AI狀態：組織如何重新佈局以獲取價值 / The State of AI: How Organizations are Rewiring to Capture Value (麥肯錫)
AI狀態：組織如何重新佈局以獲取價值 / The State of AI: How Organizations are Rewiring to Capture Value (麥肯錫)
日期: 2025-03-01
引言 (Introduction)
- 背景概述：2025年3月，麥肯錫發布了最新一期《AI狀態》全球調查報告，該調查於2024年7月16日至31日進行，涵蓋101個國家的1,491名參與者，探討了組織如何開始建立從生成式AI中獲取有意義價值的結構和流程。
- 核心事件：報告揭示企業正在重新設計工作流程、提升AI治理水平，並加強風險管理，以從生成式AI中獲取實質性價值。
- 重要性與目的：此報告對於了解全球AI採用現狀、組織結構變革和價值創造模式至關重要，特別是在生成式AI迅速普及的背景下，深入剖析企業如何通過組織變革來實現AI價值最大化。報告包含多個圖表，展示了AI採用趨勢、組織結構選擇和價值創造模式。
- 關鍵摘要：研究發現，CEO對AI治理的監督以及工作流程的根本性重新設計是組織從生成式AI中獲得底線影響的最關鍵因素；而大型企業（年收入5億美元以上）在變革速度上明顯領先於小型組織。
主要內容分析 (Main Content Analysis)
- 企業AI治理結構與價值創造的關鍵要素
- 關鍵事實與論點：
- CEO對AI治理的監督是與組織生成式AI使用帶來更高底線影響最相關的因素之一，尤其對大型企業而言
- 28%的使用AI的受訪者表示他們的CEO負責監督AI治理，而董事會監督的比例為17%
- 在測試的25個屬性中，工作流程重新設計對組織從生成式AI使用中看到EBIT影響的能力有最大效果
- 21%的使用生成式AI的受訪者表示，他們的組織已根本性地重新設計了至少部分工作流程
- 圖表資訊處理：
- 報告的圖表1顯示，風險與合規以及數據治理是AI部署中最集中化的元素，57%的受訪者表示風險與合規完全集中化，46%表示數據治理完全集中化
- 相比之下，技術人才和AI解決方案的採用更常採用混合或部分集中化模式，分別有49%和54%的受訪者表示使用混合模式
- 深入分析：
- 高層領導參與AI治理反映了組織認識到AI不僅是技術問題，更是戰略轉型問題。麥肯錫高級合夥人Alexander Sukharevsky指出，有效的AI實施始於完全投入的C級高管和積極參與的董事會
- 工作流程重新設計的重要性表明，AI不僅是現有流程的增強工具，而是需要重新思考業務運作方式的催化劑
- 集中化與分散化模式的選擇反映了組織在標準化、控制與靈活性、創新之間的權衡，不同元素採用不同程度的集中化表明企業正採取更加細微的方法來平衡這些需求
- AI風險管理與輸出監控的演變
- 關鍵事實與論點：
- 組織正在加強對生成式AI相關風險的管理，特別是與不準確性、網絡安全和知識產權侵權相關的風險
- 27%的使用生成式AI的受訪者表示，員工在使用前會審核所有由生成式AI創建的內容，而相似比例的受訪者表示只審核20%或更少的內容
- 大型組織報告比其他組織管理更多的風險，特別是在網絡安全和隱私風險方面
- 47%的受訪者表示其組織已經經歷了至少一種生成式AI使用的負面後果，與2024年初的44%相比變化不大
- 圖表資訊處理：
- 圖表2顯示了生成式AI輸出審核的廣泛差異：27%的組織審核所有輸出，30%的組織只審核最多20%的輸出，其餘組織分布在中間各個層級
