2023生成式AI新机遇

生成式AI新机遇2023年秋季刊2023年秋季刊4分 塑008 GenAIGenAI技术和促进品具有显著未球各现分析的3GenAI生2.64.4040 AI式AI现述式AI工具在2023年的爆式长影包括GenAI的普遍AI域先人人及GenAI。060 CEOAICEO的GenAICEOGenAI084 AI50GenAIGenAIGenAI5分 产值104 AIGenAIMLOps分 式AI“新赛道”126 AIGenAIGenAI分 式AI的“道”与“术”146 GenAIGenAI“”GenAIGenAI。167 GenAIGenAI/2023年秋季刊2023年秋季刊6007 GenAIGenAI技术和促进品具有显著未球各现分析的3GenAI生2.64.4039 AI式AI现述式AI工具在2023年的爆式长影包括GenAI的普遍AI域先人人及GenAI。059 CEOAICEO的GenAICEOGenAI083 AI50GenAIGenAIGenAIGenAIGenAI球各值 7MichaelChui，AlexSingla，AlexSukharevsky，BryceHall和LareinaYeePAGEPAGE30GenAIGenAIPAGE29DeepMindAlphaGo在2016“超”GenAIGenAI“”rule-basedA“”discriminativeA“（generative-60年代到80发展处于初始推理和匹配规则来解决问题。使用这种方法的代表是专家系统，1970年代开发的MYCIN系统便是一例，它使用了大量规则来诊1990AI2014GenAIGANGANGenAIAAAI相比，GenAI具有以下四大核心优势：传统GenAIGenAIAI传统AIGenAIGenAI传统GenAIGenAI传统AIGenAIGenAIGenAIGenAIAI”也GenAI20172022GenAI的GenAI2020GenAI8075%。GenAI在GenAI25.6GenAIGenAI用GenAI推GenAIGenAI图1:GenAI的潜在影响可以通过两个视角进行评估视角160多个组织潜力影响1

视角2用例的成本影响全球劳动力执行的约2,100项详细工作活动的劳动生产用例的成本影响1.而不是假设任何特定市场的额外增长。资料来源：麦肯锡分析GenAI“”将GenAIGenAI63162.6GenAI850GenAI210””GenAI包6.17.9见图2:人工智能技术对全球经济的潜在影响在7.25.6万亿美元之间，相当于25的生产率增长人工智能对全球经济的潜在影响，万亿美元17.1-25.6~35-70%增量经济影响~15-40%增量经济影响2.6-4.46.1-7.9高达~35-70%增量经济影响~15-40%增量经济影响2.6-4.46.1-7.9人工智能对全球经济的潜在影响相当于当前全球经济的~25%GenAI的影响相当于当前全球经济的~8%数据和高级人工智能用新的GenAI总用例驱动通过GenAIAI总经济分析用例 例（不是 用例潜力提高所有员潜力GenAI）工生产力，包括在用深入关注资料来源：麦肯锡全球研究院例中GenAI产业自身也拥有巨大市场价值及发展潜力GenAI年GenAI40040%20321.31/10，20252,00060%。GenAI2023400家GenAIGenAI20222022“（Generative8OpenAIGenAIChatGPTChatGPTPlusGenAI7,6001.2的2,4004,600科技、银行业和药品及医疗产品行业位居前三，其中在高科技行业，GenAI所带来的价值占行业收入的比例达4.8%~9.3%（见图3）。图3:GenAI用例在不同行业和部门中具有不同规模的影响GenAI在不同行业和部门中的产值¹低影响 高影响营销与客户

