ibm -生成式 AI 的智慧之力 -解鎖大規(guī)模生產(chǎn)力和創(chuàng)新 2024

企業(yè)可以利用IBM深厚的行業(yè)、職能和技術(shù)專業(yè)能力，豐富的企業(yè)級技術(shù)解決方案以及基于科學(xué)的研究創(chuàng)新來釋放AI、分析和數(shù)據(jù)的如需了解關(guān)于IBMConsulting提供的AI服務(wù)的更多信息，請訪問/services/artificial-intelligence如需了解關(guān)于IBMSoftware提供的AI解決方案的更多信息，請訪問/watson如需了解關(guān)于IBMResearch提供的AI創(chuàng)新的更多信息，請訪問/artificial-intelligence1企業(yè)領(lǐng)導(dǎo)者必須將實驗轉(zhuǎn)化為可大規(guī)模創(chuàng)造價值的企業(yè)級投資。生成式AI支出在12個月內(nèi)增長了超過10倍，而IT支出的增長率僅為通貨膨脹率的一半。12022年，AI的平均投資回報率為13%，而生成式AI的早期成果（由成功的試點項目推動）推動AI投資回報率提升至31%。早期的生成式AI實驗傾向于低風(fēng)險但是，組織可以專注于與其競爭優(yōu)勢更密切相關(guān)的業(yè)務(wù)領(lǐng)域，從而創(chuàng)造更多價值。超過一半的高管預(yù)計，在未來三年內(nèi)，生成式AI將使以前不可能的工作類型成為可能。2“在企業(yè)的世界中，并沒有一個舒適區(qū)可以讓你悠閑地享受過去的勝利。你必須始終向下一個目標邁進?！睆拿襟w轟動到面向市場的生成式AI的能力達到了令人難以置信的水平。這項從數(shù)天縮短到數(shù)分鐘，對產(chǎn)品進行最細微層面的個性化，還可以在第一時間發(fā)現(xiàn)出現(xiàn)的安全漏洞。自2022年以來，生成式AI推動AI投資回報率從13%飆升至31%。盡管這在很大程度上反映了試點、沙盒實驗和其他小規(guī)模投資的成功，但這些早期成果開始促使企業(yè)領(lǐng)導(dǎo)者重新思考新的可能性。我們針對24個國家/地區(qū)和25個行業(yè)的5,000名高管進行的最新專項調(diào)研表明，大多數(shù)高管比去年更看好AI的發(fā)展前景。超過四分之三(77%)的受訪高管表示生成式AI已經(jīng)準備好進入市場，而2023年這一比例僅為36%；近三分之二(62%)的受訪高管表示生成式AI是現(xiàn)實而非炒作（見圖1）。超過四分之三的受訪高管表示其組織需要迅速采用生成式AI，以跟上競爭對手的步伐。根據(jù)IBM商業(yè)價值研究院(IBMIBV)發(fā)布的2024年CEO研究報告，72%的高績效CEO認為企業(yè)的競爭優(yōu)勢取決于是否擁有最先進的生成式AI。2企業(yè)領(lǐng)導(dǎo)者已經(jīng)開始意識到生成式AI能夠提高盈利水平。2022年至2023年，直接歸因于AI的營業(yè)利潤增長翻了一番，達到近5%――而受訪高管預(yù)計這一數(shù)字到2025年將達到10%。根據(jù)即將發(fā)布的IBMIBV研究報告，在現(xiàn)有企業(yè)軟件工作流程中嵌入生成式AI也有望實現(xiàn)更可持續(xù)的投資回報率。3盡管已有這些早期的跡象，但一些分析機構(gòu)仍持懷疑態(tài)度。他們預(yù)計，這種由炒作推動的采用高峰之后將是“幻滅低谷”，組織面對在核心業(yè)務(wù)功能中部署生成式AI的復(fù)雜性將選擇放棄。4在某些情況下，這確實是事實。三分之一的受訪企業(yè)在試點后暫停了AI用例，但這意味著有三分之一的受訪企業(yè)并未止步。3三分之一的受訪企業(yè)在試點后暫停了AI用例，但這意味著有三分之二的受訪企業(yè)并未止步。在這種情況下，企業(yè)領(lǐng)導(dǎo)者如何才能有效將實驗轉(zhuǎn)化為可大規(guī)模創(chuàng)造價值的企業(yè)級投資？本文提供了一個路線圖，可幫助企業(yè)回答這個問題，并附有相關(guān)案例研究來說明然后，我們闡述了高管如何利用生成式AI的長期潛力，并克服從組織結(jié)構(gòu)到安全性等方面的關(guān)鍵挑戰(zhàn)。最后，我們列出了一份行動指南，可指導(dǎo)企業(yè)利用生成式AI推動業(yè)務(wù)轉(zhuǎn)型――無論企業(yè)當前處于AI旅程的哪個階段。從懷疑到信心高管們看到生成式AI的真正潛力我們需要迅速采用生成式AI4拜耳公司首席執(zhí)行官BillAnderson對AI的未來有著宏大的愿景：“在未來20年內(nèi)，在土地減少、水源減少、需要使用更少化學(xué)品的情況下，我們將如何養(yǎng)活世界上另外20億人，我認為AI將在這方面發(fā)揮最廣泛的作用。”Anderson擁有麻省理工學(xué)院化學(xué)工程專業(yè)的高級學(xué)位，在羅氏制藥公司擔(dān)任首席執(zhí)行官后加入拜耳公司，這表明他采用嚴謹、基于證據(jù)的方法進行重大預(yù)測。他對生成式AI的最終影響充滿信心，因為他了解生成式AI在人工智能和機器學(xué)習(xí)等技術(shù)中的地位，這些技術(shù)已經(jīng)對他的公司和行業(yè)產(chǎn)生了一段時間的影響。