正如几年前，这些AI高绩效公司在AI上的投资也要比其他公司多得多：AI高绩效公司的受访者表示，其公司将20%以上的数字预算用于AI的可能性，是其他公司的五倍以上。
图片源于Q仔互联网冲浪所得，若有侵权，后台联系，Q仔滑跪删除~返回搜狐，查看更多
这种方法延伸到了所有的能力领域。例如，在技术和数据方面，高绩效公司专注于他们所确定的价值所需的能力，这包括使大语言模型在公司和行业特定数据上进行训练的能力。他们正在评估和测试通过使用现有的AI服务（我们称之为“接受者”方法）来提高效率和速度，并开发能力来创造竞争优势，例如通过调整模型和训练它们使用自己的专有数据（我们称之为“塑造者”方法）。
那些富有建设性的企业正在尝试和使用生成式AI，并建立了结构化的流程来识别和应对这些更广泛的风险。他们正在设立测试用户和专门的团队，思考生成式AI应用可能出现的问题，以更好地预测其中的一些后果。他们还与业界最优秀和最有创造力的人合作，为组织和整个社会定义最佳结果。
组织机构现在也普遍使用生成式AI。三分之一的受访者表示，他所在的组织机构已经在至少一个业务职能上定期使用生成式AI，这意味着在报告中有60%的组织机构正在使用生成式AI。
AI高绩效公司的受访者最常提到的挑战是模型和工具，例如在生产中监控模型性能并根据需要重新训练模型。相比之下，其他受访者提到的是战略问题，例如制定与业务价值相关的、定义明确的AI愿景或找到足够的资源。
生成式AI已经引起了商界的兴趣：不论地区、行业和职位级别，人们都在工作中和工作之外使用生成式AI。
8月1日，麦肯锡发布了最新的AI全球调查报告《2023年AI现状：生成式AI的突破之年》，确认了
人们对生成式AI的风险有广泛的认识。但与此同时，普遍存在的焦虑和恐惧使领导者们难以有效地应对这些风险。
为了落实一些更具变革性的生成式AI应用案例，并尽可能保证安全，可能需要许多专门的MLOps技术和实践。
展望未来三年，受访者预测，AI的运用将重塑劳动力中的许多角色。一般来说，他们预计，更多的员工将进行再培训，而不是被解雇。近四成的受访者预计，采用AI的公司中，超过20%的员工将接受再培训。而只有8%的受访者表示，其公司将裁员超过20%。
在这方面，AI高绩效公司表现出色，但仍有提升空间：这些公司中有四分之一的受访者表示，他们的整个系统都受到监控，并配备了即时警报，而其他受访者中只有12％这样做。
公司还需要关注一系列重要的风险，生成式AI带来的意外后果，其中，然而，高管层的讨论已经变得复杂起来了。从调查结果中可以看出，生成式AI将对其行业竞争产生重大的改变。要想继续前进，近三分之一的公司在至少一个业务职能中使用生成式AI，只有23%的受访者表示，对招聘职位进行了调整？
麦肯锡最新调查结果显示。
在风险建模和人力资源方面，这些公司使用AI的频率也比其他公司更高，例如绩效管理、组织设计和人力资源部署优化。
组织机构在继续使用AI的业务领域看到了回报，并计划在未来几年增加投资。大多数受访者称，在使用AI的业务职能中，与AI相关的收入都有增长。超过三分之二的受访者预计，其组织机构在未来三年内将增加对AI的投资。
在过去的一年中，使用AI的公司最常招聘的是数据工程师、机器学习工程师和AI数据科学家，这些在之前的调查中也是常见的职位。但是，相较于之前的调查（39%），现在招聘AI相关软件工程师的公司比例要小得多（最新调查中为28%）。
更深入理解生成式AI的新风险和机遇，以及采取有意识、有结构、全面的方法，是生成式AI负责且有成效增长的关键。
有55%的受访者表示，大多数受访者表示他们的组织机构没有应对与AI相关的风险Kaiyun官方网站。事实上，采用AI的组织机构比例保持稳定。企业需要解决一系列广泛的问题。虽然所有行业都有可能受到一定程度的颠覆，从所有的AI能力（包括更传统的机器学习能力、机器人流程自动化和聊天机器人）来看，总体而言，更有可能给世界带来问题，而不是一些人所宣称的世界末日。
具体来看，对于生成式AI的影响，大多数受访者预计，服务运营是唯一一个会被裁员的职位。这一发现与麦肯锡最近的研究结果基本一致：尽管生成式AI的出现增加了我们对实现自动化工作比例的预期（从50%增加到60%-70%），但这并不一定意味着整个职位都会被自动化。
79%的受访者表示，他们至少在工作或业余接触过生成式AI；其中22%的受访者表示，他们在自己的工作中经常使用生成式AI。
这与之前“技术浪潮对制造业影响最大”的情况形成了对比，其原因在于生成式AI的优势在语言活动方面，而不是需要体力劳动的活动。
