AI转型的进展洞察报告

2025.01 理论篇AI转型的定义和内涵 AI转型本质上是对⼈和机器智能在⽣产和经营中关系的重新设计 AI转型本质上是对⼈和机器智能在⽣产和经营中关系的重新设计，是企业通过引⼊和应⽤⼈⼯智能技术，在研发、⽣产、运营和服务等各个环节实现智能化升级，同时推动组织结构与⽂化的深度变⾰，以满⾜客户需求、提⾼员⼯幸福感，并实现财务可持续增长的过程。 智能增强 是指通过⼈⼯智能技术的赋能，在研发、⽣产、运营、服务等核⼼业务环节中，优化和重构⽣产服务流程、辅助和增强决策制定能⼒，从⽽显著提升企业的整体⽣产⼒和价值创造能⼒的过程。 汽车⾏业使⽤智能问答提升服务质量 产品价值 产品⽰例 问答准确率：35%->84% 智能增强 •知识构建效率⼤幅提升83.3%之前⼈⼯梳理单个汽车⼿册形成问答对⾄少需要30⼈天⼯作量，现在⽤⼤模型只需要5⼈天，预计每个⼿册知识梳理⾄少节省了25⼈天⼯作量，知识构建效率提升83.3% •已有2款车型接⼊使⽤，覆盖车主⽤户数百万 ⼴告⾏业使⽤AI模特提升素材⽣产效率 利⽤AI模特和背景⽣成提升⼴告素材⽣成效率，不仅能够降低⼴告成本，也能极⼤提升⼴告点击率。 智能增强 组织变⾰ 是指企业在AI转型过程中，对其组织结构、⼯作模式、流程设计和⼈才体系进⾏全⾯调整，以适应⼈⼯智能技术的引⼊和应⽤。⼀⽅⾯，已有⼈⼒在AI智⼒资源的⽀持下得到增强，另⼀⽅⾯，AIAgent被引⼊⽣产体系发挥价值，通过⼈机协同、智能资源整合与流程优化，迭代出更加灵活、敏捷、⾼效和应对变化的组织体系。 多个⾏业使⽤数智⼈员⼯/AIAgent 组织变⾰ 医疗⾏业强化⼈机协作配合 放射科医⽣ 实验助理 ⽂档记录员 ⼿术操作助理 家庭医⽣ ⼼智重塑 是指企业在AI转型中，为适应快速变化的外部环境和技术⾰新，对员⼯和管理者的思维⽅式、学习模式、决策逻辑进⾏持续性的重塑和迭代升级。其核⼼在于培养开放、多样化和适应变化的组织⽂化和学习⼼态，把持续成长作为企业和员⼯的发展⽬标。 程序员在代码助⼿助⼒下⼯作流程持续进化 每⼀个员⼯都需要终⾝学习和迭代进化 在线学习平台 ·随时随地学习，海量资料 AI研究助理 ·⽣成全⾯的研究报告，涵盖事实、数据、分析和结论 AI⾏政助⼿ ·通讯、⾏政平台，优化效率 应⽤篇AI转型的应⽤调查 调研说明 受访者企业规模 项⽬组在2024年10⽉，通过腾讯企鹅有调聚焦中⼩微企业管理者开展问卷调研，共回收3164份问卷，其中有效样本2887份，受调查者覆盖全国31个省、⾃治区、直辖市。 本次调研样本量，超过在95%的置信度和3%的误差率条件下所需的最低样本数量，样本符合统计学有效性要求。 观点：企业探索⽣成式AI的开放性较⾼，⽣成式AI的探索主要集中在核⼼业务环节，但职能性环节成熟度更⾼ 应⽤⽣成式AI的企业中，近⼋成企业应⽤AI进⾏探索的环节数量在两个及以上，反映了企业对⽣成式AI潜⼒的认可。 ⽣产式AI在企业研、产、供、销、服等核⼼环节是应⽤重点，在这些环节探索的企业占⽐均超过30%。 在IT/⽹络安全、企业战略和财务、⼈⼒资源、法务和合规等职能环节业占⽐普遍不超过30%。 但是职能性环节应⽤的成熟度更为突出，这些场景中认为应⽤成熟和⾮常成熟的企业占⽐之和均超过70%。 观点：企业应⽤⽣成式AI以多⽬标为导向，优先聚焦提升核⼼能⼒和优化现有业务，同时对创新探索保持谨慎 ⼤多数企业选择多个⽬标，如两到三个⽬的占⽐最⾼，分别为39.7%和24.9%，表明⽣成式AI被视为多功能⼯具。⽽选择单⼀⽬标的企业仅占18.7%，说明企业对AI的应⽤正在向综合性、全⾯性⽅向发展。 从具体⽬的来看，提升产品和服务能⼒（49.7%）的企业占⽐最⾼，⽣成式AI与产品融合⽣产价值是重要⽅向。但⽤于孵化新业务的⽐例仅为40.6%，占⽐最少，表明多数企业仍以优化现有业务为主，创新探索较为谨慎。 观点：与供应商联合开发产品或服务成为企业引⼊⽣成式AI的最主要⽅式 ⽣成式AI的应⽤⽅式中，与供应商联合开发产品或服务最为普遍，占⽐50.2%。这种合作模式能快速利⽤供应商技术与⾏业经验，结合企业需求实现定制化开发，更贴合具体场景。 其次，34.6%的企业选择采⽤标准成熟产品，以快速落地AI能⼒。 仅有15.3%的企业选择⾃主研发⼤模型或产品。