“现在决定未来”

德勤会计师事务所

生成式AI（人工智能）的到来预示着各行各业都将面临颠覆性改变并迎来新的发展机遇。当前，各企业都在探索如何通过人工智能释放商业价值，提高效率和生产力，为全新的产品、服务和商业模式打开大门。在企业管理者与这项新技术发展展开抗衡的同时，他们又借助生成式AI为企业的发展作出决策。因此，把握人工智能应用的发展脉搏对我们大有裨益。

为此，《全球企业生成式AI应用现状调研报告：现在决定未来》搜集了2835位企业及技术负责人的观点，这些人参与了其企业内部的生成式AI试点或应用项目。在这份首次发布的季度系列报告中，受访者们对使用生成式AI表现出持续的热情，其中的大多数人预计生成式AI将在短期内产生重大的变革性影响。然而，他们也承认，随着人工智能技术的广泛应用，其对劳动力和社会的潜在影响还存在不确定因素。因此，亟需加大对人才、管理和全球合作的投资力度。

从调查中，我们可以更好地了解企业管理者如何使用生成式AI、他们所面临的挑战以及从中汲取的经验教训。这有助于引导企业管理者思考一些基本问题，并预测AI时代下他们为企业后续更好地发展将采取的措施。生成式AI还有很多内容需要我们去探索。随着人工智能技术的成熟和应用的大规模布局，新的问题和挑战将更加凸显。本季度报告有助于我们了解这一快速发展的领域，并思考基于现实经验的实用指导，最后通过生成式AI对企业的未来进行展望。

一、企业管理者对生成式AI高度关注，预计其未来三年将产生变革性影响

在接受调查的企业和技术管理者中，近三分之二的受访者表示对生成式AI技术充满极高的热情。然而，这种热情也夹杂着一些不确定因素。绝大多数受访者表示，他们预计生成式AI将在未来三年内推动其企业和行业的实质性转型——近三分之一的受访者预计实质性转型已经发生或将在一年内发生。

调查结果表明，许多由人工智能发展所驱动的企业即将加大力度，以更实质性方式支持生成式AI的应用。这与我们在市场上看到的情况不谋而合，目前世界各地都竞相从实验和概念验证转向更大规模部署，以适用于各种案例和数据类型。可见，在追求生成式AI发展速度和获取其价值的同时，也需要管理其潜在风险和其可能对社会产生的负面影响。

在未来的调查中，德勤将密切关注这一领域的进展，特别是各企业的专业知识、能力、实践成果以及对生成式AI技术快速发展作出的反应。

二、众多企业管理者对本企业生成式AI技术充满信心

我们调查的大部分受访者表示，他们认为自己的企业目前在生成式AI方面拥有较高（35%受访者）或非常高（9%受访者）的技术水平。鉴于生成式AI技术的发展速度如此之快，这一结果有些出人意料。

但在我们调查的特定背景下，受访者对本企业生成式AI技术抱有的高度信心似乎是完全合理的，因为我们特意选择了经验丰富的管理者，他们在大型企业中直接参与的人工智能项目，有的已经开始试点，而有的已经实施了生成式AI解决方案。不过，考虑到生成式AI的发展速度如此之快，人们不由地发问，管理者对其企业的AI技术和准备情况抱有多大信心。事实上，即使是当今最顶尖的人工智能专家，他们在亲自开发生成式AI技术时，有时也会对自己的创造能力不禁感到惊讶。

一些管理者是否认为通过对少量生成式AI工具进行小规模试点获得的知识和经验，就可以让他们的企业拥有较高水平的技术。实际上，随着时间的推移，管理者和企业在应对大规模生成式AI应用带来的更大挑战方面积累的经验越多，他们可能会变得越来越不自信。换句话说，他们了解的越多，反而越会意识到未知的更多。这是我们在其他技术进步中一再看到的趋势，我们将在今后的调查中密切关注这一趋势。

三、拥有高水平生成式AI技术的企业往往更乐观，但也面临更大压力和挑战

与其他受访者相比，认为企业整体生成式AI技术水平“非常高”的管理者往往对该技术持更积极的态度。然而，采用该技术时他们也会感到更大压力，并认为该技术对其商业和运营模式构成更大的威胁。