他談到這一快速發(fā)展的新一代應(yīng)用時說道，“這才剛剛開始，不容置疑，我們正在從理論走向應(yīng)用?！鄙墒紸I的實際應(yīng)用在拜耳公司，生成式AI的第一項重大成果是提高了生產(chǎn)率，這項應(yīng)用正在進行中。檢查和分析數(shù)據(jù)以更好地理解患者群體，這樣可以在測試地點和參與者選擇方面帶來這一切都不容易。例如，假冒產(chǎn)品和仿真產(chǎn)品是一項重大風(fēng)險，因為生成式AI讓犯罪分子能夠在躲避安全措施的同時快速作案。深度偽造和虛假報道也是不可忽視的威脅。但Anderson仍然堅信，生成式AI在加速藥物發(fā)現(xiàn)領(lǐng)域極具潛力。他表示，在兩到三年內(nèi)，得益于當前正在進行的生成式AI工作，一種新的抗癌藥物將進入第三階段臨床試驗他說道：“這真的很快?！?播種未來Anderson開始意識到，隨著時間的推移，生成式AI可幫助拜耳的作物科學(xué)部門（投資達250億歐元）有效應(yīng)對氣候變化時代的作物保護挑戰(zhàn)。開發(fā)一種新的殺蟲劑可能比開發(fā)一種新的抗癌藥物還要困難，因為抗癌藥物只對人體產(chǎn)生影響，而殺蟲劑則可能對整個生態(tài)產(chǎn)生影響?！拔覀儽仨毮M一種新的作物保護化學(xué)品在100種不同環(huán)境中的表現(xiàn)――如果能利用生成式AI來預(yù)測哪種作物保護化學(xué)品的表現(xiàn)可能最好，就能為我們節(jié)省大量的試驗時間。”在生成式AI能夠?qū)崿F(xiàn)這些宏大的愿景之前，必須將其全面整合到這家總部位于德國勒沃庫森的公司的制藥、消費品和作物科學(xué)部門中。Anderson于2023年接任這家全球生命科學(xué)巨頭的首席執(zhí)行官，有望成為變革的推動者。他認為這種企業(yè)轉(zhuǎn)型是可能的，在談到這家業(yè)務(wù)遍布83個國家、年收入達500億歐元的傳奇企業(yè)時，他說道，“如果滿足于過去的成功，就不可能持續(xù)成功160年。在企業(yè)的世界中，并沒有一個舒適區(qū)可以讓你悠閑地享受過去的勝利，對吧？你必須始終向下一個目標邁進。”6聚焦于關(guān)鍵業(yè)務(wù)職能的生成式AI應(yīng)用有助于組織創(chuàng)造變革性的收入增長。在實施過程中，必須認真考慮成本、數(shù)據(jù)治理和倫理影響，同時還要關(guān)注人才與技能。由于生成式AI的最大優(yōu)勢是增強人類工作而非自動化，因此文化變革對于持續(xù)創(chuàng)造價而不是技術(shù)本身。6企業(yè)領(lǐng)導(dǎo)者需要理解不同工具如何協(xié)同運作，傳統(tǒng)AI技術(shù)、生成式AI模型和自動化各司其職，而不是將生成式AI作為所有問題的解決方案。他們必須打破用例思維，專注于利用生成式AI來轉(zhuǎn)變員工的日常工作方式。實現(xiàn)這一目標需要一個過程――組織在AI領(lǐng)域的經(jīng)驗將影響其應(yīng)從何處開始。組織正在采取兩種主要方法來推動實現(xiàn)持續(xù)AI投資回報所需的系統(tǒng)性變革。1.實驗：在低風(fēng)險的非核心職能中發(fā)現(xiàn)效率。優(yōu)先在傳統(tǒng)AI已經(jīng)為企業(yè)創(chuàng)造明確業(yè)務(wù)價值的領(lǐng)域采用生成式AI有助于加速轉(zhuǎn)型并創(chuàng)造增量利潤。大約三分之二的受訪高管表示其組織正在客戶服務(wù)(70%)、IT(65%)和產(chǎn)品開發(fā)(65%)職能中采用生成式AI，這與我們在2023年中期看到的情況一致。72.聚焦：增強基本業(yè)務(wù)職能以推動更廣泛的轉(zhuǎn)型。在更接近核心的業(yè)務(wù)運營中使用生成式AI的風(fēng)險可能更高，但這正是業(yè)務(wù)轉(zhuǎn)型潛力開始顯現(xiàn)的領(lǐng)域。那些側(cè)重于銷售、信息安全以及供應(yīng)鏈、物流和履行等以前未充分開發(fā)的領(lǐng)域的企業(yè)正在實現(xiàn)更高的當然，對于許多組織來說，在風(fēng)險較低的領(lǐng)域進行實驗，作為生成式AI旅程的切入點停留在淺層也會導(dǎo)致組織無法實現(xiàn)生成式AI所能創(chuàng)造的更具變革性的頂層增長。只有將目光投向企業(yè)范圍內(nèi)的創(chuàng)新上，并專注于潛力最大的領(lǐng)域，組織才能實現(xiàn)長期、可繪制生成式AI旅程聚焦AI的戰(zhàn)略重要性企業(yè)類型受訪者百分比業(yè)務(wù)模式的基礎(chǔ)基礎(chǔ)利用AI助力實現(xiàn)平臺經(jīng)濟將AI利用AI助力實現(xiàn)平臺經(jīng)濟將AI嵌入核心產(chǎn)品與研發(fā)將AI融入職能部門以改善在職能部門部署AI以改善在低風(fēng)險的非核心業(yè)務(wù)領(lǐng)不同組織根據(jù)所在起點以不同方式實施生成式AI領(lǐng)先者憑借自身的豐富經(jīng)驗，利用生成式AI推動更廣泛的轉(zhuǎn)型。