2024年第二季度生成式人工智能报告

德勤在企业第二季度报告中的生成AI状况 2024年4月 deloitte.com/us/state-of-generative-ai 目录 前言导言Now:主要 发现 1创造价值2向上扩展3建立信任4不断发展的劳动力 Next:展望未来德勤AI研究所的作者 身份和致谢关于德勤综合研究中心关于德勤技术、媒体和电信方法论中心 前言 自2022年11月“生成性AI太空竞赛”开始以来，我们已经走了很长一段路-但是，我们知道我们仍处于这一漫长而令人兴奋的转变的开始。每天，我们都与客户讨论当前需要关注的重点，变化的速度有多大，以及在采取更长远观点的兴奋中，它可能具有挑战性。 我们看到组织开始获得利益，并走向不久的将来，在这个早期阶段，生成性人工智能工具被广泛分散并推动新的价值。但是，随着企业领导者寻求扩大规模并实现这一强大技术的潜力，也有一些艰难的现实需要应对。 “我们处于一千局游戏的第一局，有很多事情要解决。” The企业中的生成AI状态：实现生成AI从近2, 000名业务和技术领导者的角度捕捉了这一变革时期的新快照，这些领导者都来自当今正在积极部署和扩展Geerative AI的组织。与我们的许多客户相呼应，我们从这些高管那里听到，虽然兴奋仍然存在，但随着领导者面临文化挑战、如何管理他们的劳动力的问题以及信任问题，这些问题可能正处于顶峰— —至少目前是这样— —阻碍了释放生成人工智能的全部价值。 -金融服务首席分析官 总而言之，令人兴奋的是，生成人工智能的潜力开始将其更深入地融入组织运作的基础，我们将继续更多地了解新兴的领先实践。在这些发展中，我们还继续看到，利用生成人工智能实现价值与保持人类中心联系在一起。 了解有关该系列的更多信息，并在http://deloitte.com/us/state-of-generative-ai上注册更新。 尼丁·米塔尔、科斯蒂·佩里科斯、凯特·施密特、布伦纳·斯尼德曼和大卫·贾维斯 Introduction 真正了解生成型AI 我们的研究表明，组织越来越优先考虑价值创造并要求他们的GenerativeAI计划取得切实成果。这要求他们扩大规模他们的生成性人工智能部署-超越实验、试点和概念证明。过渡到大规模部署将增加生成人工智能对业务的影响，并将其影响范围扩大到更大的劳动力。反过来，成功的扩展带来了广泛的挑战，包括从战略，流程和人员到数据和技术的所有方面。 德勤全球季度调查的第二季度发现，许多组织开始认真工作，使生成人工智能的巨大潜力成为现实。 扩展面临的两个最关键的挑战是建立信任（在使生成AI更加可信和可信方面）和不断发展的劳动力(解决生成AI的潜在问题 本报告介绍了德勤正在进行的关于企业中生成性人工智能的季度全球调查的第二个结果。为了获得我们的wave2研究的更多背景，我们还对来自广泛行业的高级管理人员进行了一系列深入访谈。 对工人技能、角色和人数的巨大影响)。 在这里，我们将深入了解所有这四个领域-价值，扩展，信任和劳动力-以帮助组织在其生成性AI旅程中更有效地前进。未来的调查报告将有选择地关注成功的生成性AI扩展和价值创造的其他关键挑战。 Introduction 真正了解生成性AI（续） 创造价值 向上扩展 •报告他们已经在“大”或“非常大”程度上实现预期收益的组织比例为18％- 36％，具体取决于所追求的收益类型。 •领导者认为扩展对于创造价值，增加生成性AI对业务的影响以及扩大技术的用户群至关重要。扩展阶段是 生成人工智能的潜在利益被转化为现实世界的价值，然而，当一个组织的潜在担忧可能成为现实世界的成功障碍时，也是如此。 •报告“高”或“非常高”水平的创成式AI专业知识的组织正在更积极地扩展创成式AI，并且比其他组织在更大程度上实现了预期的收益。 •共同关注的领域包括数据安全性和质量，生成AI输出的可解释性，以及工人对生成AI工具的不信任或不熟悉。 •组织主要计划将生成AI的节省再投资于创新（45％）和改进运营（43％）-解决双方的价值等式。 •员工对已批准的生成性AI工具和应用程序的访问权限仍然很低，近一半（46％）的受访组织表示，他们仅向一小部分员工（20％或更少）提供了已批准的生成性AI访问权限。但是，大多数拥有互联网访问权限的员工将可以使用公共生成性AI工具，并且可以在未经同意的情况下使用它们。 本报告及其图形中提到的所有统计数据均来自德勤2024年1月至2月进行的第二季度调查；企业中的生成AI状况：现在决定下一步，报告系列。N(总领导者调查回复)=1,982。 生成AI是人工智能的一个领域，是指响应查询可以创建文本的AI，图像、视频和其他资产。生成AI系统可以与人类交互,并且通常使用大型语言模型(LLM)构建。也称为“GenAI”。 Introduction 真正了解生成性AI（续） 建立信任 不断发展的劳动力 关于企业中生成AI的状况：两次调查结果 •大多数组织（75％）预计该技术将在两年内影响其人才战略；32％的组织报告“非常高”的生成的AI专业知识已经在做出改变。•最值得期待的人才战略影响是流程重新设计(48%)和技能提升或再培训(47%)。•生成式AI有望增加一些以技术为中心的技能（如数据分析）以及以人为本的技能（例如批判性思维，创造力和灵活性），同时降低其他技能的价值。•在短期内，更多的组织表示，他们预计该技术将增加员工人数(39%)，而不是减少员工人数(22%)，这可能是由于对生成人工智能和数据专业知识的需求增加。 •缺乏信任仍然是大规模生成AI采用和部署的主要障碍。我们观察到信任的两个关键方面是：(1)对质量的信任以及生成AI输出的可靠性，以及（2）工人的信任，该技术将使他们的工作更轻松，而不会取代他们。•信任问题并没有阻止组织迅速采用生成式人工智能进行实验和概念证明，60%的人报告说他们有效地平衡快速实施与风险管理。然而，随着组织向大规模部署过渡，信任可能会成为一个更大的问题。许多人报告说，他们目前正在投入大量时间和精力来围绕生成性人工智能构建护栏。•报告“高”或“非常高”专业知识水平的组织认识到在跨多个维度（例如，输入/输出质量，透明度，员工同理心）的生成AI，并且正在实施流程以在比其他组织更大的程度上改进它。 本报告涵盖的第二次浪潮调查是在1月之间对六个行业和六个国家的1,982名董事至高管级别的受访者进行的和2024年2月。行业包括:消费者；能源、资源和工业；金融服务；生命科学和医疗保健；技术、媒体和电信；以及政府和公共服务。我们的第二季度调查结果得到了20多次高管访谈的补充。第二份报告是德勤人工智能研究所为期一年的系列报告的一部分，旨在帮助领导者在商业、技术和公共部门中，可跟踪生成性AI变革和采用的快速步伐。该系列基于德勤在过去五年中每年发布的企业报告中的AI状况。了解更多信息，请访问deloitte. com / us / state - of - generative - ai。 Now:主要发现1 创造价值 在我们的调查和访谈中，许多组织报告说，他们越来越强调生成性AI计划和投资需要有明确的价值目标并提供切实的结果，而不仅仅是被视为实验或学习经验。 因此，许多具有前瞻性的组织正在实施没有特定ROI目标的GenerativeAI，因为他们意识到他们不能在这个关键和快速发展的市场中落后。 生成AI的价值目标和优先级可以而且应该因组织，行业和用例而异。 在技术的潜在影响是战略性的，真正改变游戏规则的地方，实验、学习和创新的需求和自由度很大比生产率和成本节约是主要预期收益的情况更大(不太强调即时回报)。 正如财富500强制造公司的一位高管所指出的那样：“我们有一个非常严格的内部规则，如果我们看不到我们的GenerativeAI解决方案的价值，我们就不会这样做，也不会扩大规模。” 此外，生成式人工智能是如此新颖，而且发展如此迅速，以至于准确估计收益要比具有可靠记录的既定技术困难得多。 