人工智能发展的三个主要阶段
人工智能的发展可以划分为三个重要阶段：诊断（Diagnostic）、预测（Predictive）和生成（Generative）。
诊断时代：在这一阶段，AI的主要功能是解析和诊断问题，它通过机器学习技术帮助我们理解“为什么会发生这种情况？”。此时，AI主要应用于数据分析、场景模拟和市场细分等方面。比如在医疗领域，AI通过分析病历和检测结果，帮助医生诊断疾病，识别疾病的潜在风险因素。
预测时代：随着技术的进步，AI开始能够对未来进行更加精准的预测，涵盖从企业运营到消费者行为等多个领域。这一阶段的核心在于回答“将来会发生什么？”问题，主要通过模式识别、趋势预测和建模来实现。比如电商平台利用AI技术预测消费者的购买行为。通过分析用户的浏览和购买历史，AI可以预测哪些商品在未来会受到欢迎，并帮助商家优化库存和营销策略。
生成时代：从2022年起，AI进入了生成时代。在这个阶段，AI不仅能预测未来，还能创造解决方案和内容。它开始在我们决策的过程中发挥更大的作用，提供“接下来我们应该做什么？”的建议，并在实施过程中提供辅助，如模拟、优化和提供执行策略。此外，AI还能够参与创意内容的生成、编程和自动化保护工作。其实在这个阶段的AI是我们感受最为深刻的，因为类似ChatGPT这样的AI工具，拉近了我们和AI的距离。
生成式AI对工作时间的影响
埃森哲分析了生成式AI对工作时间的潜在影响，涵盖了22个国家和19个行业。
国家层面：
图表上半部分显示的是各个国家中受AI影响的工作小时数的比例。例如，中国的数据显示，总共有33%的工作小时可能受到人工智能的影响，其中18%的工作小时可能会被自动化，另外15%可能会通过AI得到增强。这一比例低于其他一些发达国家如英国（47%）、加拿大（46%）和德国（46%）。 报告表示，图表中的数据是基于对工作任务中人类与机器（Human + Machine）交互程度的分析。在这种分析中，考虑了哪些工作任务目前或将来可以由人工智能系统自动完成或辅助完成。这种方式有助于确定哪些工作小时数受到生成式人工智能技术的潜在影响。
行业层面：
在行业方面，资本市场领域受人工智能影响最大，72%的工作时间可能被自动化或增强。 软件平台和银行业也受到较大影响，分别有68%和67%的工作时间在人工智能的影响范围内。 相对而言，自然资源（28%）、工业（30%）、公用事业（31%）等传统行业的影响相对较小，这可能与这些行业的自动化和数字化进程较慢有关。影响最小的是消费品行业的影响较小，只有24%的工作时间受影响。
企业管理层与员工对Gen AI的理解
企业管理层（CxOs）与员工在对生成式人工智能（gen AI）影响的关键问题上存在显著的认知差异，这种差异可能会侵蚀内部的信任感并影响技术的成功应用。
工作安全感
员工观点：超过半数（58%）的员工认为生成式AI让他们感受到工作安全性的威胁。 高层观点：相较之下，只有29%的领导认为员工的工作置换是一个需要关注的问题。
技术理解
员工观点：绝大多数员工（82%）认为自己理解这项技术。 高层观点：然而，仅有36%的领导认为员工对技术的理解不足是一个值得关注的问题。
技能发展
员工观点：高达94%的员工有信心能学习并掌握利用生成式AI所需的技能。 高层观点：32%的高层担心员工技能缺乏会阻碍公司利用AI技术。
工作压力与疲劳
员工观点：60%的员工担心生成式AI可能会增加他们的工作压力和疲劳。 高层观点：有37%的高层认为AI技术可能导致员工压力和疲劳增加。
输出质量