此類組織已經(jīng)在運行和優(yōu)化傳統(tǒng)AI，并主要使用生成式AI來改進現(xiàn)有的AI能力。此類組織在各個職能中具有最高的傳統(tǒng)AI和生成式AI采用成熟度，其傳統(tǒng)AI的投資回報率也要高于其他組織。在大多數(shù)職能中，至少有60%已經(jīng)實施了生成式AI，這意味著此類組織有機會將重點放在已經(jīng)實現(xiàn)最生成式AI機會主義者對AI的采用總體上處于中低水平，但在擁有傳統(tǒng)AI經(jīng)驗的領(lǐng)域，其生成式AI采用率會激增。此類組織正在三個關(guān)鍵職能中開展生成式AI的相關(guān)實驗，包括信息技術(shù)、客戶服務(wù)和信息安全。通過探索自己認為最具潛力的領(lǐng)域，此類組織從生成式AI項目中實現(xiàn)了比其他組織更高的投資回報率。AI領(lǐng)先者生成式AI機會主義者8問：貴組織在以下職能中采用生成式AI的情況如何？百分比包括選擇“實施”、“運行”和“優(yōu)化”的受訪者。9當前帶來的生產(chǎn)力提升，未來可能只是基本要求。從實驗到企業(yè)級創(chuàng)新并不是一條直線。采用方式的演變?nèi)Q于組織的起與此同時，隨著生成式AI的成熟，競爭能力可能會開始趨同，這會導(dǎo)致獲得競爭優(yōu)勢變得更加困難。在因此，組織必須竭力解決與生成式AI相關(guān)的障礙和挑戰(zhàn)，并且需要迅速采取行動。當前帶來的優(yōu)勢，未來可能只是基本要求。對于處于早期階段的企業(yè)來說，在低風(fēng)險職能領(lǐng)域部署生成式AI有助于快速啟動業(yè)務(wù)轉(zhuǎn)型。實驗和小規(guī)模的成果可以簡化工作流程并提高效率，同時團隊也能逐漸適應(yīng)。我們的研究重點揭示，有兩個關(guān)鍵領(lǐng)域可作為明智的起點：我們的分析表明，在生成式AI的采用和投資回報率方面，客戶服務(wù)都處于領(lǐng)先地位。許多企業(yè)已經(jīng)建立了穩(wěn)固的傳統(tǒng)AI基礎(chǔ)，例如可用自然語言回答客戶詢問的對話式AI。根據(jù)IBM商業(yè)價值研究院的調(diào)研，平均而言，相比未在客戶服務(wù)中使用生成式AI的組織，使用生成式AI的組織實現(xiàn)了更高的客戶滿意度。8但這并不是絕對的。需要注意的一個陷阱是：大多數(shù)客戶服務(wù)用例僅專注于提高現(xiàn)有工作流程的效率。這種情況將迅速改變。到2024年底，高管們指出了三個呈增長趨勢的機會：生成用于訓(xùn)練對話式AI的測試用例(78%)、為對話式AI生成對話(74%)以及為人工客服生成對話(69%)（請參閱第11頁的“AI開啟客戶服務(wù)引擎”）。IT開發(fā)人員正在依靠生成式AI來簡化日常任務(wù)。例如，在IT領(lǐng)域采用生成式AI的企業(yè)中，有77%使用這項技術(shù)來生成代碼。這些企業(yè)還利用生成式AI來識別和修復(fù)錯誤，幫助確保代碼按預(yù)期運行，從而實現(xiàn)代碼測試自動化。生成式AI還能加快創(chuàng)建所需文檔的過程，包括用戶手冊和其他與軟件開發(fā)和網(wǎng)絡(luò)安全審查配套的技術(shù)材料。910這些領(lǐng)域是實現(xiàn)長期投資回報的起點，可實現(xiàn)具有重要影響的生產(chǎn)力提升。隨著時間的推移，將生成式AI部署到更接近核心的業(yè)務(wù)職能將創(chuàng)造最大的效益。我們的研究表明，一些領(lǐng)先組織開始將生成式AI應(yīng)用于一些以前未曾探索的領(lǐng)域，例如銷售和供應(yīng)鏈，重塑這些領(lǐng)域的工作方式。生成式AI可以利用客戶數(shù)據(jù)提供對其行為的洞察，從而提升銷售團隊的業(yè)績。生成式AI能識別高價值細分市場中的優(yōu)質(zhì)線索，使營銷戰(zhàn)略和推廣工作更加有效。事實上，在營銷領(lǐng)域采用生成式AI的企業(yè)中，有85%正在利用這項技術(shù)來總結(jié)市場情報。此外，銷售和營銷團隊還利用生成式AI來撰寫和編輯電子郵件、博客、社交媒體帖子和網(wǎng)站創(chuàng)意內(nèi)容，從而大幅節(jié)省時間（從數(shù)小時縮短至數(shù)分鐘），然后將節(jié)省下來的時間投入到探索拓展客戶關(guān)系的新方法中。10隨著供應(yīng)鏈中斷的加劇，生成式AI有助于識別潛在的障礙，并在問題影響交付之前找到解決方案。這項技術(shù)能讓供應(yīng)鏈決策者與AI助手進行直觀的對話，通過實時提供所需信息，使其影響更加具體和相關(guān)。通過自動化日常任務(wù)和增強工作流程，生成式AI還使供應(yīng)鏈專業(yè)人員能夠?qū)Ｗ⒂诮鉀Q復(fù)雜問題和改進流程。11例如，在供應(yīng)鏈中采用生成式AI的企業(yè)中，有80%利用這項技術(shù)來生成運營文檔。但對于一些組織來說，這樣的轉(zhuǎn)型機會似乎遙不可及。正是因此，一些企業(yè)領(lǐng)導(dǎo)者正在考慮采用一種平臺方法來實現(xiàn)生成式AI，將各個部門或合作組織的資源和收益匯集在一起，作為一種成本更低、實施更簡單的選擇。