发现报告

核心观点与关键数据

欧洲癌症发病率上升，但癌症护理进步使更多人能存活并活得更久。超过三分之二的癌症患者在确诊后能存活五年以上，欧洲有超过2370万名癌症幸存者。然而，癌症控制工作不足，存在延误和未满足的需求，尤其在非医疗方面，如经济保障和心理健康。

研究方法

研究包括文献综述、专家研讨会和访谈，以及对来自法国、德国、西班牙和英国的患者、医疗保健专业人士（HCP）和公众进行的调查。

北极星框架

研究提出了北极星框架，重新定义癌症护理成功的衡量标准，将重点从单纯关注生存转向关注患者生存期，并将患者置于核心位置。框架包含七个关键领域：癌症谱系、信息、财务支持、心理社会支持、医疗人员培训、公平和数据与质量提升。

关键领域与发现

1. 信息：公众和患者获取关于癌症风险因素、筛查和护理的有用且可靠信息的比例不足。62%的公众和55%的患者表示能获取相关可靠信息。
2. 财务支持：25%的受访者认为现有健康保障不足以覆盖癌症诊断后的费用。癌症患者在确诊后一年内工作收入下降了26-28%，许多家庭面临额外支出。
3. 心理社会支持：40%的癌症患者报告心理健康状况差或非常差，31%的医疗保健专业人员未接受过心理健康培训。心理社会服务提供不足，缺乏明确和标准化的指南。
4. 医疗人员培训：大多数医疗保健提供者在疼痛管理等关键领域接受了足够的培训，但在性别与生殖护理、共同决策框架和患者决策辅助工具方面培训不足。
5. 公平：社会经济因素导致癌症护理和治疗结果的不平等。边缘化社区和低收入人群面临更多障碍，如缺乏专科治疗设施和耻辱感。
6. 数据与质量提升：需要更好的数据收集和监测，以识别改进领域并推动循证行动。患者报告结局（PROMs）和结果测量（PREMs）有助于理解患者体验。

研究结论

将癌症护理的重点从生存转向康复，是向患者提供他们生存并超越癌症所需支持的关键。北极星框架为衡量癌症护理成功提供了新标准，并强调了心理社会支持、信息获取、财务支持、医疗人员培训、公平和数据与质量提升的重要性。国家癌症控制计划（NCCP）需要不断演进，以全面涵盖生存期，并确保所有患者都能获得高质量、公平且以患者为中心的癌症护理。

核心观点

本报告探讨了组织如何为人工智能（AI）驱动的未来做准备，重点关注战略投资、技能与人才培养以及文化与治理。

关键数据

• 88%的高管认为AI是竞争优势的来源，但只有38%的人为AI技能发展设立了专项预算。
• 99%的高管报告称他们有发展AI相关技能的方法，但大多数依赖非正式或临时的方法。
• 只有8%的组织已实施了全面的AI治理框架。
• 96%的高管认为网络安全至关重要，但只有20%表示他们的团队具备相应能力。
• 70%的高管将AI人才激烈竞争视为一项关键障碍。
• 44%的人表示，在未来三到五年内，克服员工对AI驱动的工作角色变化的恐惧或抵触将是最重要的优先事项之一。

研究结论

• 组织需要将AI视为持久价值创造的基础，而不仅仅是短期效率工具。
• 弥合技能差距需要系统性转变，包括投资于员工技能提升、营造支持性文化以及建立健全的治理框架。
• 人工智能的成功应用取决于非技术因素，如组织结构、流程和文化。
• 领导者需要设定方向、协调激励、配置资源，并对治理与文化负责。
• 构建一个可持续且具备AI适应性的工作场所，需要强有力的治理、包容性的领导力，以及对文化和能力建设采取面向未来的方法。