产品与软件

供应链风险与战略与公司

人才与占行业总收入

十亿

760-

340-

230-

580-

280-

180-

120-

IT2 组织的比例美元

1,200470

420

1,200530

260

260 40-5060-90高科技4.8-9.3240-460银行业2.8-4.7200-340药品与医疗产品2.6-4.560-110通信2.3-3.760-100教育2.2-4.0120-230医疗1.8-3.2150-260保险1.8-2.850-70媒体与娱乐1.5-2.660-110高端制造31.4-2.4170-290消费品1.4-2.3160-270高端电子与半导体1.3-2.3100-170旅行、交通与物流1.2-2.0180-300零售41.2-1.9240-390地产1.0-1.7110-180能源1.0-1.6150-240行政与专业服务0.9-1.4150-250化学0.8-1.380-140建筑0.7-1.290-150基础材料0.7-1.2120-200农业0.6-1.040-70公共与社会部门0.5-0.970-1102,600-4,400注：由于四舍五入，数字之和可能不等于100%不包括实施成本（例如培训、许可证）不包括软件工程包括航空航天、国防和汽车制造包括汽车零售资料来源：比较行业服务(CIS)、IHSMarkit；牛津经济杂志；麦肯锡公司和业务职能数据库；麦肯锡制造和供应链360；麦肯锡销售导航；麦肯锡数据库Ignite；麦肯锡分析按职能领域划分的GenAI价值潜力GenAIGenAI75%（见图4）。图4:在少数职能中使用GenAI可以实现用例的大部分价值1占生成式AI每年总影响的~75%销售营销软件工程（面向企业内部）软件工程（用于产品研发）客户运营产品与研发2供应链制造销售营销软件工程（面向企业内部）软件工程（用于产品研发）客户运营产品与研发2供应链制造财务风险与合规人才和组织（包括人力资源）采购管理IT战略定价合规400300200100 010 20 30 40占职能支出的百分比，%注意：用例价值按行业平均计算不含软件工程IHSMarkit链360；麦肯锡销售导航；Ignite，麦肯锡数据库；麦肯锡分析GenAI客户运营GenAI5,000AI25%。GenAI本30%~45%GenAI对客户运营的影响自动化客服客户与类似人类的聊天机器人进行交互，该机器人对复杂的查询提供即时、个性化的响应，确保无论客户语言或位置如何，都能获得一致的品牌声音辅助人工互动辅助人工互动人工客服使用人工智能开发的呼叫脚本，并在电话交谈期间接收实时帮助和响应建议，即时访问相关客户数据以进行量身定制的实时信息传递摘要与建议生成人工客服将收到简洁的对话摘要，用以记录客户投诉和所采取行动AI生成的自动化、个性化的见解，包括量身定制的后续消息或个性化的指导建议以下是GenAI在不同场景下的用例：营销和销售GenAI5%~15%和3%~5%GenAI如GenAGenAI对营销和销售的影响战略制定销售和营销人员从非结构化数据源（例如，社交媒体、新闻、研究报告、产品信息和客户反馈）中收集市场趋势和客户信息，并起草营销和销售内容购买决策购买决策客户可以访问全面的产品信息和动态建议，例如进行“试穿”交易转化由GenAI支持的虚拟销售代表模拟人类品质（例如同理心、个性化沟通和自然语言处理），以与客户建立信任和融洽关系客户留存更有可能通过定制的消息和奖励来留存，他们可以与人工智能驱动的聊天机器人进行交互，这些聊天机器人主动管理关系，减少人工客服需要处理的对话建立认知客户会看到根据其画像量身定制的广告系列GenAISEO产品研发GenAI10%~15%GenAIGenAIGenAIGenAI可以通过基于对类似产品数据的学习与分析，协助设计师更有效地选择和使用材料，从而可降低包装、物流和生产等成本。GenAIGenAI对产品研发的影响

早期研究分析研究人员使用GenAI来协助市场报告、产品或解决方案的起草虚拟设计虚拟设计研究人员使用GenAI生成基于提示的草稿和设计，使他们能够使用更多设计选项快速迭代虚拟模拟如果与新的深度学习创成式设计技术相结合，研究人员可以加速和优化虚拟仿真阶段产品测试研究人员优化测试用例以实现更高效的测试，从而减少物理构建和测试所需的时间软件工程GenAIGenAI20%~45%。MicrosoftGitHubCopilot56%2GenAIGenAIGenAIGenAIGenAI对软件开发的影响启动和规划软件工程师和产品经理使用GenAI来协助分析、清理和标记大量数据，例如用户反馈、市场趋势和现有系统日志系统设计系统设计工程师使用GenAI来创建多个IT架构设计并迭代潜在的配置，从而加速系统设计并缩短上市时间代码撰写工程师可以借助AI进行代码编写，通过协助生成草稿、快速查找错误及充当易于导航的知识库来缩短开发时间测试通过采用可以增强测试功能的算法来提升测试质量，并可以自动生成测试用例和测试数据维护工程师使用有关系统日志、用户反馈和性能数据的AI洞察来帮助诊断问题，提供修复建议，并预测其他高优先级的改进领域按行业划分的GenAI价值潜力在我们分析的63个用例中，GenAI将在不同行业产生2.6万亿至4.4万亿美元的价值。业贡献大约3,100GenAI可通过承担客GenAI图5:GenAI部署于部分行业的用例中时，可以提供巨大的价值职能性价值驱动因素关键用例的部分示例（非穷尽）该职能对行业的价值潜力高 低值潜力

