%的受訪者表示CEO負責監督人工智能管理，而在年收入超過5億美元的大型企業中，這一比例較低，為17%，這些企業的受訪者表示董事會負責監督人工智能管理。平均而言，受訪者稱人工智能管理由兩位領導共同負責。

人工智能的價值源于重塑企業運營模式。最新調研成果揭示，在針對不同規模組織的25項關鍵屬性評估里，工作流程的重新設計對組織利用生成式人工智能實現息稅前收益的能力影響最大。企業引入人工智能之際，同步優化工作流程。21%的受訪者表示，他們的組織至少從根本上重新設計了一些工作流程。

02

企業有選擇性地集中部署人工智能要素

調查結果還揭示了企業如何構建其人工智能部署工作。部署人工智能的一些基本要素傾向于完全或部分集中化（見圖1）。在風險與合規以及數據治理方面，企業通常采用完全集中的模式，如卓越中心。另一方面，在技術人才和采用人工智能解決方案方面，受訪者最常使用的是混合模式或部分集中模式，其中一些資源集中處理，其他資源則分布在不同的職能或業務部門，盡管年收入低于5億美元的企業的受訪者比其他企業更有可能完全集中處理這些要素。

圖1 風險和數據治理是部署人工智能解決方案的兩個最集中的要素，而技術人才往往是混合型的。

3

各組織在監督人工智能成果產出上差別很大

各組織都有員工負責監督人工智能成果產出，但監督的程度差別很大。有27%使用人工智能的受訪者表示，員工會在使用人工智能創建的所有內容之前對其進行審查，例如，在客戶看到聊天機器人的回復之前，或者在人工智能生成的圖片用于營銷材料之前（見圖2）。類似比例的受訪者表示，20%或更少的人工智能內容在使用前會經過檢查。從事商業、法律和其他專業服務的受訪者比其他行業的受訪者更有可能表示所有輸出內容都經過了審查。

圖2 受訪者認為他們的組織審查了所有人工智能產出的可能性與認為審查了很少產出的可能性差不多。

4

各組織正在應對更多與人工智能相關的風險

許多組織正在加大力度降低與人工智能相關的風險。與2024年初相比，受訪者更傾向于表示他們的組織正在積極管理與不準確性、網絡安全和知識產權侵權相關的風險（見圖3），受訪者最常說的三種與人工智能相關的風險給他們的組織造成了負面影響。

圖3 受訪者表示，與使用生成式人工智能相關的不準確性、知識產權侵權和隱私風險得到了越來越多的緩解。

大型組織的受訪者比其他組織的受訪者報告了更多的風險。例如，他們比其他組織更有可能表示自己的組織正在管理潛在的網絡安全和隱私風險，但他們并不更有可能應對與人工智能輸出的準確性或可解釋性有關的風險。

5

應用推廣最佳實踐，企業爭相釋放價值

大多數受訪者尚未看到生成式人工智能的使用對整個組織產生的底線影響，而且大多數受訪者尚未實施我們從早期研究中了解到的有助于在部署新技術時創造價值的采用和擴展實踐。在一組發達市場的補充調查中，只有1%的公司高管認為他們的人工智能技術推廣“成熟”。盡管目前仍處于部署的早期階段，但我們已經開始看到采用這些做法來獲取價值時所產生的影響。

我們向受訪者詢問了12種與采用和推廣人工智能相關的做法，發現每種做法對息稅前盈利（EBIT）的影響都呈正相關。對底線影響最大的做法是跟蹤生成式人工智能解決方案定義明確的關鍵績效指標，而在大型企業中，制定明確的路線圖以推動生成式人工智能的采用也會產生最大的影響。

總體而言，企業還處于將這些做法落實到位的早期階段。到目前為止，只有不到三分之一的受訪者表示，他們的組織正在遵循12項采用和擴展實踐中的大部分，只有不到五分之一的受訪者表示，他們的組織正在跟蹤生成式人工智能解決方案的關鍵績效指標。在大型企業工作的受訪者更有可能報告至少采用了其中的某些做法（見圖4）。例如，在大型企業工作的受訪者中，有兩倍多的人表示，他們的企業已經制定了明確的路線圖來推動采用人工智能解決方案（例如通過在團隊和業務部門之間分階段推廣），并且已經建立了專門的團隊（例如項目管理或轉型辦公室）來推動采用人工智能。答復顯示，規模較大的組織還通過內部溝通，宣傳生成式人工智能解決方案創造的價值，創建基于角色的能力培訓課程，以確保各級員工了解如何適當使用生成式人工智能能力，并采取綜合措施，在使用生成式人工智能的過程中培養客戶的信任感。

