报告概述
本报告基于McKinsey 2024年全球调查数据，研究企业如何部署生成式AI并获取价值。报告覆盖全球101个国家、1491名受访者，分析组织在AI治理、工作流重新设计、风险缓解、人才招聘与技能重塑等方面的进展，并识别与EBIT提升相关的关键实践。报告旨在帮助企业理解从实验到价值捕获的路径，尤其关注大型企业与中小企业的差异。
报告的核心结论
CEO对AI治理的监督与企业盈利正相关
调查发现，CEO直接负责AI治理的组织更有可能从生成式AI中实现EBIT提升，尤其在大型企业中这一关联最显著。28%的受访组织由CEO负责AI治理，17%由董事会负责，多数情况下由两位领导共同管理。
工作流重新设计是获取生成式AI价值的关键杠杆
在25个组织属性中，工作流重新设计对EBIT影响最大。21%的受访者表示其组织已因生成式AI部署而从根本上重新设计了至少部分工作流，这是实现价值的重要组织变革。
大型企业在AI采用和风险管理上领先于中小企业
年收入超5亿美元的企业更频繁采用生成式AI最佳实践，如制定明确路线图、建立专门团队，并更积极管理网络安全、隐私风险等。其AI使用范围更广，平均在三个以上职能中部署AI。
AI人才招聘难度下降但数据科学家需求依然旺盛
2024年，认为AI相关岗位招聘困难的比例较前两年下降。但50%的受访组织表示未来一年需要更多数据科学家，同时新兴角色如AI合规专家、AI伦理专家需求上升。
报告回答的关键问题
生成式AI如何为企业创造价值？
报告显示，生成式AI通过工作流重新设计、成本降低和收入增长创造价值。2024年下半年，多数业务职能报告成本下降，更多企业看到收入增长。但对企业整体EBIT的影响仍有限，仅17%的受访者称5%以上的EBIT来自生成式AI。
企业如何管理生成式AI风险？
企业正加强风险缓解，尤其是准确性、网络安全和知识产权侵权风险。2024年相比早期，更多组织积极管理这些风险。大型企业比中小企业管理更多风险，但所有企业在AI输出审查方面差异巨大，27%审查所有输出，27%审查20%以下。
生成式AI对员工队伍有何影响？
大多数受访者（38%）预计未来三年员工规模不变，但不同职能分化明显。服务运营和供应链管理预计减员，而IT和产品开发预计增员。企业已开始技能重塑，并在未来三年计划加大力度。
哪些行业在生成式AI部署上走在前列？
技术、媒体与电信、专业服务行业在生成式AI部署上领先。技术行业使用范围最广，涵盖营销、软件工程等；媒体与电信侧重服务运营；专业服务注重知识管理。金融服务业更可能预期AI导致减员。
报告中的代表性数据
企业AI使用率
2024年7月，78%的受访者表示其组织至少在1个业务职能中使用AI（含生成式AI和分析型AI），高于2024年初的72%和2023年的55%。
生成式AI使用率
2024年7月，71%的受访者表示其组织定期在至少1个业务职能中使用生成式AI，高于2024年初的65%。
EBIT贡献率上升
2024年7月，17%的受访者称其组织过去12个月中5%以上的EBIT来自于生成式AI使用。
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
- 全球企业AI使用趋势：2017年至2024年AI采用率变化及分行业、分地区对比图表。
- 生成式AI部署的组织模型：分析集中式（卓越中心）、混合式与分布式模型的选择，以及风险与数据治理的集中化程度。
- 工作流重新设计案例：展示不同类型企业如何通过重新设计流程来整合生成式AI的实践。
- 12项采用与规模化最佳实践：包括建立专门团队、制定路线图、追踪KPI等，按企业规模对比实施率。
- 风险缓解详细分析：准确性、知识产权、网络安全等风险的管理进展及行业差异。
- AI相关岗位招聘与技能重塑：分岗位的招聘难度趋势、未来需求预测，以及员工技能重塑现状与三年预期。
- 生成式AI对业务职能的具体影响：每个职能的收入与成本变化数据，以及预期的员工人数变动。
- C-level高管个人使用生成式AI的情况：按职级、行业、地区的个人使用率变化及洞察。
- 不同行业与规模的深度对比：技术、金融、医疗等行业在生成式AI部署重点上的差异。
- 研究方法与样本说明：2024年7月在线调查覆盖1491位参与者，来自101个国家，数据按GDP加权调整。
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。