有分析表明，这组管理者使用了更多的模式，在更多的企业职能中部署了生成式AI应用，并追求更多的使用案例。那些认为自身企业人工智能技术水平较高的管理者也更倾向于认为该技术的可靠性更高，不确定性更低，对生成式AI表现出更为浓厚的兴趣，并期望其企业能实现更快的转型。

与此同时，随着这些受访者对生成式AI了解得更深入，他们对该技术的潜在影响也有了新的认识，无论是积极的还是消极的。许多受访者表示，他们认为广泛采用该项技术威胁到了其商业运营和业务的开展模式，从而加大了他们采用生成式AI并扩大其规模的压力和紧迫感。

四、当前的生成式AI应用更注重生产力的提升和降本增效

大多数受访企业当前的目标是提高生产力和实现降本增效等战略效益。其中，91%的企业表示，他们希望生成式AI能够提高企业的生产力，27%的企业则希望大幅提高其生产力，而较小比例的企业表示，他们的目标是实现创新和增长等战略效益。

這与过去的技术采用模式如出一辙。起初，大多数企业都会自然而然地把工作重心放在逐步改进现有流程和产能上，从容易实现的目标中获取价值，同时积累知识、经验和增强对新技术的信心。后来，他们将重点扩大或转移到更具创新性、战略性和变革性的技术改进上，即利用新技术来推动企业发展，并通过以前根本不可能实现的方式来实现差异化竞争及提升优势。在接受调查的管理者中，认为人工智能技术水平较高的管理者更早地倾向于认同上述观点。他们更注重发掘新想法和新见解，而不太重视生产力和降本增效，尽管这些战略效益仍然是他们更关注的重点。此外，近四分之三的受访者认为生成式AI技术非常高的企业已经开始将该技术融入其产品开发和研发活动中，而这正是创新和增长的关键驱动力。

随着越来越多的企业获取生成式AI的技术和经验不断积累，它们是否会将提高效率和生产力的红利再投资于追求创新和增长等更具战略意义的事情上？还是将这些红利用于其他方面？这是我们将在未来的调查中密切关注的另一个领域。

当然，生产力和效率提升可以带来变革，特别是考虑到有可能部署大规模的生成式AI应用。然而，最大的价值和战略的差异化可能来自于利用技术进行创新。首先，通过运用这项技术创造新产品、新服务和新产能。其次，通过这项技术在企业内部启用新的业务模式和工作方式。此外，生成式AI技术水平高的企业采用了比一般企业更为全面的方法，在广泛的职能领域中应用人工智能的程度明显更高。在人力资源、法律、风险与合规等特定领域，这些企业的生成式AI技术采用率几乎是所有受访者的三倍。91%的企业预计其生产力将因生成式AI技术而得到提高。

在谈论商业和技术时，“前所未有”这个词经常被人提起，甚至到了老生常谈的地步。然而，用“前所未有”来形容生成式AI的兴起、发展速度及其对商业（乃至整个人类世界）的巨大潜在影响，可谓是轻描淡写。

生成式AI已经向公众普及，并已开始向临界质量迈进。此外，与智能手机类似，普通人无需太多培训就能轻松使用，而且还能帮助他们完成日常活动，因此使用人工智能的门槛很低。更重要的是，生成式AI具有巨大发展潜力，可以协助其自身在未来的发展，从而引发新一轮技术的快速改进。生成式AI技术的发展速度可能不会允许企业有太多的时间思考或直接涉足小规模试点，同时还能减少出错的余地，无需人工就能产生结果。这也为快速创造巨大商业价值提供了机会。

尽管生成式AI的发展步伐大大加快，但了解基于先前突破性技术的典型应用模式可以为管理者提供宝贵的经验及教训，他们可以利用这些经验来理解并充分利用该技术实现快速发展。

与过去一样，企业最初的努力方向可能会围绕效率、生产力、成本节约和其他增量改进。预计这将有助于员工习惯使用生成式AI，并向人们展示人工智能如何助力其工作变得更轻松。此外，企业早期的成功很可能有助于节约成本并激发其动力，然后将其转化为更具战略性、更具差异化和更有价值的机会，例如，创造出新产品、新服务、新的商业模式和工作方式，这在生成式AI技术出现之前根本不可能实现。