通過這種方式，企業(yè)領(lǐng)導(dǎo)者可以避免在每個領(lǐng)域從零開始，并迅速、更具戰(zhàn)略性地在具有最大潛力的職能中嵌入生成式AI，包括財務(wù)、供應(yīng)鏈和制造、人力資源以及銷售和市場營銷。不過，采用這種方法的企業(yè)領(lǐng)導(dǎo)者還需要考慮每個職能的獨特需求，并設(shè)法對生成式AI應(yīng)用進行相應(yīng)的75%的組織至少在五個或更多職能中試點生成式AI。11AI開啟客戶服務(wù)引擎從與客戶聊天、創(chuàng)建精準內(nèi)容到優(yōu)化呼叫中心績效，生成式AI正在將客戶服務(wù)轉(zhuǎn)型提升到全新的水平。借助自然語言生成技術(shù)，生成式AI能夠用更流暢、更符合上下文的方式來回答客戶問題。生成式AI還可以根據(jù)客戶的交互記錄來提供量身定制的響應(yīng)，并提供更加個性化的體驗。這樣一來，客戶就可以像與人類客服互動一樣與生成式AI不僅如此，生成式AI的應(yīng)用遠遠超出了與客戶的直接互動。這項技術(shù)可以提供人工客生成式AI還可以為面向客戶的對話式AI提供支持，包括生成測試用例和對話，以及分析交互以識別改進機會。12這些用例有助于生成式AI在減少人工干預(yù)的情況下為對話式AI提供強力賦能。使用生成式AI創(chuàng)建測試用例（用于驗證AI模型是否按預(yù)期運行的一系列步驟）和對各種客戶詢問的回復(fù)，可幫助團隊在培訓(xùn)和微調(diào)對話式AI時處理廣泛的場景、用戶輸入和12賦能增強型員工團隊13ZebraTechnologies公司的首席執(zhí)行官BillBurns預(yù)計生成式AI將對人們的工作方式產(chǎn)生積極的影響，包括公司員工和其公司生產(chǎn)的耐用移動設(shè)備的用戶。他表示，“我們的業(yè)務(wù)專注于一線工人?！边@家年收入45億美元的制造商已轉(zhuǎn)型為數(shù)字解決方案提供商，助力企業(yè)智能地連接各行業(yè)的數(shù)據(jù)、資產(chǎn)和人員。該公司致力于為零售、制造、運輸、醫(yī)療保健和公共服務(wù)等行業(yè)的物流和其他職能制造智能跟蹤、標記和打印設(shè)備。他認為，關(guān)于生成式AI會淘汰人類的早期觀念已經(jīng)過時?！吧墒紸I并不會取代工人，而是在工作流程中自動執(zhí)行某些任務(wù)，從而增強工人的能力，為他們節(jié)省時間，并最終為工人賦能，讓他們專注于價值更高的活動?！盳ebraTechnologies在生成式AI投資方面采取了系統(tǒng)化的方法，并對在企業(yè)范作為流程指南和避免屈從于炒作的方法。我們的目標是理解工作流程中的哪些），然后量化影響并明確投資回報率。他說道：“證明給我看，并展示商業(yè)論證?！北仨殞λ龅拿恳患露急３志o迫感，并以兩種速度運作。第一種速度是有意識的，專注于執(zhí)行并將解決方案交到客戶手中，針對那些我們有信心能創(chuàng)造價值的用例。第二種速度的結(jié)構(gòu)性和實驗性較弱，就是與客戶共同推動創(chuàng)新，發(fā)現(xiàn)可以從AI創(chuàng)新中受益的新領(lǐng)域?！叭绻覀儾贿@樣做，其他人就會這樣做?！薄吧墒紸I將使員工的工作更輕松，并改善客戶體驗?！盉illBurnsZebraTechnologies公司首席執(zhí)行官13ZebraTechnologies賦能增強型員工團隊在Zebra開始評估生成式AI時，Burns先生與公司各利益相關(guān)方保持密切聯(lián)系。計劃是：“在與大型戰(zhàn)略技術(shù)合作伙伴建立聯(lián)系的同時，對我們自己進行生成式AI方面的知識普及，組建一個跨職能團隊，由組織的首席技術(shù)官關(guān)注外部，首席信息官關(guān)注內(nèi)部，隨著AI技術(shù)的發(fā)展，共同努力定義負責(zé)任和符合倫理的AI原則，”他如是說道，他說。“其中一個關(guān)鍵在于溝通和變革管理，以確保每個人都了解這些團隊，并接受新的運營方式――這要從高層開始?！痹趯︻A(yù)期效益和成本進行全面審查之后，才會做出關(guān)因為今天他們可以免費使用ChatGPT。如果想在企業(yè)內(nèi)部大規(guī)模使用，就不再是免費的了，因為這些解決方案需要消耗云中的真實資源。但Zebra正在探索并開發(fā)一款在移動設(shè)備上運行生成式AI模型的一線工作者應(yīng)用。這可以降低成本、提高安全性并保護數(shù)據(jù)。”ZebraTechnologies已經(jīng)確定了許多生成式AI的內(nèi)部用例，這些用例有潛力改變員工的工作流程。其中包括使用多種語言快速開展營銷活動，以及使客戶服務(wù)團隊能夠提供更個性化的客戶體驗，縮短問題解決在以客戶為中心的產(chǎn)品開發(fā)方面，該公司的戰(zhàn)略是在其新一代移動設(shè)備上部署開源大型語言模型。然后，Zebra利用自己的數(shù)據(jù)，按用例微調(diào)這些模型，同時利用一個平臺，讓客戶用自己的數(shù)據(jù)填充模型，并通過Zebra移動設(shè)備與他們的系統(tǒng)連接?！澳惚仨殞λ龅拿恳患露急３志o迫感……如果我們不這樣做，其他人就會這樣做?！