- 圖表3展示了組織正在努力緩解的生成式AI相關風險，與2023年相比，不準確性、知識產權侵權和隱私風險的緩解工作有所增加
- 深入分析：
- 生成式AI輸出審核實踐的差異反映了不同行業對風險的容忍度不同。報告指出，商業、法律和其他專業服務的受訪者比其他行業更可能表示所有輸出都經過審核，這可能與這些行業對準確性和合規性的高要求有關
- 大型組織在風險管理方面的領先地位表明，它們可能擁有更多資源來應對複雜的AI風險，或者面臨更高的監管和聲譽風險
- 麥肯錫高級合夥人Alex Singla強調，成功的組織正在考慮整體轉型變革，而不是增量式進展，這包括從一開始就雄心勃勃地追求端到端解決方案來轉變整個領域
- AI採用擴展的最佳實踐與組織成熟度
- 關鍵事實與論點：
- 大多數受訪者尚未看到生成式AI使用帶來的組織範圍內的底線影響
- 在一項針對發達市場的補充調查中，只有1%的公司高管將其生成式AI部署描述為"成熟的"
- 研究確定了12項採用和擴展相關的生成式AI實踐，其中對底線影響最大的是追蹤明確定義的KPI
- 不到三分之一的受訪者報告其組織正在遵循大多數12項採用和擴展實踐，不到五分之一表示他們的組織正在追蹤生成式AI解決方案的KPI
- 圖表資訊處理：
- 圖表4比較了大型組織與小型組織在採用生成式AI最佳實踐方面的差異。大型組織在所有12項實踐中均領先，特別是在建立專門團隊推動生成式AI採用(52%對24%)和建立明確定義的路線圖(31%對17%)方面差距明顯
- 深入分析：
- 大型組織在採用最佳實踐方面的領先地位可能解釋了為什麼它們在從AI中獲取價值方面也更為成功。這反映了資源可用性、組織能力和戰略優先級的差異
- 麥肯錫副合夥人Bryce Hall指出，成功捕捉價值的公司不僅關注前期技術開發，還同樣關注推動採用和擴展。這包括開發明確的擴展路線圖、建立和追蹤KPI，以及確保高級領導積極參與推動生成式AI採用
- 追蹤KPI對底線影響最大的發現強調了測量和問責制在確保AI投資回報方面的關鍵作用，這也是大多數組織目前做得不夠的領域
- AI對勞動力技能與就業的影響
- 關鍵事實與論點：
- 13%的受訪者表示其組織已聘請AI合規專家，6%報告聘請AI倫理專家
- 大型公司比小型組織更可能報告聘請各種AI相關角色，差距最大的是聘請AI數據科學家、機器學習工程師和數據工程師
- 與過去兩年相比，較小比例的受訪者將許多角色的招聘描述為"困難"或"非常困難"，但AI數據科學家仍然高需求
- 50%的使用AI的受訪者表示，他們的雇主在未來一年將需要比現在更多的數據科學家
- 圖表資訊處理：
- 圖表5展示了AI相關角色招聘難度的變化趨勢。與2022年和2023年相比，2024年報告招聘困難的比例普遍下降
- 圖表6顯示，44%的組織在過去一年中因AI採用而對不超過5%的員工進行了再培訓，但預計未來三年再培訓比例將大幅增加，只有13%的組織預計再培訓比例不超過5%
- 圖表7展示了生成式AI對各業務功能員工數量的預期影響：服務運營和供應鏈管理預計將減少人數，而IT和產品開發則預計增加人數
- 深入分析：
- AI相關角色招聘難度的下降可能反映了勞動力市場的適應，更多人主動提升自身能力或企業投資於技能提升開始見效
- 麥肯錫高級合夥人Lareina Yee指出，雖然人們普遍擔心AI會導致就業減少，但調查顯示大多數受訪者預計對其組織規模影響不大
- 生成式AI對不同業務功能就業影響的差異表明，技術不僅僅是取代工作，而是重新定義工作性質，在某些領域創造新的就業機會
- 組織管理由自動化節省的時間的方式多樣化，最常見的是員工從事全新活動或花更多時間在尚未自動化的現有職責上，但大型組織更可能因時間節省而減少員工數量
- AI使用的持續增長與價值創造