五、大多数企业主要依靠现成的生成式AI解决方案

当前，大多数受访者依靠现成的解决方案，其中包括集成生成式AI生产力应用程序、集成生成式AI企业平台、标准生成式AI应用程序以及公开发布的大语言模型，如ChatGPT。

相对而言，少数公司则使用了范围更窄、差异更大的生成式AI解决方案，如特定行业的软件应用程序、企业私有版大语言模型和开源大语言模型（企业根据业务定制）。

对标准、现成解决方案的依赖符合当前生成式AI应用的早期阶段，即主要侧重于提高工作的效率和企业生产力。然而，随着生成式AI用例呈现出更加专业化、差异化和战略性特征，相关的开发方式和技术基础设施也将随之跟进。

我们何时才能看到复杂的高价值用例，真正实现差异化并满足特定公司、职能和行业的专门需求？企业将如何结合内部和外部资源来创建定制化的生成式AI工具，以实现战略差异化？特别是，现成的技术产品得到私人或公私联合开发方式及技术基础设施的补充，从而能够提供和支撑这些差异化的解决方案。

六、人才、企业管理和风险防控等成为企业面临挑战的关键领域

在首次公开的季度调查中，41%的企业管理者表示，其企业在采用和解决生成式AI技术相关的人才问题方面只做了一点准备或根本没有准备，而22%的管理者认为他们的企业做了充分或非常充分的准备。同样，41%的管理者表示，他们的企业在解决与采用生成式AI相关的治理和风险问题方面只做了一点准备或根本没有准备，而25% 的管理者认为他们的企业已经充分或非常充分地做好了准备。大部分的管理者表示生成式AI在技术基础设施和战略方面的准备程度分别达到了“高”和“非常高”的水平。但调查结果显示，仍有很大的改进空间。

（一）与风险和管理相关的挑战

在风险和治理方面，生成式AI绝对不是“另一种技术”。使用生成式AI的根本挑战在于，如何在对人工智能不失去控制的情况下利用它的力量。毕竟，人们似乎发现生成式AI最吸引人的能力是它能够较為完美地模拟人类的思维和行为。当然，人类的思维和行为并不总是完美的、可预测的或为社会所接受的，技术本身也是如此。

具体的生成式AI风险包括：不准确的结果和信息；法律风险，如剽窃、侵犯版权和错误行为；隐私和数据所有权挑战；缺乏透明度、可解释性和问责制以及系统性偏见。对生成式AI的担忧还体现在另一类风险，如人工智能扩大和加剧了现存问题，如传播现有的社会偏见并使其难以改变、促进和加速错误信息的传播、帮助罪犯犯罪或煽动政治分歧等。

根据德勤在2023年第四季度对企业和技术管理者展开的调查，他们对生成式AI工具在治理相关问题上的最大担忧主要包括：对结果缺乏信心、知识产权问题、滥用消费者数据、遵守法规的能力以及缺乏可解释性/透明度。

在接受调查的企业中，有些已经在积极管理生成式AI实施面临的风险，如通过监控监管机制确保合规性、建立生成式AI治理框架、对生成式AI工具和应用进行内部审计和测试。然而，这样的企业毕竟是少数，它们的行动也仅仅触及了生成式AI带来的挑战的表面。尽管世界上许多国家都非常重视人工智能风险问题，但监管要求通常落后于技术创新的步伐。

（二）与人才和劳动力相关的挑战

生成式AI的出现对人才和劳动力战略的影响可能是颠覆性的。从短期和长期来看，它将给企业及其员工带来哪些影响？哪些类型的技能或岗位将受到最大程度的影响？什么时间会受到影响？

调查的绝大多数企业管理者表示，他们希望生成式AI在未来两年内推动其人才战略的变革。然而，只有不到一半的受访者表示，他们正在对员工进行充分的培训，让他们了解生成式AI的能力、益处和价值。他们还表示，缺乏技术人才和技能是采用生成式AI面临的最大障碍。