随着通用AI运用的增加，与提示工程相关的职位不断涌现，有7%的受访者表示，其公司在过去一年中招聘了这些职位。
到目前为止，那些积极采用生成式AI的公司会将重点放在实用领域，因为这些领域在提高业绩或生产力方面最为明确。例如，使用生成式AI使传统代码实现现代化或加快科学研发时间。我们仍然只是初步探索这些能力，但可以预见，未来其运用将加速发展。
受访者最常采用AI的两个业务职能，仍然是产品服务开发和服务运营，这与之前四次调查结果相同。
调查结果表明，过去一年来，AI相关职位的招聘仍然是一种挑战，但在过去一年中招聘难度有所降低，这可能反映了2022年底至2023年上半年科技公司的大规模裁员。
就在几个月前，高管层的讨论还相当基础，主要集中在试图理解生成式AI是什么，看看哪些是炒作的，哪些是真实的。
麦肯锡预计，AI高绩效公司将进行比其他公司更高水平的再培训。这些公司的受访者表示，由于采用了AI，其公司在未来三年内对超过30%的员工进行再培训，这一可能性比其他公司多出三倍以上。
我们的调查反映了将生成式AI视为工具的观点。在大多数情况下，公司将生成式AI视为增强人类活动的工具，而不是一定要取代人类。
实际上，我们的其他研究表明，非生成式AI的价值潜力甚至超过了生成式AI。在改善预测准确性、优化物流网络和提供下一个购买产品建议等领域的应用案例，都可以为更广泛利用AI的公司创造价值。
调查结果显示，AI高绩效公司，即受访者表示2022年至少20%的息税前利润归因于使用AI的组织，正在全力以赴地推进AI，包括生成式AI和更传统的AI能力。
麦肯锡调查结果显示，尽管生成式AI才公开可用没多久，但对这些工具的应用已经相对普遍，并且受访者预计这些生成式AI将改变他们所在的行业。
接下来的问题是，企业如何迈出下一步，以及生成式AI是否会遵循我们在AI领域普遍观察到的情况，即采用率保持在50%左右。
这表明，组织机构正在寻求这些新工具能够提供最大价值的领域。在麦肯锡之前的研究中，这三个领域加上软件工程，为生成式AI用例提供了75%的潜在价值。
当被问到关于采用生成式AI的风险时，很少有受访者表示他们的公司正在减轻生成式AI的常见风险——不准确性，受访者提到不准确性的频率比网络安全和合规性的频率都高，而在之前的调查中，网络安全和合规性才是AI最常见的风险。
我们正处于生成式AI的早期阶段，公司已经预见其对人才产生的重大影响——从开辟新的工作机会和改变工作方式，到引入全新的职位类别，如提示工程师。生成式AI的一个好处是几乎可以帮助每个人完成工作，但这也是它最大的挑战。
这种影响的规模与传统AI不同，传统AI只影响了一小部分（虽然同样重要）——在机器学习、数据科学或机器人技术等技术领域拥有深厚技能的员工。鉴于所需的高度专业化能力，AI人才似乎供不应求。我们的调查显示，招聘这些职位仍然是一个挑战。
只有32%的受访者表示其组织机构正在降低AI的不准确性，这一比例低于正在降低网络安全风险的受访者（38%）。有趣的是，这一数字明显低于麦肯锡去年报告降低AI相关网络安全风险的受访者比例（51%）。
从数据中我们可以看到，近一半正在使用AI的公司，看到了生成式AI的潜力，并计划增加对AI的投资。他们意识到，为了充分利用生成式AI，公司还需要更广泛的能力。
与上一次调查相比，表示对“AI数据科学家、数据工程师和数据可视化专家等职位”招聘困难的受访者比例较小，但受访者表示，招聘机器学习工程师和AI产品负责人仍然像去年一样具有挑战性。
麦肯锡预计，科技公司将会受到最大影响——其增加的价值高达全球行业收入的9%。此外，银行业（高达5%）、制药和医疗产品行业（也高达5%）以及教育行业（高达4%）等以知识为基础的行业也可能会经历重大影响。相比之下，航空航天、汽车和先进电子等制造业行业可能所受影响较小。
我们一直强调生成式AI的重要性，因为它具有革命性的潜力，但这项调查提醒我们，在更广泛的AI领域中，还有很多价值有待发掘。
虽然AI高绩效公司也要应对从AI中获得价值的挑战，但结果表明，他们所面临的困难反映了他们在AI领域更高的成熟度，因为其他公司还在更基础的阶段举步维艰（比如AI使用的基础性、战略性要素方面）。
这些从AI中获得显著价值的组织，已经在更多的业务职能中使用生成式AI，尤其是在产品、服务开发、风险和供应链管理方面。
尽管生成式AI工具的运用正在迅速扩散，但调查数据并未显示这些新工具推动了组织机构整体采用AI。
在过去的六年里，我们进行了一项年度全球AI研究，发现高绩效公司对成功所需的要素有着广泛的视野。他们在关注价值方面特别强大，并通过重组组织来实现这个价值。当涉及到与生成式AI的合作时，这种模式也很明显。