- 關鍵事實與論點：
- 78%的受訪者表示其組織在至少一個業務功能中使用AI，高於2024年初的72%和一年前的55%
- 71%的受訪者表示其組織在至少一個業務功能中定期使用生成式AI，高於2024年初的65%
- 組織最常在IT和營銷與銷售功能中使用AI，其次是服務運營
- 首次有大多數調查受訪者報告在多個業務功能中使用AI，平均使用AI的業務功能數量為三個
- 圖表資訊處理：
- 圖表8顯示了AI使用的顯著增長趨勢，從2023年的55%增加到2025年的78%，生成式AI使用從2024年初的65%增加到71%
- 圖表9展示了使用AI的業務功能數量的增加，2024年下半年有78%的組織在至少一個功能中使用AI，66%在至少兩個功能中使用，45%在至少三個功能中使用
- 圖表10顯示了不同行業中生成式AI的使用情況，所有行業都在營銷和銷售中使用生成式AI，但其他用途因行業而異
- 深入分析：
- AI使用的快速增長反映了組織對這項技術潛力的認可，以及對落後競爭對手的擔憂
- 不同行業對生成式AI的不同應用表明，組織正在將技術應用於能夠產生最大價值的領域，例如媒體和電信公司的服務運營、技術公司的軟件工程以及專業服務組織的知識管理
- 麥肯錫高級研究員Michael Chui指出，雖然AI使用繼續增加，但從價值獲取的角度來看，這仍處於早期階段，很少有組織經歷有意義的底線影響
- 大型公司在組織變革方面的領先優勢表明，規模和資源可能是成功實施AI的關鍵因素
- AI價值實現與收入/成本影響
- 關鍵事實與論點：
- 與2024年初相比，更大比例的受訪者表示其組織的生成式AI使用案例已在部署它們的業務部門內增加收入
- 受訪者報告生成式AI帶來的收入增長與之前調查中分析型AI活動帶來的收入增長相似
- 在大多數業務功能中使用生成式AI的受訪者中，大多數報告成本降低，這比2024年初的情況有所改善
- 超過80%的受訪者表示其組織尚未看到生成式AI使用對企業層面EBIT的實質性影響，只有17%的受訪者表示5%或更多的組織EBIT歸因於生成式AI的使用
- 圖表資訊處理：
- 圖表12比較了2024年上半年和下半年生成式AI對業務單位收入的影響，顯示各功能領域的收入增長報告均有提高
- 圖表13展示了生成式AI對業務單位成本的影響，2024年下半年報告成本降低的比例明顯高於上半年，尤其在供應鏈和庫存管理(61%對46%)以及服務運營(58%對45%)方面
- 深入分析：
- 業務單位層面的價值創造增加，但企業層面影響有限的現象表明，組織仍處於將局部成功擴展為全企業轉型的早期階段
- 成本降低比例的增加可能反映了組織對生成式AI實施的成熟度提高，以及對如何有效部署這些技術的更好理解
- 供應鏈和服務運營等功能領域的顯著成本降低表明，這些可能是生成式AI價值創造的早期"贏家"
- 報告強調，企業需要同時考慮AI和生成式AI解決方案，以捕捉全部潛在價值，這表明綜合方法的重要性
多元觀點 / 潛在爭議 (Multiple Perspectives / Potential Controversies)
報告中呈現了一些值得注意的不同觀點和潛在爭議：
- 生成式AI對就業的影響：雖然普遍擔憂AI會導致大規模失業，但報告顯示38%的受訪者預計生成式AI對其組織規模影響不大，且不同功能領域的影響各異。這與某些預測大規模就業減少的觀點形成對比。
- 集中化vs分散化的組織結構：報告顯示組織在不同AI部署元素上採用不同程度的集中化，反映了對最佳組織結構尚無共識。某些元素（如風險和合規）傾向於集中化，而其他元素（如技術人才和採用）則更常採用混合模式。