在此背景下，一些受访者表示在以下方面做出了很大或非常大的努力：招聘和雇佣技术人才以推动其生成式AI计划（42%）；对员工进行生成式AI方面的教育（40%）；对受生成式AI影响的员工进行技能再培训（36%）。在那些认为其企业的生成式AI技术水平非常高的管理者眼中，这些非常重要。然而，应该指出的是，这些企业管理者对此所做的努力可能仍然有限。德勤的调研经验表明，大多数企业尚未实质性地解决大规模采用生成式AI带来的人才和劳动力挑战问题。其中一个可能的原因是，许多管理者还不知道生成式AI会对人才或劳动力岗位产生哪些影响。现在让员工建立对与生成式AI技术协作的信心，下一步就能提升创造力和工作满意度。

七、生成式人工智能或产生重大的社会影响

尽管我们调查的管理者普遍对生成式AI的潜在商业利益高度关注，但他们对其产生的更广泛的社会影响却并不那么乐观。具体来说，52%的受访者表示，预计生成式AI的广泛应用可能导致全球经济权力的集中，而30%的受访者则预计它将更均匀地分配全球权力。同样，51%的受访者预计人工智能会加剧经济不平等，而22%的人则认为它会减少不平等。

此外，49%的受访者认为，生成式AI工具/应用的兴起将削弱人们对国家和全球机构的整体信任度。德勤的调查结果似乎反映了社会各界围绕人工智能展开的更为广泛的道德和伦理讨论，甚至在推动人工智能发展的科技公司的董事会中，企业管理者正权衡着人工智能的商业价值、服务人类的潜在价值、人工智能的潜在利益及其潜在风险。

生成式AI在公司治理和风险方面带来的挑战与社会治理和风险方面的挑战相似。在这两个领域，技术的潜在利益和潜在风险都很大。国家及政府和超国家组织很可能需要保持平衡，既要确保生成式AI的利益得到广泛而公平的分配，又不能过度阻碍创新或为具有不同规则的国家提供不公平的待遇。

与传统商业规范不同，面对人工智能不断发展，许多商界领袖、企业家呼吁政府加强监管，并围绕人工智能技术加强全球合作。在德勤调查的管理者中，78%的人表示需要政府对人工智能进行更多监管，72%的人表示目前全球合作不足，无法确保能够更好地开发人工智能驱动系统。

这些结果似乎表明，生成式AI可能过于强大、影响深远，以至于单个组织无法进行自我监管。

八、企业应用生成式AI技术面临的挑战及对策

作为跟踪生成式AI发展现状的季度系列调查的第一期报告，这项初步工作旨在建立一个坚实的基础。展望未来，我们的目标是了解生成式AI的应用情况，并预测其发展方向。在整份报告中，我们提出了一系列战略性问题，以帮助各企业认真思考它们现在采取的行动将如何为接下来的发展奠定基础。对于每个问题我们还没有明确的答案。不过，我们可以提出一些问题来引发思考，并根据我们目前为止所掌握的情况提供一些实用的指导。我们还注意到，鉴于人工智能特别是生成式AI的发展速度，今天的结论在几个月后可能就不再适用了。

（一）面对世界的快速发展，企业如何打造生成式AI解决方案

在竞相布局生成式AI解决方案的赛道上，随着新模型、产能和用例的出现，适应性、实验性和灵活性等组织属性将变得至关重要。关键是要保持初学者的心态，无论你认为自己有多专业，仍有更多的东西需要学习，即使经验在不断增长。要想在快速变化中成功引导企业进行人工智能转型，就需要在整个企业内进行细致的协调。努力提高整个企业的数字素养，并采用跨学科方法进行引导，积极与合作伙伴和第三方组织合作，同时积累各种生成式AI技术的经验。

（二）如何快速扩大规模并为创造长期价值奠定基础

在企业布局生成式AI技术时，实验是必不可少的环节。但是，如果不能扩大部署规模，对于调查所显示的对生成式AI转型的高度预期就很可能无法实现。企业一开始专注于几个用例是没有问题的。但是，最有价值的用例很可能会随着时间的推移而改变，因此，必须专注于改进端到端流程，而不仅仅是小范围的工作任务。此外，效仿那些拥有高人工智能技术的企业案例，并考虑在整个企业中广泛部署人工智能，作为整体战略的一部分，而非仅仅关注单点解决方案和数据孤岛。努力打造能够支持多种用例的平台功能，适应全新以及改进的生成式AI模型，提供与之相一致的风险管理，以确保模型产生安全可靠的输出和内容。