价值潜力

软件工程

其他职能银行业

(3-5%)

旧代码转换

式语音响应(IVR)解决率AI增强的IVR相互作用（

行业务并为A/B测试

风险模型文档规更新信用卡丢失）

(1-2%)(3-5%)

消费者研究强客户定位研究和药物发现白质和分子

客户支持风险通知

内容文案编写成内容动的脚本

采购供应商流程改进准备与供应商的谈判草案合约生成律文件草案资料来源：麦肯锡分析GenAI零售和消费品行业GenAI创造4,000亿至6,600GenAI可通过以下方式为零售和消费品行业创造价值：GenAI在GenAIGenAIGenAIGenAIGenAIGenAI银行业GenAI200034002.8%~4.7%银行业的如下特征也为GenAI在银行业大显身手提供了舞台：ITGenAIGenAI可通过以下方式为银行业创造价值：GenAIGenAGPT-4GenAI工具可通过四大应用加速代码生成和软件交付。生成式AI工具可以利用现有文档和数据集简化内容生成。这些A/B生命科学行业6001,1002.6%~4.5%。GenAIGenAIGenAIGenAIGenAI大节省试验结果分析总结用时。GenAIGenAI25%20272023图6:科技能力，科技可实现的人类表现水平职能性价值驱动因素关键用例的部分示例（非穷尽）AI发展后估计（2023年生成人AI（2017）

表示专家估计的范围2010 2020 2030 2040 2050 2060 2070 2080多方协调创造力逻辑推理和解决问题自然语言生成自然语言理解表达和演讲生成新颖的模式和类别感官认知社交和情感表达社会和情感推理社会和情感感知资料来源：麦肯锡分析GenAI提高生产效率生成式AI50%60%~70%2040100%图7:生成式人工智能的出现推动了技术自动化的潜力按不同预估划分的技术自动化潜力，%2023100202390当前工作80活动耗费的时间7060502020 2030 2040 2050 2060激进预估（结合GenAI） 估（结合GenAI） 激进预估（2017） 保守预估（2017）资料来源：麦肯锡分析GenAI2.54.2GenAIGenAI行业值(万亿美元)总体价值(%营收)营销与销售客户运营产品与研发软件工程供应链运营风险与法律战略与财务人才与组织总体价值2.5-1.1%-（$万亿）4.212.0%影音娱乐~0.11.4%-2.6%实时供应商风险评估软件技术0.2-0.54.9%-9.3%编码副驾驶候选人尖叫银行和保险0.4-0.61.8%-2.9%生成客户反馈洞察产品生成和旧代码更新自动化客户服务职位描述起草零售0.4-0.71.2%-2%的销售拓展医疗0.2-0.31.8%-3.2%持服务教育0.1-0.22.1%-4%生命科学0.2-0.9%-&农业0.31.6%公共部门~0.10.6%-0.9%电信~0.12.2%-3.7%运输、物0.2-0.9%-流&旅游0.31.6%制造业0.4-0.60.9%-1.5%3D数字品设计3D数字品设计供应链价格重新谈判销售合同创建者发票异常检测器助手金属&采矿0.1-0.20.7%-1.2%材料发现异常检测能源与环境~0.20.6%-0.9%图8：效率提升：GenAI将影响各个职能部门，对营销、客户运营和工程的影响最大冲击 低 高资料来源：麦肯锡分析推动产品创新图8：效率提升：GenAI将影响各个职能部门，对营销、客户运营和工程的影响最大冲击 低 高资料来源：麦肯锡分析GenAIGenAIGenAIGenAI34图9:GenAI可对协作和专识应用类任务等早先自动化潜力较低的领域产生最大影响决策和协作应用专业知识决策和协作应用专业知识决策、规划和创造58.524.549.0管理和培养人才15.5与利益相关方互动45.024.0数据管理90.5处理数据73.079.0收集数据68.0体力活

使用

不使用GenAI1在不可预知的环境46.0中进行体力工作45.5在可预知的环境中73.0进行体力工作72.5注：由于四舍五入，数字可能不能加总资料来源：麦肯锡全球研究院分析40%GenAIGenAIGenAIGenAI图10:GenAI带动的技术进步将加速教育、科研、创意等职业转型生成式AI对技术自动化潜力在重点场景的潜在影响，2023职业分类

