从有前途到有生产力 ： Gen AI 在服务中的实际成果

操作实践 从有前途到有生产力：GenAI在服务中的实际成果 早期采用生成式人工智能的服务组织发现，为了获取更多价值，他们需要更加严谨。 由豪尔赫·阿马尔和OanaCheta 与伊万·黄和斯蒂芬·徐 2024年8月 生成AI(genAI)也可以提供运营领导者所希望的生产力提升为了应对成本压力——如果领导者能够行动起来的话。麦肯锡最新的科技趋势研究发现，全球仅有11%的企业在大规模应用生成式人工智能（genAI）。1 操作是主要差距：在2024年2月对150位北美和欧洲大型公司高管的调查中，只有3%的受访者表示其组织已扩大了通用人工智能（genAI）的应用规模。 与操作相关的领域中的案例。2024年4月进行的一项单独调查超过 全球250位企业职能领导者发现，服务运营的表现仅略好一些。例如，在财务职能领域，大约 相较于2023年的11%，现在有45%的组织正在试点生成式人工智能解决方案，但仅有6%的组织实现了规模化应用。 结果反映了运营领导者对于已部署的众多应用场景中，哪些能够真正带来实际的竞争优势存在不确定性。高管们明白从其通用人工智能投资中实现全额价值并非一蹴而就之事：四月份调查的受访者中有三分之二的人设置了 三到五年的时间表(图表1)。 但许多人也表示，他们希望更加确信自己的承诺能够得到回报。一位首席执行官最近对我们说：“我们已经投入了约1亿美元的资金，支持数百个生成式人工智能项目。” 附件1 大多数高管预计，从其生成式AI投资中完全获取价值将需要三到五年的时间。 按功能划分，实现当前生成AI计划价值的预期时间，%的受访者 总体3 66 16 财务人力资源ITLegal Operationsand 客户关怀 11 65 23 20 57 21 9 82 9 19 70 8 4 13 61 18 8 Notsure12 >5年 3-5年 15 1-2年 注意：由于四舍五入，数字可能不会总和为100%。 资料来源：2024年麦肯锡公司和业务职能部门CXO调查，2024年4月10日至5月30日进行，n=276 麦肯锡公司 1“走过一代AI的蜜月阶段：CIO从试点到规模的七个硬道理”，麦肯锡，2024年5月13日。 "实验；收获至少一部分价值有助于我们了解额外投资是否值得。"公司还提到了路线图不清晰、人才短缺和治理不成熟等进一步阻碍规模扩大的因素。 然而，少数公司已经捕获了实际的价值，将超过10%的EBIT归因于他们对生成式人工智能的应用。2这些早期的成功揭示了构建跨组织部署通用人工智能（genAI）时需面对的三个关键任务。首先，设计一个统一、有纪律的操作策略来部署genAI至关重要。这意味着要优先考虑-确保技术的可靠性和稳定性，以支持大规模部署 ；-建立一套明确的流程和标准，指导genAI在不同部门和项目中的应用；-强化团队协作与沟通，确保所有利益相关者对genAI的预期、目标和风险有共同的理解 ；第二，建立一个持续学习和优化的文化，鼓励创新和快速迭代，同时保持对最佳实践的关注。这包括： -鼓励跨职能团队合作，促进知识共享和问题解决；-实施定期评估和反馈机制，以监测genAI系统的性能并及时调整策略；-采用数据驱动的方法，利用数据分析来识别改进机会并推动技术创新；第三，建立有效的治理框架，确保genAI的应用符合道德规范、法律要求和社会期望。这涉及：-制定明确的政策和程序，规定genAI的使用范围、权限和责任；-定期审查和更新治理框架，以适应不断变化的技术环境和用户需求； -加强与利益相关者的沟通，确保透明度和参与度，增强公众对genAI的信任；通过聚焦于这些关键任务，企业可以更有效地部署和管理genAI，从而实现跨组织的规模扩展，并确保其成功实施。 专注于其不仅能够转变特定流程点或领域，还能重新设想完整工作流的潜力，以实现长期价值的应用案例 。 