由IBM发布了《生成式AI的智慧之力：解锁大规模生产力和创新》这篇报告。以下是对该报告的简单概括，更多内容请前往原报告进行下载查看。生成式 AI 支出在 12 个月内增长了超过 10 倍，而 IT 支 出的增长率仅为通货膨胀率的一半。2022 年，AI 的平均投资回报率为 13%，而生成式 AI 的 早期成果（由成功的试点项目推动）推动 AI 投资回报率 提升至 31%。
生成式 AI 的能力达到了令人难以置信的水平。这项技术可以将编码时间 从数天缩短到数分钟，对产品进行最细微层面的个性化，还可以在第一 时间发现出现的安全漏洞。自 2022 年以来，生成式 AI 推动 AI 投资回 报率从 13% 飙升至 31%。 尽管这在很大程度上反映了试点、沙盒实验和其他小规模投资的成功，但这些早期成 果开始促使企业领导者重新思考新的可能性。我们针对 24 个国家 / 地区和 25 个行业的 5,000 名高管进行的最新专项调研表明，大多数高管比去年更看好 AI 的发展前景。超 过四分之三 (77%) 的受访高管表示生成式 AI 已经准备好进入市场，而 2023 年这一比 例仅为 36%；近三分之二 (62%) 的受访高管表示生成式 AI 是现实而非炒作。
超过四分之三的受访高管表示其组织需要迅速采用生成式 AI，以跟上竞争对手的步伐。 根据 IBM 商业价值研究院 (IBM IBV) 发布的 2024 年 CEO 研究报告，72% 的高绩效 CEO 认为企业的竞争优势取决于是否拥有最先进的生成式 AI。2 企业领导者已经开始意识到生成式 AI 能够提高盈利水平。2022 年至 2023 年，直接 归因于 AI 的营业利润增长翻了一番，达到近 5%――而受访高管预计这一数字到 2025 年将达到 10%。根据即将发布的 IBM IBV 研究报告，在现有企业软件工作流程中嵌入 生成式 AI 也有望实现更可持续的投资回报率。3 尽管已有这些早期的迹象，但一些分析机构仍持怀疑态度。他们预计，这种由炒作推 动的采用高峰之后将是“幻灭低谷”，组织面对在核心业务功能中部署生成式 AI 的复 杂性将选择放弃。4 在某些情况下，这确实是事实。三分之一的受访企业在试点后暂停 了 AI 用例，但这意味着有三分之一的受访企业并未止步。
在这种情况下，企业领导者如何才能有效将实验转化为可大规模创造价值的企业级投 资？本文提供了一个路线图，可帮助企业回答这个问题，并附有相关案例研究来说明 行动的有效性。首先，我们概述了生成式 AI 目前在哪些领域实现了最高的投资回报率。 然后，我们阐述了高管如何利用生成式 AI 的长期潜力，并克服从组织结构到安全性等 方面的关键挑战。最后，我们列出了一份行动指南，可指导企业利用生成式 AI 推动业 务转型――无论企业当前处于 AI 旅程的哪个阶段。
拜耳公司首席执行官 Bill Anderson 对 AI 的未来有着宏大的愿景：“在未来 20 年内， 在土地减少、水源减少、需要使用更少化学品的情况下，我们将如何养活世界上另外 20 亿人，我认为 AI 将在这方面发挥最广泛的作用。” Anderson 拥有麻省理工学院化学工程专业的高级学位，在罗氏制药公司担任首席执行 官后加入拜耳公司，这表明他采用严谨、基于证据的方法进行重大预测。他对生成式 AI 的最终影响充满信心，因为他了解生成式 AI 在人工智能和机器学习等技术中的地位， 这些技术已经对他的公司和行业产生了一段时间的影响。 他谈到这一快速发展的新一代应用时说道，“这才刚刚开始，不容置疑，我们正在从 理论走向应用。”
生成式 AI 有望成为业务转型的强大催化剂，但它并不是万能的。 在实施过程中，必须认真考虑成本、数据治理和伦理影响，同时还要关注人才与技能。 由于生成式 AI 的最大优势是增强人类工作而非自动化，因此文化变革对于持续创造价 值至关重要。事实上，64% 的受访 CEO 表示，AI 项目的成功将更多地取决于员工的采用， 而不是技术本身。6 企业领导者需要理解不同工具如何协同运作，传统 AI 技术、生成式 AI 模型和自动化 各司其职，而不是将生成式 AI 作为所有问题的解决方案。他们必须打破用例思维，专 注于利用生成式 AI 来转变员工的日常工作方式。实现这一目标需要一个过程――组织 在 AI 领域的经验将影响其应从何处开始。