员工观点：超半数的员工（53%）对AI产出的质量表示担忧。 高层观点：仅21%的高层认为输出质量是员工担心的一个问题。
以上这些数据反映了企业在实施AI策略时面临的内部信任挑战。高层领导通常低估了员工对AI技术带来的潜在威胁和挑战的关注程度。为了更有效地整合并利用AI技术，企业需要加强内部沟通，确保员工的技术理解和技能培训跟上步伐，同时认真对待员工的担忧和反馈，建立一个基于信任和透明度的工作环境。这不仅有助于技术的有效应用，也是维护团队凝聚力和提高员工满意度的关键。
Gen AI的三重机遇：经济、商业和个人
生成式人工智能（Gen AI）所提供的“机遇三重奏”是指它在推动经济增长、促进商业发展以及创造更有意义的工作机会方面的综合潜力。这种描述突出了生成式AI如何跨越多个领域带来正面影响，不仅能够加速经济价值的实现，还能促使企业增长，并为个人工作提供更丰富、更深入的价值。通过这样的三重效应，生成式AI被视为一个全方位的增长动力。
经济
根据不同的生成式人工智能策略，到2038年可能实现的全球经济增长情况分析如下图。
以人为本（People-centric）：公司将创新和人才放在核心位置来采用AI。在这种模式下，预计到2038年可以额外解锁10.3万亿美元的经济价值，是三种情景中增长最多的。
谨慎（Cautious）：公司较为缓慢地采用AI，将风险规避作为核心。这种情景下的经济增长额外提高7.6万亿美元。
激进（Aggressive）：公司迅速采用AI，以降低成本为中心。在这种策略下，预计经济增长将额外提高13.5万亿美元。
通过埃森哲的这些数据，可以看出，采用以人为本的策略不仅能推动经济增长，而且潜在增长幅度最大，显示了将人才和创新放在企业战略核心位置时的长远利益。
商业
埃森哲探讨了生成式人工智能在商业层面带来的潜在好处，并强调了人才和技术并重的重要性。
市场份额增长：多数企业高层（CxOs）认为，利用生成式AI将最终增加公司的市场份额。有17%的高层预测，通过AI的帮助，他们的公司在未来三年内市场份额至少增长10%。这种信心源于AI能够帮助企业提高效率，更好地识别、接触、连接和服务于客户。
收入增长：更多的高层看待AI作为增长收入的工具，而不仅仅是减少员工数目。模型预测显示，那些计划通过在各职能部门和业务流程中更深入地整合AI的公司，预计在未来五年将超越当今领先公司的收入增长。
生产力提升：重视人才的公司在使用AI时能够实现最高达11%的生产力提升，而如果忽视人的因素，这一增益可能下降至仅4%。这表明，在AI实施过程中，技术与人才并重是至关重要的。
重新发明与规模化：文中提到，“重新发明者”（那些在重新发明方面领先的组织）更有可能预计到产品力提升超过20%。这些组织通过积极让员工参与变革，不仅努力缩小信任和透明度差距，而且通过以1.7倍和1.6倍的速度进行规模化创新，增加了他们的再发明能力。
个人
在当前的AI技术进步背景下，谷歌首席人力资源官Fiona Cicconi深入探讨了人工智能（AI）在提升工作效率及创新方面的潜力。
AI的核心目标：Cicconi表示，谷歌致力于使AI惠及每个人，通过提升知识、学习、创造力和生产力，促进个体的成长和发展。在工作场所，AI的部署目的在于最大化利用潜在机会，提高团队的工作效率和影响力。
以人为本的AI设计：她提到，通过采用“以人为本”的AI设计，如AI Agent和创新的AI工具，能够增强员工的生产力和创新能力。这将使工作变得更具意义、创造性和影响力。
Work will become more meaningful, creative and impactful.
