工作场所的超级代理：赋能人们释放人工智能的全部潜力
️人工智能已经进入工作场所，并有可能像蒸汽机对19世纪工业革命的影响一样具有变革性。凭借Anthropic、Cohere、ASPCMS社区、Meta、Mistral、OpenAI等企业开发的强大的大语言模型（LLM），人们已经进入了一个新的信息技术时代。️本报告探讨了企业采用人工智能的技术和商业准备情况，并得出结论，员工已经为人工智能做好了准备。成功的最大障碍是领导力。
️一、与蒸汽机一样强大的创新
想象一下这样一个世界：机器不仅能从事体力劳动，还能思考、学习并自主决策。与以往任何发明不同，人工智能驱动的软件可以适应、规划、指导甚至做出决策。这就是为什么人工智能可以在生活的几乎每个方面促进前所未有的经济增长和社会变革。它将重塑人技以及人际互动。
在过去两年里，人工智能取得了突飞猛进的发展，由于成本更低，获取能力的途径更多，企业采用人工智能的速度也加快了。出现了许多人工智能创新。总体而言，本文认为有五大业务创新正在推动下一波影响：增强的智能和推理能力、人工智能体、多模态、改进的硬件创新和计算能力以及更高的透明度。
️（一）智能和推理能力不断提高
人工智能正变得越来越智能。如今的模型已接近拥有高级学位的人的智力水平。GPT-4可以轻松通过统一律师资格考试，在应试者中排名前10%。
推理增强了人工智能的复杂决策能力，使模型能够超越基本理解，达到细致入微的理解。OpenAI的o1或ASPCMS社区的Gemini 2.0 Flash Thinking Mode等模型能够在响应中进行推理，从而为用户的交互提供一个类似人类的思维伙伴，而不仅仅是一个信息检索和合成引擎。
️（二）人工智能体自主行动
推理能力越来越强，使模型能够自主采取行动，完成工作流程中的复杂任务。例如，2023年，人工智能机器人可以通过综合和汇总大量数据（包括语音信息、文本和技术规范）来支持呼叫中心代表，从而为客户的询问提供回复建议。2025年，人工智能体可以与客户交谈，并计划之后将采取的行动。例如，处理付款、检查欺诈行为和完成发货操作。
展开全文️（三）多模态将文本、音频和视频结合在一起
如今的人工智能模型正朝着更先进、更多样化的数据处理能力方向发展，涵盖文本、音频和视频。在过去两年中，本报告看到每种模式的质量都有所提高。例如，OpenAI的Sora演示显示了其将文本翻译为视频的能力。
️（四）硬件创新正在提升性能
硬件创新和由此带来的计算能力的提升不断提高人工智能的性能。专用芯片可实现更快、更大和更多功能的模型。企业现在可以采用需要高处理能力的人工智能解决方案，实现实时应用和可扩展性。例如，一家电子商务企业可以利用先进的图形处理器（GPU）和张量处理单元（TPU），实施人工智能驱动的聊天机器人，从而显著改善客户服务。利用分布式云计算，该企业可以确保在流量高峰期实现最佳性能。通过整合边缘硬件，企业可以部署分析受损产品照片的模型，从而更准确地处理保险索赔。
️（五）透明度不断提高
人工智能正在逐渐降低风险，但仍然缺乏更大的透明度和可解释性。这两点对于提高人工智能的安全性和减少偏见的可能性都至关重要，而这是大规模企业部署的当务之急。
目前，除了大语言模型，其他形式的人工智能和机器学习（ML）也在提高可解释性，使支持重大决策（如信用风险评估）的模型输出可以追溯到为其提供信息的数据。这样一来，关键系统就可以在近乎持续的基础上进行测试和监控，以防止模型漂移和数据输入变化造成的偏差和其他日常危害。
️二、员工已为人工智能做好准备，现在领导者必须站出来
️（一）超越临界点