盉illBurnsZebraTechnologies公司首席執(zhí)行官Burns先生預(yù)計，生成式AI的凈影響將包括許多好的就業(yè)機會，創(chuàng)造出壓力更小的新職位，讓員工專注于更有意義的工作，發(fā)展增強型能力，并在工作中快速學(xué)習(xí)和成長。他感受到高管們對未來的討論方式發(fā)生了變化。他表示：“這已經(jīng)從‘工人將被取代’的炒作發(fā)展為任務(wù)自動化?！吧墒紸I將使員工的工作更輕松，并改善客戶體驗?！彼e例說道，軟件開發(fā)人員現(xiàn)在可以利用這項技術(shù)編寫代碼。他繼續(xù)說道，“開發(fā)人員不會失業(yè)，而是可以花更多時間在增值任務(wù)上，或更輕松地完成更多工作，尤其是在勞動力供應(yīng)和成本挑戰(zhàn)的形勢下。他表示，這項技術(shù)讓人們能夠快速行動，并輕松從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中獲取切實可行的洞察。更快的培訓(xùn)和更短的熟練時間顯然也能為雇主帶來回報。例如，在零售行業(yè)中，員工流動率非常高，還有一些領(lǐng)域通常需要對新員工進行較長周期的培訓(xùn)?！坝辛艘苿釉O(shè)備作為生成式AI助手的窗口，新員工可以迅速變得像經(jīng)驗豐富的員工一樣熟練，同時受益于工作滿意度的大幅提升?！?415如今，為生成式AI奠定堅實基礎(chǔ)的組織將能夠在新機遇出現(xiàn)時及時做出調(diào)整并形成發(fā)展勢頭。盡管生成式AI已經(jīng)取得了進展，但挑戰(zhàn)依然存在。近一半示對準確性和偏見感到擔(dān)憂――這個問題可能會帶來許多新問題，就像許多高管還擔(dān)心，專業(yè)知識不足、商業(yè)論證不明確和專有數(shù)據(jù)不足可能會阻礙生成式AI的進展（見圖4）。挑戰(zhàn)并存●●●●●45%對數(shù)據(jù)準確性或偏見的擔(dān)憂42%可用于定制模型的專有數(shù)據(jù)不足42%生成式AI專業(yè)知識不足42%財務(wù)理由/商業(yè)論證不足40%對數(shù)據(jù)和信息隱私/保密性的擔(dān)憂40%技術(shù)能力有限36%需要太多的投資32%對知識產(chǎn)權(quán)的擔(dān)憂31%用例不相關(guān)或不清晰31%數(shù)據(jù)安全/對網(wǎng)絡(luò)安全的擔(dān)憂12%與商業(yè)戰(zhàn)略不一致2023年4月2023年8月2024年3月16要克服這些挑戰(zhàn)，需要技術(shù)、金融、安全、法律和AI倫理等領(lǐng)域的領(lǐng)導(dǎo)者共同努力。14這是一項復(fù)雜的工作，但省去這項工作會帶來嚴重的后果。從更大的責(zé)任、引入新的安全漏洞到損害品牌聲譽，領(lǐng)導(dǎo)者在將生成式AI整合到業(yè)務(wù)運營中時，必須要理解并減輕一系列新出現(xiàn)的風(fēng)險。一些組織已經(jīng)在竭力管理這些威脅：領(lǐng)導(dǎo)者開始在對其競爭優(yōu)勢至關(guān)重要的領(lǐng)域使用生成式AI時，確AI有潛力以難以想象的方式改變商業(yè)世界、經(jīng)濟和社會。今天，通過建設(shè)正確的能力，企業(yè)就能將這些新機遇轉(zhuǎn)化為現(xiàn)實。這不僅僅是自動化當前的一些任務(wù)，還包括實現(xiàn)一些前所未有的可能性。15從幫助開發(fā)疾病治療方案到應(yīng)對氣候變化，生成式AI可以解決困擾人類幾個世紀的問題。在我們的調(diào)研中，超過一半的受訪高管表示，在未來三年內(nèi)，生成式AI將使一些全新的工作類型成為可能（見圖5）。很難想象這些新用例可能是什么樣子，但這正是關(guān)鍵所在。能夠在未來創(chuàng)造最大價值的生成式AI應(yīng)用還有待發(fā)現(xiàn)。如今，為生成式AI奠定堅實能力基礎(chǔ)的組織將能夠在新機遇出現(xiàn)時及時做出調(diào)整并形成發(fā)展勢頭?！傲鞒套詣踊⒉皇且〈鷤€人，而是要提升個人的價值，讓人類的工作更加人性化。”407ETR首席執(zhí)行官通過搭建一個能讓員工安全進行實驗的平臺，企業(yè)可以釋放員工的集體智慧。領(lǐng)導(dǎo)者需要培養(yǎng)一種成長和創(chuàng)新的心態(tài)，并鼓勵員工超越過去的成功，開創(chuàng)突破性的創(chuàng)新，超越競爭對手，并利用生成式AI推動大規(guī)開辟新領(lǐng)域注：圖是概念性的。比例并非根據(jù)數(shù)據(jù)得出。1718目前，世界上有近四分之一的人口生活在洪水泛濫地區(qū)，隨著氣候變化引發(fā)的海平面上升和風(fēng)暴加劇，預(yù)計這一數(shù)字還會繼續(xù)上升，使更多人面臨危險。準確繪制洪水事件地圖的能力不僅對保護人們和財產(chǎn)至關(guān)重要，還能在未來引導(dǎo)開發(fā)活動向風(fēng)險較低IBM和NASA的地理空間基礎(chǔ)模型旨在將NASA的衛(wèi)星觀測和數(shù)據(jù)轉(zhuǎn)換為自然災(zāi)害和其他環(huán)境變化的定制地圖，從而為實現(xiàn)這一目標邁出重要的一步。