川海智库

报告概述

本报告基于2024年7月对全球1491名企业代表的调研，系统分析了组织在采用生成式AI（gen AI）和整体AI方面的最新进展。报告聚焦于企业如何通过组织架构调整、流程再造、治理和风险管理来从AI中获取实际价值。覆盖了AI治理的领导责任、工作流重设计、AI部署的集中化程度、gen AI输出的监控、风险缓解策略、最佳实践的采纳情况、人才招聘与技能重塑，以及AI对业务职能的影响。报告旨在为企业领导者提供从实验转向规模化价值捕获的路线图，尤其关注大型企业与中小型企业的差异。

报告的核心结论

CEO对AI治理的监督与gen AI的EBIT影响最强相关

报告发现，在影响gen AI对EBIT贡献的25项属性中，CEO亲自负责AI治理（包括政策、流程和技术）是相关性最高的因素之一，尤其在大型企业中。28%的受访者表示其CEO负责AI治理，这表明顶层领导力是推动AI价值的核心杠杆。

工作流重设计是影响gen AI价值实现的最关键行动

在所有规模的组织中，工作流重设计对gen AI的EBIT影响效应最大。然而，目前仅有21%的应用gen AI的受访者表示其组织已从根本上重新设计至少部分工作流。这说明大多数企业仍处于早期阶段，尚未通过流程变革兑现gen AI的潜力。

多数企业尚未建立gen AI采纳和扩展的关键管理实践

在12项已被证实有助于技术采纳和规模化的管理实践中，不到三分之一的受访者表示其组织正在遵循大多数实践。例如，仅有不到五分之一的组织为gen AI解决方案跟踪KPI。大型企业在建立明确路线图、设立专职团队等方面领先于中小企业。

组织正在积极缓解更多gen AI相关风险，尤其是不准确、网络安全和知识产权侵权

与2024年初相比，更多受访者表示其组织正在主动管理由gen AI引发的不准确、网络安全和知识产权侵权风险。大型企业缓解的风险种类更多，特别是在隐私和网络安全方面，但对准确性和可解释性风险的关注度并无差异。

AI使用持续攀升，但企业级利润影响尚不显著

78%的受访者表示其组织在至少一个业务职能中使用AI（包括分析型AI），高于2024年初的72%。71%的受访者表示定期使用gen AI。然而，超过80%的受访者表示gen AI尚未对企业层面的EBIT产生实质性影响，多数影响仍局限于业务单元级别的收入增长或成本降低。

报告回答的关键问题

企业如何从生成式AI中获取实际价值？

报告指出，获取价值的关键在于组织层面的“重新布线”（rewiring），包括由CEO主导的AI治理、从根本上重设计工作流、以及建立一套完整的采纳和扩展管理实践，如制定清晰路线图、跟踪KPI和推动变革管理。目前仅少数企业达到成熟阶段，但已采取这些行动的组织更可能看到利润影响。

大型企业与中小企业在AI部署上有哪些差异？

年收入超过5亿美元的大型企业在AI部署上更具系统性：它们更可能设立专职团队、制定明确路线图、投资于能力培训、缓解更多风险，并在招聘AI相关岗位（如数据科学家、机器学习工程师）上投入更多。与此同时，大型企业也更可能因gen AI节省时间而减少员工数量。

生成式AI对就业和劳动力有什么影响？

报告显示，多数受访者（38%）预计gen AI在未来三年对员工规模影响不大。但在服务运营、供应链管理等职能中，预计会出现人员减少；而在IT和产品开发职能中预计增加。企业已开始因AI应用对员工进行再培训，且预计未来三年再培训规模将扩大。AI人才招聘难度虽有缓解，但数据科学家仍然紧缺。

企业如何使用生成式AI的不同内容形式？

目前生成式AI最常用于生成文本（63%的gen AI使用者），其次为图像（36%）和计算机代码（27%）。技术行业使用的内容模态最多样，而先进制造业在图像和音频生成上更突出。这表明企业正在探索文本之外的模态，但文本仍是主要应用。

报告中的代表性数据

78%

AI使用率

2024年7月，受访者表示其组织在至少一个业务职能中使用AI（包括分析型AI和生成式AI），较2024年初的72%有所上升。

71%

gen AI定期使用率

2024年7月，受访者表示其组织定期在至少一个业务职能中使用生成式AI，较2024年初的65%增长。

28%

CEO负责AI治理的比例

2024年7月，在应用AI的组织中，28%的受访者表示CEO负责监督AI治理。该比例在大型企业中略低，但CEO监督是与gen AI的EBIT影响相关性最高的因素之一。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整的调研方法论与样本描述：包含调查时间（2024年7月16-31日）、1491名受访者的地域、行业、公司规模分布，以及GDP加权调整说明。
  • AI使用趋势的详细图表：展示从2017年至2024年AI和gen AI使用率的变化曲线，以及按业务职能和行业细分的采用情况。
  • AI治理与组织模式分析：包括CEO和董事会对AI治理的监督比例、AI部署的集中化程度（中心化、混合、去中心化）以及不同规模企业的差异。
  • gen AI输出监控与管理实践：展示组织对gen AI输出的审查比例分布，以及12项采纳与扩展最佳实践的采纳率对比图。
  • 风险缓解的演变：列出2023-2024年组织正在缓解的各类gen AI相关风险的变化，包括inaccuracy、cybersecurity、IP infringement等。
  • 人才与劳动力影响深度分析：包含AI相关岗位招聘难度变化、未来一年所需技能类型、以及因AI应用导致的员工再培训比例和预期。
  • gen AI对业务单元收入与成本的影响：展示各业务职能中gen AI带来的收入增加和成本降低的比例，以及从2024上半年的变化。
  • C-level executives使用gen AI的详细数据：按职位、年龄、地区和行业分类的个人gen AI使用情况，显示高管使用率显著高于中层。
  • 行业与职能的gen AI使用热力图：展示技术、专业服务、媒体、金融等8个行业在10个业务职能中的gen AI采用率。
  • 麦肯锡专家评论与建议：包含五位合著者对调查结果的深度解读，重点强调顶层领导力、端到端转型、管理实践的重要性以及未来展望（如agentic AI）。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告