麦肯锡发布《生成式AI：CEO必读指南》

生成式AI（Generative AI）在飞速演进，CEO们也在探索其商业价值及潜在风险。为此，我们提供一份生成式AI核心概要，供广大CEO们参考。

自ChatGPT、Bard、Claude、Midjourney以及其他内容生成工具问世以来，人们对生成式AI抱有很高期待。各企业CEO自然也在思考：这究竟是科技炒作，还是颠覆行业格局的机遇？如果是后者，那生成式AI能给自身业务带来什么价值？

CEO们想知道是否应立即采取行动，以及如果采取行动，该从何开始。有些人可能从中看到了机遇，希望通过重塑人与生成式AI应用程序协同工作的方式，在竞争中弯道超车。其他人则可能希望谨慎行事，在进行大规模投资之前先尝试几个用例，增进对生成式AI的理解。企业也需要评估自身是否具备必要的技术专识、技术及数据架构、运营模式以及风险管理流程，这些是更进一步部署生成式AI时所需要的。

人们对生成式AI的期待显而易见，企业高管自然希望借此东风运筹帷幄，有计划地快速推进。我们希望本文能让商业领袖更全面了解生成式AI未来潜力。

生成式AI入门指南

生成式AI技术飞速发展（见图1）。发布周期之短、初创公司数量之众、与现有软件的整合之快，皆不同凡响。

不仅是聊天机器人

ChatGPT等文本生成式聊天机器人备受关注，不过，生成式AI同样可以在图像、视频、声音以及计算机代码等更广泛的内容领域提供助力。在企业，生成式AI也可以发挥广泛功能，比如分类、编辑、总结、回答问题和起草内容。针对上述每项活动，各个业务职能和工作流程的具体工作方式转变都有可能创造价值。

分类

• 反欺诈分析师可以将交易描述和客户文件输入到生成式AI工具中，要求其识别欺诈交易。
• 客户服务经理可以使用生成式AI工具根据客户满意度对客户通话音频文件进行分类。

编辑

• 撰稿人可以利用生成式AI纠正语法，并使文字风格与顾客的品牌调性相匹配。
• 平面设计师可以利用生成式AI从图像中移除过时标志。

总结

• 制片助理可以用数小时的活动录像创作精彩视频集锦。
• 业务分析师可以创建维恩图(Venn diagram)总结高管发言要点。

回答问题

• 制造企业员工可以向基于生成式AI的“虚拟专家”咨询有关操作流程的技术问题。
• 消费者可以向聊天机器人询问新家具的组装方式。

起草内容

• 软件开发者可以让生成式AI完成整段代码，或者提供建议以补全现有代码的未完成语句。
• 营销经理可以使用生成式AI起草不同版本的营销活动信息

生成式AI生态系统正在兴起

基础大模型是生成式AI的“大脑”，而正在兴起的整个价值链将支持该技术的训练和使用（见图2）。

专用硬件提供了训练模型所需的庞大算力。云平台则提升了对这类硬件的利用。MLOps和模型中心供应商提供企业所需工具、技术和实践，让企业能够调试使用基础大模型并将其部署到终端用户应用之中。许多公司正在进入市场，主打依托基础大模型、能够执行特定任务的应用程序，例如帮助某公司处理客户服务问题。

将生成式AI应用于工作

CEO们应将探索生成式AI列入工作议程，不能仅视之为“可选项”。生成式AI可通过广泛用例创造价值。起步的经济和技术要求并非高不可攀，而无所作为则可能导致迅速被竞争对手甩开。每一名CEO都应同管理团队一起思考竞争领域与方法。一些CEO可能会认定，生成式AI将为企业带来变革性机遇，全面重塑从研发到营销、从销售到客户运营等各个领域。还有些CEO则可能选择从小处着手，再逐渐扩大规模。一旦做出决策，AI专家便可根据场景需要，通过相应技术路径执行战略。

生成式AI在企业中的很多应用（尽管未必是全部价值）将来自员工对现有软件中新嵌入功能的使用。电子邮件系统可以给出邮件初稿；生产应用将根据描述生成演示文稿的初稿；财务软件可对财务报告中的要点给出文字描述；客户关系管理系统则可以提供客户互动建议。这些功能可以提高所有知识工作者的生产效率。然而，在某些用例中，生成式AI或可带来更具变革性的影响。接下来，我们将介绍不同行业企业利用生成式AI重塑组织工作方式的4个范例，范围涵盖了从资源需求极少到资源投入很高的不同情况（这些例子的快速比较和更多技术细节，请参见图3）。