潛在應(yīng)用包括幫助估算氣候相關(guān)的作物、建筑和其他基礎(chǔ)設(shè)施的風(fēng)險；監(jiān)測和評估森林的碳抵消項目；生成可再生能源預(yù)測；以及開發(fā)預(yù)測模型，幫助企業(yè)制定減緩和適應(yīng)氣候變化的策略。析地理空間數(shù)據(jù)的基礎(chǔ)模型。以前，用戶必須為每項任務(wù)訓(xùn)練一個新模型，這需要大量的數(shù)據(jù)整理和計算。IBM研究人員并沒有基于文本來訓(xùn)練基礎(chǔ)模型，而是指導(dǎo)模型來理解衛(wèi)星圖像。然后，團隊向模型提供手動標記的示例，以教會它識別歷史洪水和火災(zāi)燒痕的范圍、土地利用變化和森林生物量等。2024年，IBM和NASA擴展了該模型系列，開發(fā)了一個用于天氣和氣候數(shù)據(jù)的基礎(chǔ)模型。他們針對更具體的任務(wù)定制了該模型，例如為可再生能源規(guī)劃創(chuàng)建高度本地化的使用基礎(chǔ)模型的設(shè)計非常簡單，只需選擇一個區(qū)域、一項映射任務(wù)和一組日期即可。例如，如果用戶在搜索欄中輸入“法國拉納港”，并選擇2019年12月13日至15日查看農(nóng)作物或建筑物被淹沒的位置。這些模型及其隨附的可視化內(nèi)容可以幫助在類似災(zāi)難場景下進行未來規(guī)劃――模型提供的信息可以幫助減輕洪水影響，指導(dǎo)保險和風(fēng)險管理決策，制定基礎(chǔ)設(shè)施計劃，改善災(zāi)難響應(yīng)以及保護環(huán)境。19IBM和NASA幫助人類適應(yīng)氣候變化（續(xù)）IBM和NASA使用掩蔽自動編碼器構(gòu)建了這兩個模型，用于處理視頻并將根據(jù)衛(wèi)星圖像進行調(diào)整。為了訓(xùn)練模型理解隨時間展開的圖像序列，研究人員將每個圖像的部分隨后，IBM和NASA針對特定任務(wù)（如圖像分類和分割）對模型進行了微調(diào)。為了提高模型的效率，研究人員還縮小了衛(wèi)星圖像的尺寸，這樣就能以更小的塊來處理數(shù)據(jù)，并使用更少的GPU。然后，他們在IBMResearch的Vela超級計算機上使用5000多結(jié)果令人欣喜。在測試中，研究人員發(fā)現(xiàn)，與最先進的深度學(xué)習(xí)模型相比，該模型在繪制洪水和火災(zāi)燒痕的準確率上提高了15%，而使用的標記數(shù)據(jù)僅為一半。據(jù)IBM估計，該模型可以將地理空間分析的速度提高三到四倍，并幫助減少傳統(tǒng)深度學(xué)習(xí)工作流程中所需的數(shù)據(jù)清理和標記工作。這項技術(shù)可以應(yīng)用于企業(yè)和政府，因為許多企業(yè)和政府正在尋找更簡單、更快速的方利用洪水檢測模型與其他數(shù)據(jù)源相結(jié)合，跟蹤對醫(yī)院、道路和能源基礎(chǔ)設(shè)施等關(guān)鍵資以便通過碳融資為恢復(fù)工作提供可持續(xù)的資金。17該解決方案還可以幫助大型消費品公司更好地理解氣候變化、極端天氣或地緣政治風(fēng)險等宏觀趨勢，這些趨勢會影響其從哪里采購原材料，以及未來可能考慮在哪里購買這些資源。該解決方案還可以幫助大型農(nóng)業(yè)企業(yè)更好地衡量、跟蹤和減輕其農(nóng)業(yè)實踐對當?shù)丨h(huán)境和周邊社區(qū)的影響，更好地理解土壤退化、水資源保護活動，以及如何減少田地向當?shù)厮w排放造成的污染。研究人員發(fā)現(xiàn)，與最先進的深度學(xué)習(xí)模型相比，在繪制洪水和火災(zāi)燒疤地圖時，只需使用一半的標記數(shù)據(jù)，準確率就提高了15%。20任何一位高管都無法僅憑一己之力來推動生成式AI計劃。要為長期業(yè)務(wù)轉(zhuǎn)型奠定必不可少的基礎(chǔ)，就需要各職能部門密切合作。下面列出了六種類型的領(lǐng)導(dǎo)者當前需要采取的行動，以便讓其組織為未來挑戰(zhàn)做好準備。設(shè)定明確的任務(wù)。確保領(lǐng)導(dǎo)者知道擴展生成式AI并不是一個可選項。問題是如何實現(xiàn)，而不是能否實現(xiàn)。指派一名高級領(lǐng)導(dǎo)來掌舵，并優(yōu)先考慮與業(yè)務(wù)戰(zhàn)略最密切相關(guān)的AI重新想象可能性。生成式AI不是一個技術(shù)項目。在開始對話時，先確定您希望實現(xiàn)的目標，然后探討生成式AI如何幫助實現(xiàn)這些目標。推動團隊重新設(shè)計業(yè)務(wù)和工作流程，以利用生成式AI創(chuàng)造的新機會。鼓勵成長心態(tài)。激勵團隊嘗試新事物，并獎勵最具創(chuàng)新性的想法――即使這些想法不能帶來立竿見影的效果。培養(yǎng)一種參與性和包容性的文化，鼓勵團隊積極面對生成式AI帶來的挑戰(zhàn)，而不是因為害怕失敗而回避這些挑戰(zhàn)。摒棄用例思維。將業(yè)務(wù)問題及其解決方案歸類為戰(zhàn)略主題或用例“系列”。將生成式AI與員工體驗相結(jié)合，以實現(xiàn)最大收益。評估AI即服務(wù)在哪些方面比自建解決方案更誠實地評估哪些方面不起作用。