考虑GenAI技术自动化潜力在中点场景的对比,%,2023

不考虑GenAI全球就业人口份额,%教育与培训教育与培训54154商业和法律专业人士62325科研专业人士57283社区服务65393创意与艺术53281行政支持87669管理44273医疗健康专业人士43292客服和销售574510物业维修38294健康助手及技术人员43343生产工作827312食品78705交通服务49423机械安装和维修农业67616359421建筑总计534951763100注：由于四舍五入，数字可能不能加总包括来自47个国家的数据，约占全球就业人数的80%资料来源：麦肯锡全球研究院分析GenAIGenAIGenAI图11:产品创新：我们预计软件和技术以及媒体和娱乐领域的影响最大冲击 低 高代码总体辅助 数据 场价值编码 生成 建自动化虚拟 任务助手 自动化客户互动对话 超个界面 性化内容生成多媒体产生产 设总体价值影音娱乐测试到图像、视频、音乐所有媒体个性化生成新内容软件技术开发人员工作效率生成整个网页提高可用性完整的设计银行业&保险更新旧代码匿名化KYC，客户体验零售消费品聚合器购物个性化营销新设计健康从旧平台迁移模拟临床试验患者病史总结患者治疗文档虚拟私人医生个性化治疗教育代码学习学习材料总结个人学习材料新的学习内容生命科学&农业合成健康数据药物发现因、分子生成公共服务城市规划和政策制定来自媒体和公众反馈的见解案例管理，任务自动化市民信息助理学习与发展电信符合GDPR的客户数据使用生成式角色扮演协议运输、物流&旅游驶模式需求预测制造业评估设计的影响设计协助金属&矿业确定运营瓶颈虚拟挖矿指南能源&环境基础设施监控数据12.3.4.包括石油和天然气、电力资料来源：麦肯锡分析GenAIGenAI改变行业竞争格局GenAIGenAIGenAI图2:竞争变化：我们预计对转换成本、专有内容和成本优势的影响最大基因人工智能的影响壁垒强度竞争格局的变化主要竞争壁垒用户高风领域工作品牌监管网络险环专业流集认知专有复杂效应境知识成度数据性总体价值低成去中 本压 客介化 力 切总体价值媒体与娱乐定制媒体行业大模型媒体生成的商品化以内容功能为主要重点软件技术一站式服务对话式UI可实现成本效益载入和迁移速度降低银行和保险抵押贷款和保险机器人商品化给价格带来压力零售消费品易于创建产品行销售医疗定制医疗行业大模型适应当地法律要求教育广义教育模型生命科学&农业当地农业模型政府计划资格映射公共部门电信运输、物流和旅游制造业金属&采矿能源&环境商品化产品 GenAIGenAI“”GenAIGenAIGenAIAIGenAIGenAIGenAIGenAI结语“数据来源于《中国AI数字商业展望2021~2025》，前瞻产业研究院整理。其GenAI应用规模统计口径为应用GenAIGenAI渗透率，其规模的推导，综合考虑了国家商务局，Gartner，第三方调研机构，专家访谈等多个数据源。CihonTheimpactofAIondeveloperproductivity：EvidencefromGitHubCopilot（HowtobuildgeopoliticalresilienceamidafragmentingglobalMichaelHazanRogerRobertsSinglaKateSmajeAlexSukharevskyRodneyZemmel是麦肯锡全球资深董事合伙人，常驻纽约分公司。202320232023人发现式年 39MichaelChui，EricHazan，LareinaYee，BryceHall，AlexSingla和AlexanderSukharevsky2023年秋季刊2023年秋季刊PAGE8020232023PAGE49GenAI1/4GenAIGenAIGenAIGenAIAIGenAI1。GenAI2022GenAI2023年GenAIGenAIGenAI79%GenAI22%GenAIGenAIGenAI图1:各地区、行业和资历级别的受访者表示，他们已经在使用生成式人工智能工具。在工作中经常使用按办公地点亚太欧洲大中华区按办公地点亚太欧洲大中华区北美4按行业 先进制造业商业、法律和专业服务消费品/零售189 10 149 106 2257 167 192018131613123634454638474119231514191521263363352404按职位按性别科技、媒体和电信企业领导高级管理层中级管理层1964年或更早出生出生于1965-1980出生于1981-1996男性女性14810767581219173793161416171822161513162021182416642423530371815191817111918234按年龄93637463343