其次，为了实现长期广泛的影响，公司需要专注于支持生成式人工智能工作的人员所依赖的推动因素——提供必要的治理和绩效基础设施，同时投资于变革管理和持续创新文化。 第三项任务是前两项工作的结晶：精心地将通用人工智能工具与人类能力整合，以创造最先进解决方案，例如自主通用人工智能代理或副驾助手。 最成功的机构能够应对复杂工作流程的每一个步骤。例如，在一家银行中，生成式人工智能代理现在起草信用风险备忘录，这使得每位关系经理的收入提高了20%。财务部的副驾驶 消费品制造商正在削减与财务规划和分析相关的运营费用，金额在6百万美元至1亿美元之间。 战略性部署可运营的GeneralAI 正如早期技术变革的浪潮一样，生成式人工智能（genAI ）引发了“飞行员炼狱”的幽灵，其中数十个实验未能产生持续的影响。已经建立起部署genAI能力的组织通常在其genAI投资上获得更好的回报，无论是短期还是长期。它们特别擅长思考流程顺序，重点在于 已经建立了部署能力的组织 GenAI倾向于在短期和长期内看到他们的 GenAI投资的更好回报。 2《2024年初AI状态：通用人工智能采用激增并开始产生价值》，麦肯锡，2024年5月30日。在876位估计其组织EBIT中归因于通用人工智能的比例的调查受 访者中，有46人给出了超过10%的具体数值。 可扩展性和可重用性，这样他们就可以重新想象整个价值创造链。 构建这种通用人工智能（genAI）转型的成熟度如今变得至关重要，这使得公司几乎没有时间浪费。理想情况下，从较低风险、较早的应用中汲取教训，可以建立起关键能力，这些能力有助于后续较高风险（但也意味着更高回报 ）的应用成功。 确定用例的优先级 全球银行的经验展示了战略部署通用人工智能（genAI）带来的益处。首先，通过深入评估业务影响和技术可行性 ，该银行从可能应用通用人工智能的23个领域中筛选出两个关键领域：消费者银行业务中的客户服务部门和... 了解您的客户(KYC)功能 和投资银行领域。尽管表面上存在差异，这两个领域不仅展示了基因AI影响的巨大潜力，而且在基于基因AI的知识提取和综合方面也共享了一些共同点，尤其是对于寻求支持的客户。同样的技术可以支持这些需求。 为了信息和寻求内部文档的员工，以便基础技术能够更有效地重用和扩展（见图2）。 为了决定哪一方先进行，公司应用了额外的一个筛选标准 ：风险。由于反洗钱功能的数据具有机密性，使其成为高风险目标，因此银行首先启动了呼叫中心。最终的战略决策涉及在客户服务中部署哪些用例。考虑到“可扩展性”和“复用性”的重要性，聊天机器人脱颖而出。 附件2 公司可以根据底层模块之间的潜在协同作用来确定生成AI用例的优先级。 未来和以前实现的用例之间的模块使用重叠，说明性，% 以前实现的用例 0255075100 优先 通话中的实时副驾驶 自动合规性监控用于模型训练的合成 数据生成器 数据收集和分析 未来用例 知识搜索聊天机器人 AI个人助理编码文档副驾驶编码 面向客户的聊天机器人自动生成FAQ个人AI培训师业务文档生成接触后分析内容个性化 资料来源：专家访谈麦肯锡公司 核心问题在于：“生成式人工智能如何帮助我重新思考我的运营？”回答这一问题意味着将每个流程视为更大工作流的一部分来进行重新审视。 顶级：它相对容易实施，能够产生可衡量的结果，并有助于建立类似用例的基础，这些用例可以提取和综合复杂数据。 在短短几周内，该中心完全设计的用例包括一个面向客户的聊天机器人。 在仅仅七周的使用后，新聊天机器人提供了改进的客户体验，为约20%的联系消除了等待时间。 中心请求。 此外，接触中心的经验形成了银行可以适应用于了解客户 （KYC）功能的可重用基础。聊天机器人现在 "智能虚拟代理"的一个组成部分，该代理引导关系经理通过一个高度自动化的客户身份验证（KYC）流程。虚拟代理可以预先填充客户信息到表单中，确定所需文件，验证上传数据，并对缺失信息进行后续跟进。 