確定團隊需要做出哪些改變，才能有效利用生成式AI。不要對不良流程進行自動化，而是要進行重新設(shè)計。明智地承擔(dān)風(fēng)險。在低風(fēng)險領(lǐng)域?qū)嶒炆墒紸I是一個良好的起點，但要想辦法盡快發(fā)展核心功能。不要止步于早期的生產(chǎn)率提升――請繼續(xù)推動規(guī)?；晒?。在企業(yè)內(nèi)部優(yōu)先建立數(shù)據(jù)和AI素養(yǎng)。提高員工團隊技能，讓他們更輕松地采用生成式AI。消除孤島。建立跨職能的產(chǎn)品團隊，使用生成式AI來簡化數(shù)字工作流程并增強決策舉辦生成式AI集體活動，激發(fā)熱情。通過變革舉措激勵員工，促進動員、采用和開放創(chuàng)新。找出那些引領(lǐng)變革的人，并為他們提供一個激勵他人的平臺。21IT領(lǐng)導(dǎo)者AI領(lǐng)導(dǎo)者保持模型無關(guān)性。投資建立一個開放平臺，以便在適當?shù)臅r機輕松更換模型。盡可能選擇較小、適用性強的模型。構(gòu)建可組合的數(shù)據(jù)和生成式AI平臺架構(gòu)。在能力、成本和集成模式方面確保靈活性，使IT架構(gòu)能夠解耦模型、工程工具、基礎(chǔ)設(shè)施和應(yīng)用層。使用業(yè)務(wù)語言進行溝通。用業(yè)務(wù)團隊能夠理解的方式傳達數(shù)據(jù)管理、質(zhì)量和準備最佳實踐，助力從基層推進創(chuàng)新。采用產(chǎn)品和平臺運營模式。跟蹤性能提升情況，并為AI驅(qū)動的工作流程分配運營價值。優(yōu)先考慮整體AI治理。建立確保AI應(yīng)用可信和合規(guī)的實踐與流程。盡可能實現(xiàn)自動化的模型生命周期治理、風(fēng)險管理和合規(guī)文檔流程。為數(shù)據(jù)和AI建立專有工程和運營實踐。利用數(shù)據(jù)和模型管道、自動化、測試和端到端監(jiān)控模板，提高質(zhì)量、可重復(fù)性和效率。舉辦生成式AI創(chuàng)新日和包含治理要素的黑客馬拉松。要求團隊使用生成式AI來提高運營效率和解決業(yè)務(wù)問題，然后要求他們證明其解決方案是合乎倫理和合規(guī)的。建立明確的問責(zé)制。AI治理應(yīng)從概念層面開始，并貫穿AI解決方案的整個生命周期。創(chuàng)建責(zé)任與協(xié)作文化。識別那些能從社會技術(shù)角度看待治理問題，并歡迎采用新方法來降低AI風(fēng)險（無論其來源如何）的領(lǐng)導(dǎo)者。將管理作為協(xié)同創(chuàng)新工作的組成部分，并強調(diào)責(zé)任屬于每一個人，而不僅僅是模型負責(zé)人。22BrianGoehring副合伙人，AI研究負責(zé)人，IBM商業(yè)價值研究院/in/brian-c-goehring-9b5a453//in/goyamanish.goyal@RitikaGunnarIBMSoftware/in/ritika-gunnar/ritika.gunnar@AnthonyMarshallIBM商業(yè)價值研究院/in/anthonyejmarshall/anthony2@AI技術(shù)副總裁，IBMResearchIBMResearch/in/aya-soffer-4406146/ayas@AngelaFinley設(shè)計主管，IBM商業(yè)價值研究院管理研究顧問，IBM商業(yè)價值研究院編輯主管，IBM商業(yè)價值研究院IBMConsulting：GianlucaAntonini、StephanBloehdorn、PhaedraBoinodiris、FrancescoBrenna、DominiqueDubois、GleRosaneGiovis、JillGoldstein、TeresaHamid、AvdylHaxhaj、VivekKapuOosterbosch、LindaPerry-Lube、CathyReese、Enik?CathyReese、Enik?Rózsa、AldodeRubertis、SriniTummalapenta、JohnUysal、MollyVannucci、ShobhitVarshney、DebbieVavangasWeir、AlexisZamkowIBMResearch：DakshiAgrawal、LisaAmini、DavidRaghavan、FrancescaRossi、KateSoule、KushVarshneyIBMSoftware：MaryamAshoori、KateBlair、EdwardCalvesbert、TarunChopra、AdamCutler、HeatherGentile、MilenaPribic、JohnThomasIBMCorporate：HeatherDomin、StevenEliuk、StefaEtchegarayGarcia、LilianaHorne、TimHumphrey、CatherineQuinlan、JamieVanDodickIBMInstituteforBusinessValue：NamitAgrawal、CarolynBaird、KarenButner、LiamCleaver、JacobDencik、CathyFillare、GerryParham、SherihanSherif、RichardWarrickHebaNashaatIBM商業(yè)價值研究院與牛津經(jīng)濟研究院合作，在2023年12月至2024年3月期間針對5,000名高管開展了一項調(diào)研。