也就是说，有很多方法可以定义和衡量价值-特别是对于具有GenerativeAI转型潜力的技术。尽管财务投资回报（ROI）很重要，但创新，战略定位和竞争差异化等价值驱动因素可能更为重要。 我们采访的一位科技公司高管说：“任何使用了一年多一点的技术，都不会有一年的数据来实现向后看的ROI。”“随着生成性AI提供的根本性和基础性变化，甚至很难提供前瞻性的[运营总成本]或ROI，因为影响和方式多种多样。将其整合到您的业务中。” Now:主要发现 “大”或“非常大”的程度是18% - 36%，这取决于所追求的利益类型。 组织开始要求生成式AI提供切实的商业价值，有些开始实现现实世界的利益。 生成的AI“专家”正在实现他们的期望更大程度的好处。 在每个类别中，将自己评为具有“高”或“非常高”生成性AI水平的组织 正如一位公共部门高管告诉我们的那样，“最大的卖点是，如果我进行投资并做这样的事情，什么是有形的回报，什么是容易的returns?Andthenwhataremorecomplicatedlonger-termreturnsthattakemoreinvestmentmoney?IfIcandosomeoftheeasieronesandbuildonthem,itcantranslateinto我认为投资更多的钱是值得的。我相信我们行业的许多实体都在这一点上。“ 我们调查的组织期望生成型人工智能能够带来广泛的好处，最常见的目标— —至少在短期内— —是提高效率和生产率(56%)，这与上个季度调查的结果一致。 专业知识报告说，在实现其预期利益方面取得了更大的成功。他们的优势在战略和与增长相关的领域是最大的，例如改进产品和服务and鼓励创新和增长. 受访者表示，他们的组织的生成式AI计划已经实现了预期的收益 实现效益 在寻求利益的人中，在很大程度上实现利益的受访者比例 Now:主要发现 根据我们的调查，报告“非常高”的生成性AI专业知识水平的组织正在比其他组织更快更广泛地部署AI。事实上，73%的人表示他们正在以“快”或“非常快”的速度采用该技术(而只有40%的组织具有“一些”专业知识水平)。他们还在扩展在函数中更高速率的生成AI，并在函数中更多地使用它。例如，那些具有“非常 据报告，在总共8项职能中，平均有1.4项职能大规模实施， “专家”组织正在更积极地扩展GenerativeAI。 与其他类别相比，生成型人工智能专家组织在获取利益方面可能会取得更大的成功，因为与其他类别相比，它们的扩展力度要大得多，这为产生利益提供了更大的基础。 而那些具有“一些”专业知识的人只是在这样做此外，38%的具有“非常高”专业知识的人报告在营销、销售和客户服务中大规模实施了生成人工智能，而只有10%的组织具有“一些”专业知识。 Now:主要发现 从我们的高管访谈中获得的见解与调查结果密切相关，表明领先的组织正在积极扩大其生成性AI工作水平（跨多个功能或域）and垂直方向（在单个函数或域内）。这水平和垂直缩放的结合可能有助于更有效地实现价值创造。 是行业特定的和狭隘的，但更具战略影响力（例如，用于半导体设计的生成AI工具，仅由一小部分工人使用，但对业务有非常大的影响）。 并为我们节省了大量资金… …而且我们已经在许多站点上进行了非常广泛的扩展，并继续在更多站点上的更多设备上进一步扩展。” 同样，从广泛的市场角度来看，我们看到水平井跨行业的用例（例如，具有集成的生成式AI的办公生产力套件和企业资源规划系统）和垂直用例 正如一位制造业首席转型官指出的那样，“[我们有]一个非常成功的应用程序 Now:主要发现 组织主要计划将GenerativeAI的节省再投资于创新和其他运营改进。 创新和增长等战略目标，可能已经在更积极地发展强大的生成人工智能能力。 在总体受访者群体中，组织表示他们主要计划再投资成本以及从生成AI到创新驱动（45%