在我们的调查中，几乎所有员工（94%）和最高管理层领导（99%）都表示对生成式人工智能工具有一定程度的熟悉。然而，企业领导者低估了他们的员工使用生成式人工智能的广泛程度。最高管理层估计，只有4%的员工在至少30%的日常工作中使用生成式人工智能，而实际上，根据员工自我报告，这一比例是前者估计的三倍（图1）。虽然只有20%的领导者认为员工会在一年内将生成式人工智能用于超过30%的日常任务，但员工自我报告的可能性是前者预期的两倍（47%）。
图1 员工实际使用生成式人工智能的可能性是领导者预期的三倍
️（二）领导者可以对员工进行更多投资
员工预计人工智能将对他们的工作产生巨大影响。现在，他们希望企业投资于有助于其成功的培训。在本报告的调查中，近一半的员工表示，他们希望接受更正式的培训，并认为这是促进人工智能采用的最佳方式。他们还希望以测试版或试点的形式获得人工智能工具，并表示经济奖励和认可等激励措施可以提高采用率。
然而，员工没有得到他们需要的培训和支持。超过五分之一的受访者表示，他们得到的支持很少甚至没有（图2）。
图2 员工渴望获得更多关于生成式人工智能的支持和培训
️（三）高层领导者可以帮助千禧一代引领潮流
许多35至44岁的千禧一代是其企业的经理和团队领导。在本报告的调查中，他们自我报告说在人工智能方面拥有最丰富的经验和热情，这使他们成为转型变革的天然拥护者。千禧一代是最活跃的一代人工智能用户。大约62%的35至44岁员工表示具有高水平的人工智能专业知识，而在18至24岁的Z世代和65岁以上的婴儿潮一代中这一比例分别为50%和22%（图3）。通过利用这种热情和专业知识，领导者可以帮助千禧一代在人工智能采用中发挥关键作用。
图3 年龄在35至44岁的千禧一代对人工智能持乐观态度，其中90%的人对自己的生成式人工智能能力充满信心
️三、提供速度和安全性
️（一）速度与安全的两难境地
监管和安全通常被视为难以克服的挑战。领导者希望增加人工智能投资并加速发展，但他们在如何确保人工智能在工作场所的安全方面却举步维艰。员工非常清楚人工智能面临的安全挑战。他们最关心的是网络安全、隐私和准确性（图4）。
图4 员工对生成式人工智能存在担忧，主要涉及网络安全风险、准确性问题和数据泄露
️（二）员工相信企业领导者能够正确决策
尽管员工承认人工智能存在风险，甚至有可能取代他们相当一部分工作，但他们高度信任自己的雇主能够安全、合乎道德地部署人工智能。值得注意的是，71%的员工相信他们的雇主在开发人工智能时会以合乎道德的方式行事。事实上，他们更信任雇主，而不是大学、大型科技企业和科技初创企业（图5）。
图5 员工最信任他们的雇主来安全推广生成式人工智能
️（三）生成式人工智能风险管理
有学者认为，新风险自然会伴随着新功能产生，这意味着风险应该得到管理，但不一定会消除。建立适合的风险管理的第一步是启动全面评估，以识别企业每项业务中的潜在漏洞。然后，领导者可以建立强大的治理结构，实施实时监控和控制机制，并确保持续培训和遵守监管要求。
️四、怀揣更大的抱负
️（一）人工智能投资因行业而异
不同的行业有不同的人工智能投资模式。在前25%的消费者中，医疗保健、技术、媒体和电信、先进工业和农业领域的企业处于领先地位（图6）。金融服务、能源和材料、消费品和零售、硬件工程和建筑以及旅游、运输和物流领域的企业支出较少。
图6 企业在生成式人工智能上的支出与其行业的经济潜力不匹配
️（二）在某些行业，员工很谨慎