圖4 與規模較小的組織相比，規模較大的組織在采用和擴展生成式人工智能部署方面遵循更多的最佳實踐。

6

人工智能正在改變組織所需的技能

本次調查還研究了與人工智能相關的招聘情況以及人工智能影響勞動力的其他方式。在使用人工智能的組織工作的受訪者表示，他們的組織在過去12個月中雇用了與人工智能相關的人員，這一可能性與2024年初的調查差不多。今年唯一不同的職位是數據可視化和設計專家，受訪者表示雇傭這些職位的可能性明顯低于上一次調查。調查結果還顯示，一些與風險相關的新職位正在成為企業人工智能部署流程的一部分。13%的受訪者表示，他們的組織已經聘用了人工智能合規專家，6%的受訪者表示聘用了人工智能道德專家。與規模較小的組織相比，規模較大的公司的受訪者更有可能報告已聘用了廣泛的人工智能相關職位，其中在聘用人工智能數據科學家、機器學習工程師和數據工程師方面的差距最大。

盡管與過去兩年相比，將許多職位的招聘描述為“困難”或“非常困難”的受訪者比例有所下降，但受訪者仍然認為這些職位的招聘在很大程度上具有挑戰性（見圖5）。但人工智能數據科學家是個例外，他們在未來一年仍將需求旺盛：有一半使用人工智能的受訪者表示，他們的雇主需要比現在更多的數據科學家。

圖5 與前幾年相比，報告人工智能相關職位招聘困難的受訪者比例較小。

許多受訪者還表示，作為人工智能部署的一部分，他們的組織在過去一年中對部分員工進行了再培訓，并預計在未來幾年中將進行更多的再培訓（見圖6）。

圖6 受訪者所在組織已開始因人工智能的使用而對員工進行技能再培訓，受訪者預計未來三年將增加技能再培訓。

最新調查還顯示了企業如何管理因部署生成式人工智能而節省下來的時間。大多數受訪者表示，員工將通過自動化節省下來的時間用于全新的活動。他們還經常說，員工把更多的時間花在了未實現自動化的現有職責上。然而，與其他受訪者相比，大型企業的受訪者更有可能表示，由于節省了時間，他們的企業減少了員工人數。分析發現，減少員工人數是對人工智能實現的底線價值影響最大的組織屬性之一。

不過，總體而言，大多數（38%）使用人工智能的受訪者預測，在未來三年內，使用人工智能對其組織的員工規模影響不大。從各行業的預期來看，只有金融服務行業的受訪者更傾向于預計員工人數會減少，而不是保持不變。調查結果顯示，C級高管對人工智能對勞動力的影響的預期與高級經理和中層經理的預期沒有明顯差異。盡管如此，在談到人工智能（包括新一代人工智能和分析型人工智能）對員工人數的影響時，C級管理人員比中層管理人員更有可能預測員工人數會增加。

從業務職能部門對人工智能部署的預期影響來看，受訪者最常預測的是服務運營部門（如客戶服務和現場服務）以及供應鏈和庫存管理部門的人數減少（見圖7）。然而，在信息技術和產品開發領域，受訪者更傾向于預計人數會增加而不是減少。

圖7 受訪者最常預測的是，人工智能技術的應用將導致服務運營和供應鏈管理部門的員工人數減少。

7

人工智能使用率繼續攀升

在最新的調查中，78%的受訪者表示他們的組織至少在一項業務職能中使用了人工智能，高于2024年初的72%和一年前的55%（見圖8）。受訪者最常提到的是在IT、市場營銷和銷售職能部門使用人工智能技術，其次是服務運營部門。在過去六個月中，人工智能使用率增幅最大的業務職能部門是信息技術部門，報告使用人工智能的受訪者比例從27%躍升至36%。

圖8 在經歷了多年意義不大的變化之后，企業對人工智能的使用在過去一年明顯加快。

交互式折線圖顯示了各組織使用人工智能的情況，從2017年的20%增加到2024年的78%。生成式人工智能的使用率從2023年的33%增加到2024年的71%。最新數據顯示，按業務職能劃分的人工智能使用率從信息技術部門的36%到制造業的12%不等。最新數據顯示，按業務職能劃分的創生型人工智能使用率從市場營銷和銷售的42%到制造業的5%不等。