组织正在采取两种主要方法来推动实现持续 AI 投资回报所需的系统性变革。 1. 实验：在低风险的非核心职能中发现效率。优先在传统 AI 已经为企业创造明确业务 价值的领域采用生成式 AI 有助于加速转型并创造增量利润。大约三分之二的受访高 管表示其组织正在客户服务 (70%)、IT (65%) 和产品开发 (65%) 职能中采用生成式 AI，这与我们在 2023 年中期看到的情况一致。7 2. 聚焦：增强基本业务职能以推动更广泛的转型。在更接近核心的业务运营中使用生 成式 AI 的风险可能更高，但这正是业务转型潜力开始显现的领域。那些侧重于销售、 信息安全以及供应链、物流和履行等以前未充分开发的领域的企业正在实现更高的 投资回报率。
当然，对于许多组织来说，在风险较低的领域进行实验，作为生成式 AI 旅程的切入点 也是有意义的。在团队学习如何充分利用技术的同时，组织还能获得边际效益。然而， 停留在浅层也会导致组织无法实现生成式 AI 所能创造的更具变革性的顶层增长。只有 将目光投向企业范围内的创新上，并专注于潜力最大的领域，组织才能实现长期、可 扩展的成功。
从实验到企业级创新并不是一条直线。采用方式的演变取决于组织的起 点、已开发的能力以及员工适应能力的准备程度。 与此同时，随着生成式 AI 的成熟，竞争能力可能会开始趋同，这会导致获得竞争优势 变得更加困难。在因此，组织必须竭力解决与生成式 AI 相关的障碍和挑战，并且需要 迅速采取行动。当前带来的优势，未来可能只是基本要求。 对于处于早期阶段的企业来说，在低风险职能领域部署生成式 AI 有助于快速启动业务 转型。实验和小规模的成果可以简化工作流程并提高效率，同时团队也能逐渐适应。 我们的研究重点揭示，有两个关键领域可作为明智的起点：
客户服务
我们的分析表明，在生成式 AI 的采用和投资回报率方面，客户服务都处于领先地位。 许多企业已经建立了稳固的传统 AI 基础，例如可用自然语言回答客户询问的对话式 AI。根据 IBM 商业价值研究院的调研，平均而言，相比未在客户服务中使用生成式 AI 的组织，使用生成式 AI 的组织实现了更高的客户满意度。8 但这并不是绝对的。需要 注意的一个陷阱是：大多数客户服务用例仅专注于提高现有工作流程的效率。这种情 况将迅速改变。到 2024 年底，高管们指出了三个呈增长趋势的机会：生成用于训练 对话式 AI 的测试用例 (78%)、为对话式 AI 生成对话 (74%) 以及为人工客服生成对话 (69%)（请参阅第 11 页的“AI 开启客户服务引擎”）。
IT
开发人员正在依靠生成式 AI 来简化日常任务。例如，在 IT 领域采用生成式 AI 的企业 中，有 77% 使用这项技术来生成代码。这些企业还利用生成式 AI 来识别和修复错误， 帮助确保代码按预期运行，从而实现代码测试自动化。生成式 AI 还能加快创建所需文 档的过程，包括用户手册和其他与软件开发和网络安全审查配套的技术材料。这些领域是实现长期投资回报的起点，可实现具有重要影响的生产力提升。随着时间 的推移，将生成式 AI 部署到更接近核心的业务职能将创造最大的效益。 我们的研究表明，一些领先组织开始将生成式 AI 应用于一些以前未曾探索的领域，例 如销售和供应链，重塑这些领域的工作方式。
销售和营销
生成式 AI 可以利用客户数据提供对其行为的洞察，从而提升销售团队的业绩。生成式 AI 能识别高价值细分市场中的优质线索，使营销战略和推广工作更加有效。 事实上，在营销领域采用生成式 AI 的企业中，有 85% 正在利用这项技术来总结市场 情报。此外，销售和营销团队还利用生成式 AI 来撰写和编辑电子邮件、博客、社交媒 体帖子和网站创意内容，从而大幅节省时间（从数小时缩短至数分钟），然后将节省 下来的时间投入到探索拓展客户关系的新方法中。
供应链
随着供应链中断的加剧，生成式 AI 有助于识别潜在的障碍，并在问题影响交付之前找 到解决方案。这项技术能让供应链决策者与 AI 助手进行直观的对话，通过实时提供所 需信息，使其影响更加具体和相关。通过自动化日常任务和增强工作流程，生成式 AI 还使供应链专业人员能够专注于解决复杂问题和改进流程。11 例如，在供应链中采用 生成式 AI 的企业中，有 80% 利用这项技术来生成运营文档。 但对于一些组织来说，这样的转型机会似乎遥不可及。正是因此，一些企业领导者正 在考虑采用一种平台方法来实现生成式 AI，将各个部门或合作组织的资源和收益汇集 在一起，作为一种成本更低、实施更简单的选择。通过这种方式，企业领导者可以避 免在每个领域从零开始，并迅速、更具战略性地在具有最大潜力的职能中嵌入生成式 AI，包括财务、供应链和制造、人力资源以及销售和市场营销。不过，采用这种方法 的企业领导者还需要考虑每个职能的独特需求，并设法对生成式 AI 应用进行相应的 微调。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