重新塑造工作模式：生成式AI提供了一个全新的场景，为劳动力的重塑和个体技能的全面提升带来机遇。这种技术变革为创建一个更灵活、适应性强的组织提供了条件，包括为每位员工提供符合其个人需求和职业抱负的定制化学习路径。
构建透明和信任的企业文化：Cicconi最后指出，透明度和信任是AI技术成功实施的关键。公司领导层需要在实践中体现这些价值观，确保所有人都能理解并适应这些技术带来的变化。
员工的信心来自于组织的支持
根据埃森哲的调研，企业对生成式AI的支持程度直接影响到员工的信心和乐观态度。在支持程度高的企业中，员工更有信心应用AI工具、更乐观地看待其职业前景，并相信自己能够获得必要的技能。因此，企业在推动AI技术应用时，应注重为员工提供充分的支持和培训，帮助他们适应和掌握新技术。这种投资不仅可以增强员工的满意度和忠诚度，还能提高整个组织的创新能力和竞争力。
对AI应用的理解：
在受访的企业员工中，那些感受到较高公司支持的员工，有51%表示他们对如何在工作中应用生成式AI工具非常有信心。 相较之下，那些感受到较低公司支持的员工中，只有32%表示同样的信心。 这表明支持度高的员工比支持度低的员工多出19个百分点的信心。 对未来职业前景的乐观态度：
有51%的受较高支持的员工对生成式AI将如何影响他们未来的职业前景持乐观态度。 在受较少支持的员工中，这一比例为38%。 显示出在高支持环境下，员工的乐观程度高出13个百分点。 对获得必要技能的信心：
有50%的受高度支持的员工对获得使用生成式AI所需的技能持有高度信心。 而在受支持程度较低的员工中，这一比例为38%。 这反映出高支持环境下的员工比低支持环境下的员工多出12个百分点的信心。 实验背景与目的：研究团队将生成式AI工具融入日常工作流程，以丰富员工体验并激发其潜力。首先，团队成员积极参与重新思考并设计其工作流程，然后帮助开发和实施这些工具。通过这种方式，他们不仅提高了工作效率，还增强了对自己能力的信心。
AI工具的具体应用：销售人员利用生成式AI起草和更新提案，这一过程显著提高了他们的生产力和工作质量。更重要的是，这使他们能够更有效地管理工作压力，并感受到他们的工作能够带来实际影响。
效果显著的指标：
生产力：报告显示，通过整合生成式AI工具，销售专业人员的生产力提升了34%。 能力信心：相应的，他们对自己能力的信心也提高了34%。 工作影响感：员工感受到的工作带来的实际影响提升了31%。 压力管理：他们在管理工作压力方面的能力提升了29%。 实验意义：实验结果表明，即使是在职位上有较长经验的员工，也表现出对简化和改进工作流程工具的接受和积极响应。这说明经验丰富的工作者不仅准备好使用这些工具，而且能从中受益，这对公司的AI策略是一个积极的信号。
了解基础知识：领导者需要掌握数字技术的基本知识，包括云计算、数据管理和安全性等，以及生成式AI的基础，如大型语言模型（LLMs）、架构和负责任的AI原则。此外，还需学会提出正确的问题，以深入理解AI技术如何服务于业务。
在企业中应用Gen AI：领导者需了解企业的数字化现状和对AI的准备情况。制定多年计划，优先考虑投资，利用技术生态系统，并通过实施负责任的AI避免误操作，以实现AI的价值最大化。
重新定义工作，重塑劳动力：利用AI技术重塑业务流程，确保AI工具能在工作流中得到有效应用。此步骤包括重新配置和调配劳动力资源，以及改造组织结构，实现真正的跨功能协作。
释放员工潜力：理解员工学习方式和职业生命周期中的核心技能，构建与AI影响相适应的人才战略。管理层应推行有效的再培训项目，并融合工作与学习，同时发展有效的变革管理能力和工具，确保员工在变革中受益。
负责任地扩展AI应用：在企业层面上，领导者需要关注AI的治理、法规遵循以及伦理和社会影响，确保风险得到妥善管理。这一步骤对于实现可持续和负责任的AI应用至关重要。
生成式AI对工作体验和效率的提升
为了探索生成式AI如何在商业环境中提升员工的工作体验和效率，埃森哲研究人员在销售职能部门中进行了一项实验。
企业如何应用生成式AI
埃森哲的报告为企业管理者在生成式AI方向提供了一个详尽的学习路线图，旨在帮助他们有效利用AI技术，以优化企业运营和员工潜力。