至少尝试过一次

没有接触过不知道能源和材料681550193金融服务8161841144健康、制药和医疗产品6101744157备注：由于四舍五入，各项数据加总后不一定等于100%164=515392；大中华区（包括香港和台湾）337；发展中市场（包括印度、拉丁美洲、中东和北非）276。先进制造业（包括汽车和装配、航空航天和国防、先进电子和半导体）9621512896；248130244。企业领导受访人541437339。1964143；1965年-1980268；1981年-1996年出生的受访者80。不是所有受访者都=1025=156。调查样本还包括选择“非二元性别”或“其他”的受访者，但数量不多，不具有统计意义。资料来源：麦肯锡全球人工智能调查，1684名受访者涵盖组织各个层级，2023年4月11日至21日进行1/3AI的60%GenAI40%GenAIGenAIAI3GenAI75%图2生成式I工具最常见的用途是营销和销售、产品服务开发以及服务运营。表示其组织在相应职能中经常使用GenAI的受访者占比（%）1营销与销售产品和/或服务开发服务运营风险战略与资金管理HR供应链管理制职能的GenAI常见用例，受访者占比%营销和销售产品和/或服务开发服务运营起草文本初稿识别客户需求趋势采用聊天机器人（如用于客户服务）976个性化营销起草技术文件预测服务趋势或异常情况855总结文本文档设计新产品起草文件初稿845调整，以代表所有受访者。资料来源：麦肯锡全球人工智能调查，1684名受访者涵盖组织各个层级，2023年4月11日至21日进行麦肯锡评论AlexSingla全球资深董事合伙人，QuantumBlack，AIbyMcKinsey全球负责人GenAI6的GenAI“GenA”GenAI50%GenAIGenAI。GenAIGenAIGenAIGenAI3GenAI2GenAI的调查结果显示，许多组织尚未着手解决来自GenAI的潜在风险GenAI的广泛使用做好了充分准21%GenAIGenAIGenAI32%51%麦肯锡评论AlexanderSukharevsky全球资深董事合伙人，QuantumBlack，AIbyMcKinsey全球负责人大家都知道GenAI20%AI相GenAI的GenAI图3:不准确、网络安全和知识产权侵权是生成式AI应用中最常被提及的风险。企业认为重要且正在着手解决的生成式AI相关风险，受访者占比（%）156325356325338462545283918392034133116291614411611510 218监管合规可解释性个人隐私取代人工公平公正组织声誉国家安全人身安全环境影响政治稳定1.仅对表示其所在企业已在至少一个职能采纳AI均为913。1684名受访者涵盖组织各个层级，2023年4月日至21日进行AIGenAI少20%GenAIGenAIGenAI图4:来自人工智能高绩效企业的受访者将降本视为生成式AI首要目标的比例较低。组织GenAI活动的首要目标，受访者占比（%）1AI领先公司的受访者2

所有其他受访者21123321123330272319降本创造新业务和增加核心业务收入

100%33通过嵌入AI功能或洞见，提升产品/服务价33值备注：由于四舍五入，各项数据加总后不一定等于100%。仅对表示其所在企业已至少在一个职能采纳AI技术的受访者提问。表示其组织2022年至少有20%的息税前利润源自AI=45=712。资料来源：麦肯锡全球人工智能调查，1684名受访者涵盖组织各个层级，2023年4月11日至21日进行20%4GenAI图5:模型和工具是领先企业面临的最大AI挑战，其他企业则更多被战略难题所困。实现人工智能潜力价值的最大挑战，在受访者中占比（%）1

AI高绩效企业受访者2

所有其他受访者2024技术人才模型和工具

22224181315216注：由于四舍五入，各项数据加总后不一定等于100%。该问题仅针对表明自己所在组织某一职能领域已采用人工智能技术的受访者。2022年至少有20%的息税前利润源自AI应用的受访者。AI高绩效企业受访者人=49=792。资料来源：麦肯锡全球人工智能调查的1684名受访者涵盖组织各个层级，2023年4月11日至21日进行BryceHall全球副董事合伙人6GenAIGenAIGenAIAIGenAI即“”“”调研结果进一步验证了我们的结论：在诸如机器学习运维35%19%AIMLOpsGenAI系12%能AIAI39%28%GenAI图6:人工智能相关岗位招聘仍然很难，不过受访者反映许多岗位的招聘难度在2022年后有所下降。表示其所在组织面临人工智能相关岗位招聘难题的受访者占比（%）1难度较低 难度较高0机器学习工程师数据科学家转译员产品负责人或经理提示工程师软件工程师数据工程师设计专家数据可视化专家

20 40

80 该问题仅针对表明自己所在组织某一职能领域已采用人工智能技术、且过去122022年未询问受访者。资料来源：麦肯锡全球人工智能调查的1684名受访者涵盖组织各个层级，2023年4月11日至21日进行3AI20%20%GenAIGenAI5060%0图7:受访者预计人工智能将对企业的员工队伍有重大影响对未来3年应用人工智能技术对企业员工队伍所产生影响的预期，受访者占比（%）1员工数量变化 将重塑技能的员工占比不知道增加20%以上增加11%~20增加3%~10