受訪者來自北美、拉丁美洲、歐洲、中東和非洲以及亞洲的24個國家。調(diào)研范圍包括來自25個行業(yè)的20個業(yè)務(wù)和技術(shù)職位（主要是高管，但也包括IT和AI專業(yè)人士）。調(diào)研主題包括生成式AI的采用、用例以及圍繞生成式AI和傳統(tǒng)AI的企業(yè)能力。除了描述性分析外，還對受訪者提供的數(shù)據(jù)進行了分析，以根據(jù)他們在企業(yè)各職能中采用生成式AI的情況對樣本進行細分。研究洞察致力于為業(yè)務(wù)主管就公共和私營領(lǐng)域的關(guān)鍵問題提供基于事實的戰(zhàn)略洞察。洞察根據(jù)對自身主要研究調(diào)查的分析結(jié)果得出。要了解更多信息，請聯(lián)系IBM商業(yè)價值研究院：iibv@。企業(yè)生成式AI:市場現(xiàn)狀/downloads/documents/cn-zh/10a99803fb2fdbf9利用AI創(chuàng)造投資回報：AI制勝的六項關(guān)鍵能力/downloads/documents/cn-zh/10a99803fbafdc88CEO生成式AI行動指南/downloads/documents/cn-zh/10a99803fa2fdb6d在IBM，我們積極與客戶協(xié)作，運用業(yè)務(wù)洞察和先進的研究方法與技術(shù)，幫助他們在瞬息萬變的商業(yè)環(huán)境IBM商業(yè)價值研究院(IBV)站在技術(shù)與商業(yè)的交匯點，將行業(yè)智庫、主要學(xué)者和主題專家的專業(yè)知識與全球研究和績效數(shù)據(jù)相結(jié)合，針對公共與私營領(lǐng)域的關(guān)鍵議題提供可信的戰(zhàn)略洞察。訪問IBM商業(yè)價值研究院中國網(wǎng)站，免費下載研究報告：/ibv/cn231“GartnerForecastsWorldwideITSpendingtoGrow6.8%in2024.”Gartner.January17,2024.https:///en/newsroom/press-releases/01-17-2024-gartner-forecasts-worldwide-it-spending-to-grow-six-point-eight-percent-in-2024;“WorldEconomicOutlook.SteadyButSlow:ResilienceAmidDivergence.”InternationalMonetaryFund.April16,2024./en/Publications/WEO/Issues/2024/04/16/world-economic-outlook-april-202426hardtruthsCEOwithcourageandcoAIera.IBMInstituteforBusinessValue.May2024.https://ibm.co/c-suite-study-ceo3IBMInstituteforBusinessValuegenerativeAISAPpulsesurveyof200SAPgenAIexperts.April2024.4“GartnerPlacesGenerativeAIonthePeakofInflatedExpectationsonthe2023HypeCycleforEmergingTechnologies.”Gartner.August16,2023./en/newsroom/press-releases/2023-08-16-gartner-places-generative-ai-on-the-peak-of-inflated-expectations-on-the-2023-hype-cycle-for-emerging-technologies5InterviewwithBillAnderson.October2023.66hardtruthsCEOwithcourageandcoAIera.IBMInstituteforBusinessValue.May2024.https://ibm.co/c-suite-study-ceo7EnterprisegenerativeAI:Stateofthemarket.IBMInstituteforBusinessValue.July2023.https://ibm.co/enterprise-generative-ai8Goyal,Manish,Enik?Rózsa,CarolynBaird,GillianOrrell,AIadvantage:PowerupconversationalAItogainacompetitiveedge.IBMInstituteforBusinessValue.May2024.https://ibm.co/generative-ai-customer-service10Ibid.11Cushman,Rob,KaushikMalladi,andMatthiasGra