麦肯锡全球AI调研：企业AI部署现状(上篇)

AI治理工作涉及构建一系列政策、流程和技术，以确保负责任地开发与部署AI系统。麦肯锡的调查分析表明，由CEO亲自监督这项工作，是企业借助生成式AI提升财务表现的关键因素之一【1】。尤其在大型企业中，CEO的直接参与对息税前利润（EBIT）的拉动效果最为显著。在已部署AI的企业中，28%的受访者称CEO负责AI治理工作，但在年收入超5亿美元的大型企业中，这一比例略低。同时，17%的受访者称董事会负责AI治理工作。整体来看，这项工作通常由多人共同负责，平均由两位领导牵头。

AI的真正价值在于重塑企业运作方式。最新调查显示，在针对各类规模企业的25个要素里，重构工作流程对于组织通过应用生成式AI实现息税前利润增长的作用最为显著。企业正逐步在AI部署的同时调整流程。在已部署生成式AI的企业中，21%的受访者表示其组织已对部分工作流程进行了彻底重构。

调查显示，在AI部署的组织安排方面，企业在多个关键环节往往采用集中或部分集中的管理模式（见图1）。在风险与合规、数据治理等方面，企业更倾向于通过“卓越中心”等形式实施完全集中管理。而在技术人才引入和AI解决方案推广方面，多数受访者表示所在企业采取了混合式管理，即部分资源集中管理，部分分布在各职能或业务部门中。值得注意的是，年收入低于5亿美元的企业更倾向于将这些环节完全集中管理。

多数企业都会安排员工审查生成式AI生成的内容质量，但审查力度差异显著。在已部署生成式AI的企业中，27%的受访者表示，所有生成内容在使用前都须由员工审核，包括客服聊天机器人生成的回复，以及营销材料中使用的AI生成图像（见图2）。另有相近比例的受访者称，只会审核20%或更少的AI生成内容。来自商业、法律及专业服务领域的受访者更倾向于对AI生成内容进行全面审核，比例远高于其他行业。

许多企业正加紧采取措施，应对生成式AI带来的风险。相较于2024年初，更多受访者称所在企业正积极管控与AI不准确性、网络安全及知识产权侵权相关的风险（见图3）。这三类问题也是受访者提及频率最高的风险类型，并已对不少企业造成实质影响【2】。

调查显示，大型企业开展了更多风险应对工作。比如，大企业在管控潜在网络安全和隐私风险方面更为积极。但在应对AI输出准确性或可解释性等风险上，大企业并未拉开与中小企业的差距。

多数受访者尚未察觉到生成式AI对企业整体收益产生显著影响，同时，多数企业也尚未采用经麦肯锡过往研究验证、有助于在新技术部署中创造价值的应用与推广实践。在一项针对发达市场的补充调查中，仅1%的企业高管认为他们的生成式AI推广已步入“成熟”阶段。但有初步迹象表明，随着企业着手实施最佳实践，相应价值已开始显现。

我们向受访者询问了12项与生成式AI应用和推广相关的实践，发现每一项实践均与息税前利润提升呈正相关。其中，对实际收益影响最为显著的是为生成式AI解决方案设定并追踪清晰的KPI指标。在大型企业中，制定清晰明确的部署路线图亦是影响利润的关键举措之一。

本次调查亦探究了AI相关岗位的招聘情况及其对劳动力结构的其他影响。在已部署AI企业的受访者中，表示过去12个月内所在组织招聘了AI相关岗位人员的比例，与2024年初的调查基本持平。今年唯一出现明显变化的是数据可视化与设计类岗位，企业对该类岗位的招聘比例较上次调查明显下降。调查还显示，一些与风险管理相关的新岗位正逐步纳入AI部署流程。13%的受访者说所在企业已引入AI合规专员，6%表示聘请了AI伦理专员。在招聘方面，大型企业更倾向于广泛引进各类AI相关人才，尤其在AI数据科学家、机器学习工程师及数据工程师等岗位的招聘上，与中小企业相比明显占优。

许多受访者还提到，在过去一年AI部署过程中，其所在企业已对部分员工开展技能再培训，他们预计未来几年再培训工作将持续扩大（见图6）。

调查还显示，企业开始积极管理因部署AI所节省的时间。多数受访者称，员工将节省下来的时间用于开展全新工作，也有不少人表示，员工将更多精力投入至尚未实现自动化的既有职责中。值得注意的是，大型企业的受访者更有可能提到，企业因节省时间而精简了员工队伍。分析表明，人员优化是生成式AI实现最大价值的关键组织性因素之一。