- 大型vs小型組織的差異：報告強調大型組織在AI採用和價值創造方面領先，但這也引發了關於AI是否會加劇組織間不平等的擔憂，小型組織可能面臨更大挑戰來跟上步伐。
- AI輸出審核的差異：組織在AI輸出審核方面的實踐差異很大，從審核所有輸出到僅審核少量輸出不等，反映了對AI可靠性和風險管理的不同觀點。
對投資方面的影響 (Investment Impact)
- 影響分析：
- 短期影響：AI服務提供商、雲計算和基礎設施公司可能在短期內受益，因為78%的組織正在使用AI，且使用範圍不斷擴大。特別是專注於企業AI解決方案的公司可能看到需求增加。
- 長期影響：報告顯示工作流程重新設計對AI價值實現影響最大，這表明長期來看，提供業務流程重新設計和變革管理服務的顧問公司可能受益。同時，AI數據科學家等人才需求持續強勁，相關教育和培訓行業可能長期受益。
- 市場情緒：雖然AI採用率上升，但大多數組織尚未看到企業層面的實質性財務影響，這可能導致市場對AI相關投資回報的期望更趨現實，短期內可能出現估值調整。
- 機會與風險：
- 投資機會：
- 專注於AI治理、風險管理和合規的解決方案提供商，因為28%的組織由CEO監督AI治理，且風險管理需求增加
- 提供AI採用和擴展最佳實踐的顧問服務，特別是針對KPI追蹤和工作流程重新設計的服務
- AI人才培訓和再培訓解決方案，因為組織預計在未來三年大幅增加再培訓比例
- 針對服務運營和供應鏈管理的AI解決方案，這些領域報告了最高的成本降低效果
- 主要風險：
- AI技術投資可能面臨回報遲緩的風險，因為超過80%的受訪者表示尚未看到企業層面的實質性影響
- 小型組織在AI採用方面落後，可能面臨競爭劣勢，投資於依賴小型企業客戶的公司可能面臨風險
- 生成式AI相關風險（如不準確性、網絡安全和知識產權侵權）可能導致法律和聲譽問題，影響相關公司估值
- 某些行業（如服務運營和供應鏈管理）的就業可能受到負面影響，可能導致社會和政治反彈
- 應對策略思考：
- 投資者可以關注那些不僅提供AI技術，還提供全面轉型方法的公司，包括工作流程重新設計和變革管理能力
- 考慮投資於能夠幫助企業實施AI採用和擴展最佳實踐的公司，特別是那些專注於KPI追蹤和價值實現的公司
- 密切關注大型企業的AI採用情況和實際財務影響，作為評估AI投資價值的指標
- 在投資組合中平衡純技術公司和提供實施服務的公司，以分散風險
- 關注AI在不同行業的差異化應用，如媒體和電信的服務運營、技術公司的軟件工程等
請注意：此處僅為基於報告內容的邏輯推演與分析，不構成任何具體的投資建議。
結論 (Conclusion)
- 核心訊息回顧：麥肯錫《AI狀態》報告揭示，組織正開始建立從生成式AI中獲取有意義價值的結構和流程，其中CEO對AI治理的監督和工作流程的根本性重新設計是實現底線影響的關鍵因素。這表明AI不僅是技術問題，更是需要高層領導參與的戰略轉型問題。
- 綜合評估：雖然AI採用率顯著提高（78%的組織在至少一個功能中使用AI），但大多數組織尚未看到企業層面的實質性財務影響。這反映了AI實施的成熟度仍處於早期階段，組織正在學習如何有效地部署和擴展AI解決方案。大型企業在變革速度上明顯領先，可能在未來競爭中獲得優勢。
- 未來展望 / 後續關注點：隨著組織繼續實施AI採用和擴展的最佳實踐，未來可能會看到更多企業層面的實質性財務影響。值得關注的關鍵指標包括：工作流程重新設計的進展、KPI追蹤的普及度、AI治理結構的演變，以及大型與小型組織之間差距的變化。同時，AI對就業的實際影響、不同行業的差異化應用，以及風險管理實踐的發展也將是重要的觀察點。
免責聲明：本文內容由 AI 輔助整理與摘要，僅供參考，請查閱原始來源獲取完整資訊。
留言
張貼留言