本报告揭示了组织在人工智能（AI）发展方面普遍存在的“现实差距”，即组织对其AI进展的认知与实际发生的变革深度之间存在显著差异。报告核心观点如下：

核心观点与关键数据：

1. 认知与现实的差距：75%的受访者认为其组织的AI成熟度高于实际情况，而只有15%的人认为CEO能准确描述组织为AI领导者。18%的人表示已根本重塑团队围绕AI运行的方式，但50%的人将团队描述为先进或以AI为先。
2. AI自主性与控制挑战：54-59%的受访者表示AI已能在规则内自主运行或完成端到端流程，但87%的人认为组织需要更有效的AI批准、监控和控制方法。45%的人未充分核实AI输出结果的准确性。
3. 财务回报与衡量不足：65%的人认为AI尚未带来与其投资相匹配的财务回报，66%的人未正式计算AI投资回报率（ROI）并提交审核。
4. 转型深度不足：77%的人表示AI投资过多集中在渐进式改进，只有6%的人将创造全新运营模式、收入来源或业务作为首要AI重点。84%的人需加速转型，但只有11%预计AI将在12个月内根本性改变组织运营和价值创造。
5. 领导力认知偏差：92%的高级决策者认为自身有效塑造了AI期望的员工行为和工作方式，但87%的中/初级管理者认为领导者本可以做得更多。高级决策者对AI进展的信心（81%）高于中/初级管理者（63%）。
6. 竞争性后果：88%的人认为AI原生进入者构成威胁，但只有28%将其作为衡量AI进展的基准。AI原生企业优势在于零传统运营速度和持续价值创造。

研究结论：

• 组织需从关注AI部署数量转向关注其带来的实际变革，特别是工作重塑、决策方式改变以及人与AI协同能力。
• AI转型需坚实基础，包括数据、治理机制和平台，但近四分之三的组织难以持续连接AI与企业数据。
• 加速AI转型压力下，87%的人需更有效的控制方法，46%快速部署的组织面临合规挑战。
• 组织投资重点已转向安全和隐私、治理与合规（47%），以及数据质量、平台和云基础设施（46%）。
• 中端市场组织更依赖外部专业知识，而企业组织更侧重内部投资。
• 重新设计工作方式是关键机遇，但仅40%报告了工作流程重大重新设计，72%认为需中度或重大改进。
• 领导力需从战略意图转向具体行为示范，确保AI领导力在组织内得到一致体验。
• AI原生挑战者正改变竞争基准，成熟组织需重新思考AI如何重塑成本、速度、客户体验和运营模式。

Avanade 通过对全球 3000 多名商业及 IT 高管的调研，揭示了组织在拥抱生成式 AI 方面的准备情况和挑战。核心观点如下：

核心观点与关键数据：

• 普遍认同 AI 重要性：92% 的受访者认为组织需在未来 12 个月内转向以 AI 优先的运营模式以保持竞争力。
• 行业与领导者信心差异：59% 的 COO 对其组织利用 AI 能力比竞争对手更快感到自信，但只有 34% 的 CEO 拥有同样的信心。
• 员工对 AI 的态度：95% 的员工对 AI 持乐观态度，96% 相信其组织 IT 专业人员拥有扩展 AI 所需的知识和资源。
• AI 影响与技能需求：79% 的员工预计生成式 AI 工具将影响其工作周长达 20 小时，63% 的人表示到 2024 年底需要掌握新技能才能抓住 AI 好处。
• AI 就绪程度：48% 的受访者表示其组织已制定完整的负责任 AI 指南/政策；52% 表示已建立完整的人力资本和工作队伍规划流程。
• 行业拥抱 AI 的紧迫性：能源、零售和非营利组织员工加速迈向以 AI 为先的意愿最强，公用事业和医疗保健员工则感觉最不急于转变。
• 数据平台投资：94% 的组织计划增加对数字技术的投资，IT 员工优先将投资集中于数据和 analytics 平台（如 Databricks 或 Microsoft Fabric）。
• AI 信任度：只有 48% 的员工完全信任 AI 的结果。

研究结论：

• 组织及其人员尚未完全准备好迎接生成式 AI 的影响，存在巨大差距，即优先考虑 AI 技术产出与同时进行必要人力投资之间的差距。
• AI 民主化将深刻改变工作方式，员工期望 AI 带来效率提升和创意革新，而非工作替代。
• 领导者对 AI 的潜力感到兴奋，但未必理解“具备 AI 准备”的含义，且在 AI 风险与责任方面存在疑虑。
• 从 AI 中创造价值需要优质数据、强大的数据平台和持续的测试、学习与适应。
• 成功实施 AI 需要明确目标、建立治理机制、持续评估成果并管理对员工的影响。

建议：

• 以 AI 为先即以人为本，投资支持措施和技能培训，帮助员工适应 AI 工作方式。
• 建设强大的数据平台，提高对 AI 输出结果的信任度。
• 优先发展持久且负责任的 AI，建立负责任的 AI 框架。
• 明确“北极星”，驱动可持续的商业价值。
• 领导者需提升 AI 熟练度，帮助组织适应并发展 AI。

未来展望：

• 成功转型为以 AI 为先的运营模式的组织，将能持续从生成式 AI 中驱动商业价值。
• 平衡 AI 与人类智能，以在 2024 年取得成功。