（三）应如何用提质增效中获得的红利再投资

生成式AI项目可能会耗资巨大，因此，企业管理者自然会寻求能够快速实现投资回报的办法。起初，项目效益可能增长缓慢，但随着企业对人工智能技术的应用和熟练程度达到临界点，企业效益就会迅速提高。目前，大多数生成式AI工作都侧重于提高生产力和降本增效。一旦实现了这些目标，企业将如何处理节省下来的时间和资金？企业是否会战略性地再投资于更多的生成式AI项目？企业是否会投资于员工培训和再培训？企业是否会改善技术基础设施？还是仅仅为了提高利润？企业慎重地将生成式AI红利再投资于公司发展战略将有助于企业的可持续发展。现在，企业将从生成式AI中获得的效率收益再投资于何处，可能会决定其下一步的转型水平。

（四）企业如何利用生成式AI打造差异化战略和竞争优势

随着生成式AI采用率的上升，该技术成为一种标准商品，即与通用企业软件的集成度越来越高，专用工具和模型的可用性越来越广泛，数据要求也越来越标准化，那么先行者是否会失去优势？为了最大限度地发挥技术的价值，企业应有意识地关注创新和差异化，定制生成式AI解决方案，以适应其独特的需求和数据资产，从而建立起能够创造可持续竞争优势的能力。寻求轻而易舉的制胜之道是一种明智之举，但不排除还有更好的战略机遇，尽管后者需要更多的时间和资金来实现，而且可能需要更长的时间才能获得投资回报。

（五）如何平衡购买与构建之间的关系

在开发和部署生成式AI解决方案时，应该购买还是构建生成式AI技术设施？答案取决于多种因素，包括企业总体目标以及解决方案和用例的规模、复杂性和独特性。企业是否希望将模型货币化？开源方法是什么？希望在什么程度上控制训练数据集？这些问题将有助于企业从众多方法中作出选择，其中包括：从零开始构建大语言模型；利用自身数据微调供应商提供的模型；使用内置生成式AI的企业软件。每种方法都有其优点和缺点，企业最终可能会选择不止一种方法。在作出决定时，务必考虑企业的商业战略、所需投资水平、风险承受能力和数据准备情况。

（六）如何最有效地加强员工队伍建设，并通过生成式AI重塑其工作方式

调查对象认为，人才是其采用生成式AI 面临的最大挑战。要克服这一挑战，企业可能需要招募新的人才，增强现有员工的能力，并建立组织信任。虽然人才市场竞争激烈，但也不要因此而放弃追求具备开发和维护生成式AI 解决方案等技术技能人才，例如，人工智能解决方案架构师、数据科学家、数据工程师、大语言模型操作员等。同时，投资于教育培训，帮助员工从生成式AI工具中获得最大价值，并提高其工作效率。此外，优先开展广泛的劳动教育，以消除人们对人工智能技术的恐惧和误解。

（七）为确保负责任地使用生成式AI，企业需要哪些防护措施，我们又该如何适应不断变化的社会防护措施

受访者表达了对生成式AI风险的各种担忧，包括需要管理幻觉和模型偏差、评估潜在的知识产权问题、确保透明度和可解释性。这些问题强调了让人类参与人工智能工作、检查其准确性并解决任何问题的重要性。此外，各项监管和法律将如何影响人工智能的发展，也是一个未决问题。很大一部分企业表示，它们正在对标监管要求，将其作为风险管理工作的一部分。许多受访者指出，他们担心生成式AI的广泛使用会导致权力集中，加剧经济差距。企业管理者需要考虑企业有关生成式AI的决策和行动如何与大局相适应，且需要前瞻性地思考，而不是等待立法者和监管者的官方指导。

（本文系本刊编辑常昌盛编译，略有删减。原文链接：http：//deloitte.com/us/state-ofgenerative-ai）