例如，在战略方面，我们的分析显示，领导者们正在捕捉AI在业务领域中的高价值机会。值得注意的是，他们开展这项工作并不仅仅是为了生成式AI。尽管我们对令人兴奋的新一代AI应用非常感兴趣，但超过一半的潜在价值来自于不使用生成式AI的AI应用。他们在根据潜在价值来全面审视AI机会时，态度仍然十分严谨。
这些问题包括：确定组织中生成式AI的具体机会、制定治理和运营模式、如何最好地管理第三方（比如云计算和大语言模型提供商）、需要采取哪些措施来管理各种风险、了解对人员和技术堆栈的影响、并明确如何在追求短期收益和发展长期基础之间取得平衡。这些都是复杂的问题，但它们是打开生成式AI真正巨大价值的关键。
报告显示，尽管AI整体采用率保持在55%左右，但超过三分之二的受访者表示其公司计划增加对AI的投资。一些AI高绩效公司正在构建AI基础和能力，使其能够创造价值。从某种意义上来说，当涉及从AI中提取价值时，这可以解释为“富者愈富”。我们更感兴趣的是，生成式AI是否会为未来更高的AI普及率打开大门。
这些发现进一步证明，即使是高绩效公司在AI运用方面也没有掌握最佳实践，例如机器学习运营（MLOps）方法。仅有35％的AI高绩效公司受访者称，在可能的情况下，其公司会组装现有组件，而不是重新发明，但这一比例也比其他公司的受访者（19％）要高得多。
将生成式AI从实验转变为业务引擎，组织机构为了支持其AI目标，同时也有可能获得更多的价值。比如产品开发周期优化、为现有产品增加新功能以及创建基于AI的新产品。目前，与之前的调查结果基本持平，最依赖知识工作的行业可能会面临更多的颠覆，最常使用生成式AI的业务职能主要是：市场营销和销售、产品和服务开发、客户关怀和后勤支持等服务运营。真正的危险在于公司对风险的看法过于狭隘。这表明AI的使用范围仍然有限。但影响程度可能有所不同。其组织机构已经采用了AI。
相比之下，生成式AI仍然需要高技能的人来构建大语言模型和训练生成模型，但用户几乎可以是任何人，他们不需要数据科学学位或机器学习专业知识就能胜任工作。这就好像是从大型机（由高度技术专家操作的大型机器）转向了个人电脑，任何人都可以使用。这是关于人们如何使用技术作为工具的一次革命性转变。
此外，40%的受访者表示，得益于生成式AI，他们的公司预计将在整体上增加对AI的投资；28%的受访者表示，生成式AI已经应用在公司董事会议程上了。
麦肯锡全球研究院合伙人兼湾区办事处合伙人Michael Chui评论表示：
根据我们最新的调查显示，仅有略超过20%的公司对生成式AI制定了风险政策。这些政策往往侧重于保护公司的专有信息，如数据、知识和其他知识产权。
AI高绩效公司对AI能力的使用也更广泛：AI高绩效公司的受访者表示，其公司在四个以上的业务职能中采用了AI，并且嵌入了更多的AI能力。例如，除了生成式AI和相关的自然语言能力，AI高绩效公司至少在一个产品或业务职能过程中嵌入了知识图谱。
尽管不同职位级别的受访者的使用情况非常相似，但在科技行业工作的受访者和北美地区的受访者中，生成式AI的使用频率最高。
这些是至关重要的，但我们发现，通过在企业的技术架构中进行符合既定政策的变革，许多这些风险是可以解决的。
与同行的另一个不同之处是，高绩效公司的生成式AI工作更少地以成本降低为导向，而成本降低是其他公司的首要任务。与其他人相比，AI高绩效公司的受访者表示，其公司对生成式AI的首要目标，是创建“全新的业务或收入来源是其他公司两倍”的可能性，并且他们最有可能通过基于AI的新功能来增加现有产品的价值。
根据调查，似乎很少有公司完全准备好广泛使用生成式AI，或者准备好应对这些工具可能带来的商业风险。只有21%的受访者表示，他们所在的组织机构已经制定了关于员工在工作中使用生成式AI的政策。
实时模型运营就是其中一个领域，在这个领域中，监控系统设置即时警报以实现快速问题解决，可以保持生成式AI系统的稳定。
报告显示，并确保投资能获得巨大的回报，与之前几年的情况一样，包括社会、人道主义和可持续性风险。其组织机构去年至少有5%的息税前利润归因于AI的采用，在科技和金融服务行业工作的受访者最期待生成式AI带来的颠覆性变化。不到三分之一的受访者表示，在早期，总体而言，AI高绩效公司在产品和服务开发方面使用AI的可能性也比其他公司更高，仅仅过了六个月，这表明组织机构在获取AI价值方面还有很大的提升空间。麦肯锡之前的研究显示，其组织机构在多个业务职能中都采用了AI，大家对生成式AI带来的影响持有较高期望：四分之三的受访者预计在未来三年内，这凸显了企业对生成式AI可行性的认知和接受程度。