公共部门以及航空航天、国防和半导体行业的员工在很大程度上对人工智能的未来发展持怀疑态度。在公共部门以及航空航天和国防领域，只有20%的员工预计人工智能将在明年对他们的日常工作产生重大影响，而在媒体和娱乐行业（65%）以及电信行业（67%），这一比例约为三分之二（图7）。
图7 公共部门、航空航天和半导体行业的员工对生成式人工智能最不乐观
️（三）某些功能还有很大的提升空间
本报告的研究发现，人工智能最具经济潜力的职能领域也是员工前景不乐观的领域。销售和营销、软件工程、客户服务和研发部门的员工贡献了人工智能总经济潜力的约四分之三，但这些部门员工的自我报告乐观程度处于中等水平（图8）。
图8 对生成式人工智能最乐观的员工并不代表最具经济价值潜力的群体
️（四）生成式人工智能尚未实现企业范围的投资回报率，但这种情况可能会发生变化
在所有行业中，受访的高管表示，企业范围内的人工智能投资回报有限。只有19%的受访者表示收入增长了5%以上，另有39%的受访者表示收入增长了1%至5%，36%的受访者表示没有变化（图9）。只有23%的受访者认为人工智能带来了成本方面的有利变化。
图9 生成式人工智能尚未为企业带来显著的投资回报
️（五）雄心勃勃可以帮助解决大问题
为了真正利用人工智能的潜力，企业必须挑战自我，设想并实施更多突破性计划。人工智能时代的成功不仅取决于技术部署或员工意愿，还取决于有远见的领导。该技术已经非常强大且发展迅速，员工比领导者想象的要做好准备。领导者拥有比他们意识到的更多的权限空间，可以在工作场所快速部署人工智能。为此，领导者需要将雄心壮志扩展到系统性变革，为真正的竞争差异化奠定基础。
️五、技术不是规模化的障碍
️（一）减慢执行速度的运营阻力
企业采用人工智能面临几个运营阻力。本报告的访谈和研究揭示了最具挑战性的五个方面：调整领导层、解决成本不确定性、劳动力规划、管理供应链依赖性以及满足对可解释性的需求。
️1.领导层一致性是具有挑战性但关键的第一步
确保高层领导就战略主导的生成式人工智能路线图达成共识并非易事。应对这一挑战的关键首先是认识到领导层协调不能被过分简化或假设。这一过程需要各个业务领域的高层领导的持续参与，每个领域可能都有不同的目标和风险偏好。领导者必须共同明确定义价值所在、人工智能将如何推动这一价值以及如何降低风险。
️2.成本不确定性使企业难以预测投资回报率
虽然领导者可以为人工智能试点制定预算，但大规模构建和管理人工智能应用程序的全部成本仍然不确定。规划有限的试点与评估成熟解决方案的成本非常不同，后者能够在日常工作中多次辅助大多数员工。这种差异带来了复杂的权衡。然而，为了跟上人工智能的发展步伐，技术领导者必须优先加快决策进程。
️3.劳动力规划比以往任何时候都更加困难
一方面，雇主难以确定所需的人工智能专家数量及其技能要求，甚至缺乏相应的人才储备。他们无法预测招聘所需的时间，也不确定如何在入职后保持自身对人才的吸引力。另一方面，人工智能的发展速度未知，可能迅速减少对其他技能的需求，从而使劳动力再平衡和再培训变得必要。
️4.供应链依赖性可能会造成严重破坏
脆弱的供应链可能会使企业面临中断以及技术、监管和法律挑战。人工智能供应链是全球性的，其中大量的研发集中在中国、欧洲和北美，半导体和硬件制造集中在东亚和美国。当今的地缘政治很复杂。此外，模型和应用程序越来越多地在许多国家/地区的开源论坛中创建。
️5.对更高可解释性的需求是一个核心挑战
安全的人工智能部署越来越成为必需。然而，大多数大语言模型通常是黑匣子，无法揭示它们为何或如何做出某种反应，也无法揭示做出这种反应所用的数据。如果人工智能模型无法为其响应、建议、决策或行动提供明确的理由，那么它们在关键任务中将不被信任。