不知道1232530812325308%4%18388变化很小或没有变化变化幅度不超过2%）11-20%3%~10%减少20%

6-10%201782017810注：由于四舍五入，各项数据加总后不一定等于100%1.仅对表示其所在企业已至少在一个职能采纳AI技术的受访者提问，受访者人数=913资料来源：麦肯锡全球人工智能调查的1684名受访者涵盖组织各个层级，2023年4月11日至21日进行图8:服务运营是唯一一个大多数受访者都认为会因生成式AI而缩减规模的职能部门。未来3年生成式AI对员工数量的影响，按业务职能划分，受访者占比（%）1下降 变化很小或没有变化增加 不知道30 35 2030 35 201531372012理融 282510393317124033121541301711453214954231210风险战略与企业资金管营销与销售制造HR注：由于四舍五入，各项数据加总后不一定等于100%1.该问题仅针对表明自己所在组织某一职能领域已采用人工智能技术的受访者资料来源：麦肯锡全球人工智能调查的1684名受访者涵盖组织各个层级，2023年4月11日至21日进行AI330%AI3图9:来自AI领先公司的受访者所预计的企业重塑员工技能的力度大于其他公司。预计应用人工智能后公司未来3年需要重塑技能的员工比例，受访者占比（%）1来自AI领先公司的受访者2

所有其他受访者 9 不知道73217321381021-30% 9 10811-20%8该问题仅针对表明自己所在组织某一职能领域已采用人工智能技术的受访者2022年至少有20%的息税前利润源自AI应用的受访者。来自AI领先企业的受访=50863资料来源：麦肯锡全球人工智能调查的1684名受访者涵盖组织各个层级，2023年4月11日至21日进行麦肯锡评论LareinaYee麦肯锡全球资深董事合伙人；麦肯锡技术委员会主席GenAIGenAI技传统AIGenAIAI技GenAIGenAI次颠覆性转变，技术成了人人可用的强大工具。以GenAIGenAIGenAIGenAIGenAIGenAIGenAIAI1AI23%5%图10:不足1/3的受访者表示，所在企业已经1个以上职能部门采用人工智能技术——该数字在2021年后几乎没有变化。受访者所在组织应用人工智能技术的业务部门数，受访者占比（%）11个或以上职能部门

2个或以上职能部门

3个或以上职能部门

4个或以上职能部门

5个或以上职能部门56555056555027

17 14

9 6

4 2 320212022202120222021202220212022202120221.In2021,n=1843;in2022,n=1492;in2023,n=1684资料来源：麦肯锡全球人工智能调查的1684名受访者涵盖组织各个层级，2023年4月11日至21日进行麦肯锡评论MichaelChui麦肯锡全球研究院董事合伙人GenAIAI的GenAIAI55%2/3AI富”GenAI超过2/3的受访者预测图11:企业继续在采用人工智能技术的职能部门看到长期效益。2022年AI技术应用的降本成效，受访者占比（%）1≥20%10-19%<10%人力资源4102640制造144155营销与销售4112641研发、产品或产品开发491831风险51326448127 519318127 519319334 1042282434战略与企业资金管理供应链管理所有职能的平均值2022年AI用例落地后营收增加，受访者占比（%）2>10% 6-10% 34917人力资源 34917161634161634198381983825122425122416133516133514103314103316103216103223330233301863518635“成本上涨”、“无变化”、“不适用”或“不知道”的受访者。“营收下降”、“无变化”、“不适用”或“不知道”的受访者资料来源：麦肯锡全球人工智能调查，1684名受访者涵盖组织各个层级，2023年4月11日至21日进行2/33本次研究相关信息本次研究相关信息本次调研于2023年2116841AI20%Theeconomicpotentialofgenerativenextproductivityfrontier年14日。MichaelBryceQuantumBlackAlexanderSukharevskyQuantumBlackShivaniGuptaAbhisekJenaBegumOrtaogluBarrSeitz麦肯锡公司2023年版权所有。式读59生成式AI：CEO必读指南Ie们MichaelRogerRobertsRodchenkoAlexSinglaAlexSukharevskyLareina和DelphineZurkiyaMckinseyDigital（McKinseyTechnology和QuantumBlack,AIbyMcKinsey2023年秋季刊2023年秋季刊PAGE60PAGE69ChatGPTBardClaudeMidjourneyAICEOChatGPT1AIAIAIiPhoneAIAIAI“窄”2105AIAIAIAIAI成式CEOAI的CEOAI更4AICEO生成式AI入门指南AI式图1:生成式人工智能技术飞速演进在ChatGPT推出后的几个月里，主要大型语言模型（LLM）的发展时间线3月30日彭博宣布以金融数据训练3月30日彭博宣布以金融数据训练LLM，以支持金融行业的自然语言任务3月16日微软宣布将GPT-4整合到其Offce365套件中，或有助于广泛提升工作效率3月14日Anthropic推出Claude，一款使用名为“合宪人工智能”方法训练的人工智能助理，旨在减少有害输出概率3月7日Salesforce发布EinsteinGPT（利用OpenAI的模型），这是第一款用于客户关系管理的生成性AI技术3月13日OpenAI发布GPT-4，在准确性和减少幻觉方面有明显改进，声称与GPT-3.5相比有40%的提升12月12日Cohere发布首款支持100多种语言的LLM，可在其企业人工智能平台使用12月26日谷歌的Med-PaLM等LLM针对临床知识等特定用例和领域接受训练2月27日微软推出Kosmos-1，一款多模态LLM，除了自然语言外，还能对图像和音频提示做出回应OpenAI的ChatGPT（由2020年GPT-3版本的改进版GPT-3.5驱动）成为第一个被广泛使用的文本生成产品，在2个月内收获了创纪录的1亿用户量