2017年，人工智能使用的定義是在組織業務的核心部分或大規模使用人工智能。2018-2019年，定義為在業務流程或產品中嵌入至少1種人工智能能力。自2020年起，定義為組織至少在一項職能中采用了人工智能。

與上一次人工智能現狀調查相比，企業還在更多的業務職能中使用了人工智能。大多數調查對象首次報告在一個以上的業務職能中使用了人工智能（見圖9）。答復顯示，企業平均在三個業務職能中使用人工智能，與2024年初相比有所增加，但仍是少數職能。

圖9 企業越來越多地在多種職能中使用人工智能。

自2024年初以來，生成式人工智能的使用也出現了類似的躍升：71%的受訪者表示，他們的組織經常在至少一個業務職能中使用生成式人工智能，而2024年初這一比例為65%。調查結果顯示，企業最常將人工智能應用于市場營銷和銷售、產品和服務開發、服務運營和軟件工程領域以及IT領域。

雖然各行各業的企業都最有可能在營銷和銷售領域使用人工智能，但在其他職能領域的部署情況卻因行業不同而大相徑庭（見圖10）。各組織正在將該技術應用于能夠產生最大價值的領域，例如，媒體和電信公司的服務運營、技術公司的軟件工程以及專業服務機構的知識管理。調查結果顯示，年收入超過5億美元的公司比規模較小的公司在更多的組織中使用生成式人工智能。

圖10 各行各業的企業已開始在營銷和銷售中使用人工智能，但其他用途因行業而異。

大多數報告使用生成式人工智能的受訪者（63%）表示，他們的組織正在使用生成式人工智能創建文本輸出，但各組織也在嘗試其他模式。超過三分之一的受訪者表示，他們的組織正在生成圖像，超過四分之一的受訪者使用它來創建計算機代碼（見圖11）。技術行業的受訪者報告的人工智能輸出范圍最廣，而先進行業（如汽車、航空航天和半導體）的受訪者比其他行業的受訪者更有可能使用人工智能創建圖像和音頻。

圖11 雖然文字是各組織最常使用生成式人工智能創建的內容類型，但它們也在嘗試使用其他模式。

越來越多的受訪者表示，使用生成式人工智能的業務部門創造了價值。與2024年初相比，更多的受訪者表示其組織的人工智能用例增加了部署這些用例的業務部門的收入（見圖12）。受訪者表示，生成式人工智能帶來的收入增長與上一次調查中分析型人工智能活動帶來的收入增長類似。這強調了企業需要在人工智能和生成式人工智能解決方案方面采取綜合方法，以獲取全部潛在價值。

圖12 各組織越來越多地看到生成式人工智能對使用該技術的業務部門收入的影響。

總體而言，與上一次調查相比，受訪者更傾向于表示他們在使用生成式人工智能的業務部門中看到了有意義的成本削減（見圖13）。

圖13 越來越多的受訪者表示，在使用生成式人工智能技術的業務部門中，該技術降低了成本。

然而，在整個企業層面，生成式人工智能對底線影響的報告效果尚不明顯。超過80%的受訪者表示，他們的組織還沒有看到使用生成式人工智能對企業級息稅前盈利（EBIT）產生實際影響。

企業一直在嘗試使用人工智能工具。使用率持續上升，但從價值獲取的角度來看，目前仍處于早期階段，很少有企業能夠體驗到有意義的底線影響。規模較大的公司正在采取更多的組織措施來幫助實現這一價值。它們在人工智能人才方面投入更多。他們降低了更多與人工智能相關的風險。自去年年初以來，我們看到各組織都在行動，技術也在不斷發展，人工智能的下一個創新前沿是代理式人工智能。當更多的公司開始遵循在2025年及以后成功實施生成式人工智能的路線圖時，我們將拭目以待。

免責聲明：本文轉自啟元洞見。文章內容系原作者個人觀點，本公眾號編譯/轉載僅為分享、傳達不同觀點，如有任何異議，歡迎聯系我們！

轉自丨啟元洞見

研究所簡介

國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究我國經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展態勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬號，致力于向公眾傳遞前沿技術資訊和科技創新洞見。

地址：北京市海淀區小南莊20號樓A座

電話：010-82635522

微信：iite_er