起步时需考虑的因素

CEO在推动企业关注生成式AI方面发挥着重要作用。在结尾部分，我们将探讨CEO在踏上征途时需要熟记的策略，其中有很多与过往技术浪潮兴起时企业高管应当做出的反应一致。然而，生成式AI也带来了独有的挑战，这包括其超越以往技术变革的空前发展速度及随之而来的应对难度。

跨职能部署生成式AI

过去，许多组织以孤立试验的方式启动对传统AI的探索。然而，鉴于生成式AI独特的风险考量以及基础大模型支撑全组织、多用例的能力，企业应当以更加精细和协调的方法加以管理。例如，使用专有数据进行微调以反映企业品牌特质的模型，可以在多个用例（如生成个性化的营销活动和产品描述）和多个业务职能（如产品开发和营销）中加以部署。

端对端领域重塑，而非仅专注于用例

生成式AI是可以改变组织运作方式的强大工具，对价值链中的特定业务领域（例如，零售商的营销或制造商的运营）具有特别的影响。生成式AI的部署十分便利，企业因而很容易将应用局限于全盘业务下的零星用例。因此，坚持全盘视角、按领域划分用例群至关重要，从这一视角出发进行规划能为全体业务职能带来最大的变革潜力。随着生成式AI与其他传统AI应用协同并进、此前无法实现的工作方式逐渐诞生，企业正在不断重新定义其目标状态。

实现满载的技术栈

现代化的数据和技术堆栈几乎是任何生成式AI策略成功的基础。CEO们应当向首席技术官了解以确定公司在计算资源、数据系统、工具和模型访问（通过模型中心的开源方式或通过API的商业模式）方面是否具备所需的技术能力。

打造“灯塔”

CEO们需要避免在规划阶段止步不前。在商业世界，时间尤为重要，而生成式AI技术的快节奏特性要求企业迅速行动以把握优势。尽管生成式AI仍处于早期阶段，但应尽快在企业内部展示其对运营模式的重要影响，这可以通过“灯塔方法”来实现。例如，一种推进方式是打造“虚拟专家”，让一线员工能够利用专有的知识源，为客户提供最相关的内容。这一方法能提高生产力、激发热情，并使企业能够在向客户扩展应用之前，在内部对生成式AI展开测试。

平衡风险与价值创造

商业领袖必须在生成式AI所涉及的价值创造机会与风险之间取得平衡。我们近期的全球AI调查显示，尽管已有超过一半的组织采用传统AI技术，但大多数组织并未对相关的大部分风险采取应对措施。生成式AI再次引发了人们对许多同类风险的关注，比如AI可能会让隐藏在训练数据中的偏向被固化；同时生成式AI还带来了一些新风险，比如产生幻觉的倾向。因此，跨职能领导团队不仅要为生成式AI的使用建立总体道德原则和指导方针，还要对每个潜在用例所伴生的风险有全面了解。

应用生态系统方法建立合作伙伴关系

商业领袖应注重建立和维护平衡得当的联盟网络。企业的收购和联盟战略应继续聚焦建立对生成式AI应用生态系统的支持，包括基础大模型的建立和维护、训练模型所需的硬件基础设施、MLOps的实践以及构建能够在不同企业之间共享模型的途径。与此同时，企业高管也应考虑与基础大模型的提供者展开伙伴关系，以推动自己的生成式AI技术路线。

组织架构与人才准备

CEO还应认识到，实施生成式AI需要一支具备相关技术和科学技能的人才队伍。拥有这种团队后，企业就可以更加自信地调查生成式AI对公司未来工作方式的重要影响。

结论

尽管成熟生成式AI的未来尚未完全明朗，但它的应用前景已日益清晰。在部分领域，生成式AI将为企业创造重要价值，同时改变人们的工作方式。这将为企业领袖带来机遇和挑战。生成式AI不是单纯的技术问题，而是复杂的商业问题，因此CEO需要理解生成式AI的价值和局限性，并对其实施作出明智决策。

虽然在推动生成式AI的过程中会遇到不少困难，但早期采用这一技术的企业将有可能成为未来的领军者。生成式AI的广泛应用将彻底改变许多行业，并为企业创造重要价值，尤其是那些将其作为机遇来实现组织范围转型的企业。在生成式AI不断发展的过程中，不断学习和拓宽视野，以及结合企业现状，是企业高管的首要任务。我们希望我们的这份生成式AI核心概要对各位CEO在形成战略、推动变革方面提供帮助。

全文中文版下载：点击此处获取本文中文版全文