2月2日亚马逊的多模态-CoT模型包含了“思维链提示”，模型可解释其推理，且在多个基准上优于GPT-3.52022 2023

2月24日作为一款较小的模型，Meta的LLaMA比其他一些模型更具使用效率，且与其他模型相比，在一些任务上持续表现良好2023

3月21日谷歌发布基于LaMDA系列LLM的人工智能聊天机器人Bard

4月13日亚马逊发布Bedrock，这是第一款有完全管理的服务，除了亚马逊自己的TitanLLMs，还可以通过API使用多个供应商（例如Anthropic）的模型资料来源：麦肯锡分析不仅是聊天机器人AIAIChatGPTAI:分类AI工具AI编辑AIAI总结(Venndiagram)AI“”AIAI生成式AI与其他AI的不同之处AI和过往AI“”如AI“”AI术语表模AI是指软件有能力执行过去需要人类智能才能完成的任务。（deep“”（foundationmodel,GPT-4PaLMDALL·E2和StableDiffusionIGeAAAI（graphicsprocessingunits,“”（largelanguagemodel,token）GPT-4（ChatGPT和（machinelearning,MLOpsAI任（promptAI（structured（unstructured下一个单词。这就是为什么ChatGPT能够回答不同主题的问题、而DALL-E2和StableDiffusion能够根据描述生成图像。“”AI生成式AI生态系统正在兴起A“大脑”MLOpsAnthropic和AI21图2:支持生成式A系统的价值链正在迅速发展生成式AI价值链服务围绕如何利用生成式AI（如，训练、反馈和强化学习）的专业知识而提供的服务应用使用基础模型的B2B或B2C产品，基本直接使用或根据特定用例进行微调模型中心和MLOps管护、托管、微调或管理基础模型的工具（例如，应用程序和基础模型之间的虚拟门面）基础模型用于建立生成式AI应用的核心模型云平台提供计算机硬件访问的平台专用硬件为训练和运行模型而优化的加速器芯片（例如，图形处理器GPU）资料来源：麦肯锡分析负责任地使用生成式负责任地使用生成式AIAI。1JimBoehmLizGrennanAlexSingla和KateSmaje2022“Wydigitaltrusttrulymatter”AIAIAI过”promptinjectioAIAI315。2AnanyaGaneshAndrewMcCallum和EmmaStrubell2019年yadysrpeagnP（Proceedingsofthe57thAnnualMeetingoftheAssociationforComputational将生成式AI应用于工作CEOAI生成式AICEOCEOAI生成式AI4这图3:生成式人工智能对组织的要求从低到高不等，具体取决于用例低 1 6 高用例技术路径成本技术人才专有数据流程调整工作使用软件即服务(SaaS)工具许多SaaS工1具提供固定费率的订阅服务，每名用户每月10至30美元；一些产品则按使用情况定价不太需要技术人才——可能负责选择合适的解决方案和轻度的整合工作有数据流程基本保1持不变，但工作人员应系统地检查模型结果的准确性和适当性API层需要前期投3资开发用户界面、整合解决方案并建立后处理层API使用和软件维护的持续成本需要软件开发、产品管理和数据库集成能力，工程师、设计师和前端开发人员有数据护机制，出于风险或成本考虑而限制使用作调数据清理和标记以及模型微调导致人力资本成本增加，初始成本比基于API构建高出约2倍模型维护和云计算的持续成本更高经验丰富的3数据科学和工程团队，拥有机器学习运营（MLOps）知识和资源，可以检查或创建所需的标签数据需要专有、3带标签的数据集以微调模型，尽管在某些情况下该数据及可能相对较小需设置流程4以管理分流、将问题上报人工处理以及对模型安全做定期评估发现前期人力资6本和技术基础设施成本导致初始成本比基于API构建高出