️（二）为了获取人工智能的价值，领导者必须重塑企业
️1.适应性
人工智能技术的发展日新月异，组织必须迅速采用新的最佳实践，才能在竞争中保持领先。这些最佳实践可能涉及新技术、人才引进、商业模式创新或产品升级。随着自然语言成为集成媒介，人工智能系统的兼容性不断增强，使企业能够更顺畅地交换、升级和集成模型与工具。这种模块化特性不仅避免了供应商锁定的风险，还使企业能够迅速利用最新的人工智能进展，而无需频繁重构其技术栈。
️2.联合治理模型
数据和模型的有效管理可以在确保风险可控的同时，赋能团队自主开发人工智能工具。领导者可直接监督高风险或高影响力问题，例如制定政策和流程，以监测模型及其输出的公平性、安全性和可解释性。同时，他们可以设定总体方向，并将部分监控任务委托给业务部门，包括衡量基于绩效的标准，例如准确性、速度和可扩展性。
️3.预算灵活性
鉴于跨模型的技术进步，以及策划大语言模型、小语言模型（SLM）和智能体的最佳组合的机会，企业领导者应保持预算的灵活性。这有助于企业同时优化其人工智能部署的成本和性能。
️4.人工智能基准
如果技术人员齐心协力采用标准化的公共基准，并且如果更多的高管开始使用基准（包括伦理基准），模型透明度和问责制将得到改善，人工智能的采用率也将提高，即使在持怀疑态度的员工中也是如此。
️5.人工智能特定的技能差距
值得注意的是，46%的领导者认为员工队伍中的技能差距是采用人工智能的重大障碍。领导者需要吸引和雇用顶级人才，包括数据科学家和人工智能集成专家。他们还需要致力于创造一个对技术人员有吸引力的环境。例如，这可能意味着为他们提供充足的实验时间，提供对尖端工具的访问，创造参与开源社区的机会，并促进协作工程文化。提升现有员工的技能同样重要：麦肯锡的人才和组织绩效实践的研究强调了为特定角色定制培训的重要性，例如为技术团队成员提供创建库的训练营，同时为特定职能团队提供及时的工程课程。
️6.以人为本
为了保证公平公正，企业领导者必须在人工智能开发过程中尽早并经常吸收不同的观点，并与团队保持透明的沟通。就目前而言，只有不到一半的高层领导者表示，他们会让非技术员工参与人工智能工具的早期开发阶段，特别是构思和需求收集阶段。此外，领导者可以通过诚实地说明新技能要求和员工人数变化来体谅员工对人工智能对潜在失业影响的不安。构建论坛，使员工可以在其中就人工智能应用程序提供意见、表达顾虑和分享想法，对于维护透明、以人为本的文化非常有价值。
️六、结论：迎接人工智能的未来
现在是领导者做出大胆的人工智能承诺并通过在职培训和以人为本的发展来满足员工需求的时刻。领导者和员工必须问自己一些重大问题。领导者应该如何定义他们的战略重点并在颠覆中有效地引导他们的企业？员工如何确保他们为工作场所的人工智能过渡做好准备？️这些问题没有简单的答案，但关于如何最好地解决这些问题，人们正在形成共识。例如，一些企业同时部署自下而上和自上而下的方法来推动人工智能采用。自下而上的行动通过学习课程等计划帮助员工试用人工智能工具。自上而下的技术将高管们聚集在一起，从根本上重新思考人工智能如何改进欺诈管理、客户体验和产品测试等主要流程。
️随着企业寻求从人工智能试点转向人工智能成熟，这些行动至关重要。如今，只有1%的企业领导者表示他们的企业已经成熟。在未来三年内，随着对技术投资的增长，领导者必须进一步提高这一比例。他们应该充分利用员工的准备情况，加快人工智能实施的速度，同时确保信任、安全和透明度。目标很简单：抓住生成式人工智能的巨大潜力，以推动创新并创造真正的商业价值。
️转自丨启元洞见
️研究所简介