从点解决方案到完整的工作流程然而，正如银行的例子所说明的那样，生成AI的核心操作问题不是“如何 GenAI能帮助我改进当前的流程吗？“ "改善"一个流程通常意味着仅仅解决症状而非根本问题 ——例如，使用生成型人工智能来自动化会议中的笔记和待办事项生成，而不考虑最初为何会有如此多的会议。 核心问题因此更为广泛：“生成式人工智能如何帮助我重新思考我的运营？”回答这一问题意味着将每个流程作为更大工作流的一部分进行重新审视——在许多情况下，还需要将其视为用户或客户旅程的一部分。 打破障碍，更好的服务。为了说明这种差异，可以考虑一家领先的北美电信提供商的情况。该提供商在使用案例优先级分析中聚焦于客户服务，而不是首先探索生成式人工智能工具如何改善特定流程。 在关怀措施方面，公司采取了退一步的策略，转而探讨人工智能生成内容如何能够与传统的流程改进技术以及新颖的方法相结合。 在整体客户服务职能范围内提高生产力的人才。 这种视角的转变促使公司重新评估其客户旅程，从最初接触直至最终解决的每一步都进行了传统的流程映射。手头有了这些流程图后，公司领导层审视了每一步骤，以确定是否存在过度设计或不必要的环节，并考虑了这些步骤对整体流程的影响。 客户体验(如增加的复杂性或等待时间)与潜在风险的关系它的消除(如增加的欺诈或安全漏洞)。 例如，在公司规划了更改电话号码的旅程之后，一个特定的 出现了一个复杂且痛苦的过程，公司提供了让客户付费将此过程委托给员工的选择。但由于客户不愿付费，员工通常会亲自指导这一过程。 通过这一过程——对于客服中心来说，这是一个昂贵的替代方案。一旦公司理解了客户为什么会陷入困境，就可以设计 自助服务解决方案。结合 其他技术中，通用人工智能（genAI）的能力提供了详尽、自动化的指导，使得公司能够降低平均通话时长（以及成本），同时完全消除费用，从而提升客户体验（见图3）。 对客户痛点的根本原因进行更深入的分析还揭示了公司需要解决的内部不一致问题，这在生成AI之前至关重要 。 这种情况下可能提供解决方案——例如，当市场营销团队设定的价格变动导致客户来电激增，而客服团队无法处理时。未意识到这些变化，代理人员会将客户转接到其他部门， 经常在多个循环中进行，导致护理团队为了留住那些感到沮丧的客户而提供大幅折扣。 因此，该公司对其 跨职能工作流程，以便客户服务团队能够与营销团队合作 ，提前预见到潜在的客户关切，并制定适当的回应。领导者们还重新审视了服务团队所需的技能，开发了新的人才档案（以及相关的能力建设模块），以确保团队具备应对各种情况的能力。 附件3 基于AI的生成助手可以主动传达信息，并帮助那些陷入管理任务的客户。 更改手机号码的客户旅程，说明性 当前流程 GenerativeAI(genAI)解决方案 客户想要更改手机号码 客户在流程早期放弃首次尝试（例如，遇到错误或感到困惑） 一段时间后，客户重新启动流程 ，确定重试 客户面临困惑，并致电客户服务寻求帮助 客户服务代表解释说，代理商可以处理额外费用的变更请求 客户不愿支付费用；表示 句子指导客户通过在线更改电话号码 使用genAI改进流程 客户想要更改手机号码 客户在流程早期放弃首次尝试（例如，遇到错误或感到困惑） 基于Gen-AI的助手识别客户第二次尝试更改号码 GenAI助手主动发送带有链接的SMS，以开始对电话号码更改的自动支持 客户遵循说明并成功在线更改电话号码 麦肯锡公司 工作流程可能会因此演变。改变内部协作模式为后来基于通用人工智能（gen-AI）的自助服务选项奠定了基础，同时分析型人工智能工具可以优化人员分配以提供额外的呼叫中心覆盖。 释放员工的能力。员工旅程是拼图的最后一块。公司对代理人员体验的每一步都进行了分析，从登录到解决客户咨询和完成任务。这一分析涉及简化流程并减少代理人员需互动的技术系统的复杂性。该电信提供商还识别了代理激励与客户需求之间的潜在不一致，确保