约10-20倍模型维护和云计算的持续成本与上一条类似需要大型数据科学和工程团队，具基础模型可3以通过大量公开数据训练，但长期的差异性优势来自于增加自有的标记或未标记数据（更易于收集）包括以上所4有流程，在对外部数据进行训练时，需要开展彻底的法律审查，以防止发生知识产权问题资料来源：麦肯锡分析改变软件工程工作AIAIAI达50%式AI1030帮助客户经理及时了解公共信息和数据通过APIAIAIAPI“幻”也称“”AIAPIAI“”“拍”“”AI“”API或APIAPIMLOps加速药物发现AIAPI20MLOps上述案例对CEO的关键启示CEOAI。起步时需考虑的因素AI也跨职能部署生成式AIAIAI如AIAIAI统实现满载的技术栈CEOAPIAIAIAI打造“灯塔”CEO在2023年20222020AICEOAI过“”“”AI“”“”AIAI平衡风险与价值创造4AIAIAI3AIAIAI并保CEOAIAIAI应用生态系统方法建立合作伙伴关系并解决生成式AIAIAI技术迅速地为AI聚焦所需的人才和技能AISaaSAIAIAIAIAIAI2023年AI20222022年AI5MichaelRobertsRodchenkoLareinaSinglaAlexSukharevskyQuantumblackAIbyMcKinseyDelphineZurkiya是麦肯锡全球资深董事合伙人，常驻波士顿分公司。麦肯锡公司2023年版权所有。式和83生成式AI引发科技变革：CIO和CTO参考指南和MichaelChui，EricHazan，LareinaYee，BryceHall，AlexSingla和AlexanderSukharevskyPAGEPAGE100和PAGE89AIAI2.61CIO和CTOAIA”：AI“AI和回报。AI充分利用现有服务或改编生成式AIAI。AI和数据源的协作运行方式。AIMLOps成式AI对不同职能的影响各异，需根据具体岗位及员工的熟练程度定制技能提升计划。关键术语表生成式AI属于人工智能技术，通过机器学习（ML）技术对大量PaLM和StableDiffusion便属CohereCommand（Promptengineering）AI1、明确公司对生成式AI应用的态度CIO和App和AIAICIO和CTOAICIO和“”CEOCFOAI和CTOAIAI10%，40%2。CIO和CTOAIAICIO和CTOFinAIAI3、重塑技术职能AICIO和CTO需AI初期工作可以集中在以下三个领域：AI45%至50%3AIAI8DevSecOps20%4CIO和AIIT和CTOITOpsAIAI4、充分利用现有服务或改编生成式AI开源模型AI“建”AICIO和CTO可将不同选项分为三种模式进行思考：使用GitHubCopilAI式AIAI“”“找”图1:每种模式都有对应的成本，需要技术领导斟酌类型 示例用例 总拥有成本(估算)码助手通用的客户服仅具有提示工程和文本聊天~50200万美元，一次性费用──取用者(Taker)现成的编码助手：~506人34个月通用的客服聊天机器人：~200万美元用于在第三方模型API之上构建插件层。费用包括一个8人团队工作9个月•~50万美元每年，重复性费用──~201，000个用通用的客服聊天机器人：~20万美元，假设每天1,000个客户聊天和每次聊天10,000个代币插件层维护：每年~20万美元，假设开发成本的10%塑造者(Shaper)塑造者(Shaper)创造者(Maker)创造者(Maker)

~200万到1000万美元，一次性费用，除非模型需进一步微调数据和模型管道构建：~50万美元。成本包括5到6名机器学1620周，收集和标记ETL1模型微调²：~10600万美元³低成本情景：成本包括计算（例如算力），和2名数据2个月的成本高成本情景：基于公共闭源模型的计算和微调成本─插件层构建：~100万美元到300万美元，成本包括一个6到8人的团队工作6到12个月~50万美元每年