尽管这种⽅式具备技术掌控⼒与差异化优势，但⾼投⼊、⾼风险和专业团队门槛使其仅为少数企业的选择。 观点：企业使⽤⽣成式AI的⽬标成效评价较为积极，特别是中⼩企业认为降本增效⽅⾯成效显著。 受访者对⽣成式AI的应⽤⽬标成效总体整体评价积极。企业规模越⼩对使⽤⽣成式AI的效果评价越⾼。 从各环节来看，100⼈以下的⼩微企业对于降低业务成本、孵化新业务的⽬标成效评价最⾼，1000⼈以上的企业对增加现有业务收⼊的评价略⾼于其他环节。 说明中⼩型公司可运⽤⽣成式AI更好地提升效率，⽤更低的成本挖掘新的创收⽅式，撬动企业效能。 投资篇AI转型的投资情况 观点：企业对⽣成式AI的投资普遍保持适度，在IT投资中占⽐越⾼，对投资回报率的满意度也越⾼ 在⽣成式AI的企业投⼊中，占IT预算⽐例11%-20%的企业占⽐最多，表明多数企业在⽣成式AI上的投资仍保持适度。 然⽽，从投资回报率的评价来看，投资占⽐越⾼的企业对投资回报率的满意度也越⾼，对⽣成式ai投资占⽐IT预算30%的企业对投资回报率评价较⾼和⾮常⾼之和超过90%。 观点：企业规模越⼤，对⽣成式AI的投资/付费⽐例越⾼，50%千⼈规模企业投资/付费⽐例超过IT预算30% 不同规模企业对⽣成式AI的投资/付费情况 企业规模越⼤，对⽣成式AI的投资⽐例越⾼。 对于员⼯数量在1000⼈以上的⼤型企业，超过50%的企业将30%以上的IT预算⽤于⽣成式AI； ⽽员⼯数低于20⼈的⼩型企业中，超过⼀半的企业在⽣成式AI的投⼊占投资预算的⽐例不到5%，规模较⼩的企业在投资⽅⾯更为谨慎。 观点：60%以上的企业认为应⽤⽣成式AI的投资回报率较⾼或⾮常⾼；特别是IT/互联⽹/电信、能源/制造/电⼒等领域回报率评价更⾼。 企业经营中⽣成式AI的投资回报率评估 评价为“较⾼”或“⾮常⾼”的⽐例合计达到64%，其中“较⾼”评价占43%，“⾮常⾼”评价为21%。⽽评价为“⾮常低”的仅有1.9%。 ⾏业分布显⽰，IT/互联⽹/电信和制造/能源/电⼒等⾏业的投资回报评价较⾼，⽽教育和农业的评价相对较低，说明不同领域对⽣成式AI的投资回报率有显著差异。 观点：不同省市的企业对⽣成式AI的投资⼒度存在⼀定差异，北京和上海投资超IT预算30%的企业占⽐领跑全国其他省市。 2024不同省市企业投资⽣成式AI的情况 北京、上海、江苏、⼴东和浙江的企业是全国范围对⽣成式AI投⼊⼒度较⼤的五个省市，其中北京和上海的企业对⽣成式AI投⼊超IT预算30%的占⽐最⾼； ⼴东省企业投资占⽐超10%的累计达到63%，仅次于上海和北京。 风险篇AI转型的挑战和风险 观点：缺乏合适的模型和⼯具、技术能⼒不⾜和⼈才缺乏是最⼤挑战 企业使⽤⽣成式AI遇到的挑战 总体来看，缺乏合适的模型和⼯具、技术能⼒不⾜和⼈才缺乏是企业使⽤⽣成式AI的最⼤挑战。 从⾏业来看，制造业主要挑战是缺乏合适模型和⼯具，对应的技术和⼈才缺乏；医疗⾏业，主要是缺乏管理层⽀持、技术和数据上不⾜；⾦融业主要挑战是算⼒难以获取；传媒/⽂化/体育⾏业主要是缺乏合适的模型和⼯具。 观点：个⼈隐私保护和⽹络安全是最关注的风险因素 企业使⽤⽣成式AI⾯临的风险 三分之⼀左右的受访者认为⽬前企业使⽤⽣成式AI仍存在⼀定风险，主要包括个⼈隐私保护、⽹络安全和取代⼈⼯影响就业等⽅向。 另外企业也认为可解释性/透明度、企业数据泄露和知识产权侵权、业务合规问题也是重要的风险点。 预期篇AI转型的未来展望 观点：近七成企业计划未来⼀年增加对⽣成式AI的投资，并希望提升模型的基础能⼒，降低数据和算⼒要求。 未来投资意愿和希望AI提升的维度 接近70%的企业计划在未来⼀年增加对⽣成式AI的投资或付费，其中计划增加20%-50%的企业近1/4； 26%的企业计划投资与今年持平； 仅有5%的企业会减少投资或付费。 企业认为要⼤规模普及⽣成式AI，最需要提⾼对输出结果的控制能⼒，提⾼模型的理解和推理能⼒，以及降低对数据和计算资源的要求。 观点：⼤多数⾏业认为未来员⼯数量会减少的可能性更⼤，互联⽹和教育⾏业相对更加乐观 使⽤AI后的员⼯数量变化预期 ⼤多数⾏业认为未来员⼯数量会减少的受访者占⽐更⾼，仅IT/互联⽹/电信⾏业认为未来员⼯数会增加的受访者占⽐更⾼； 认为使⽤AI后员⼯⼈数会增加的⾏业中，IT/互联⽹/电信、教育、交通/出⾏/物流排在前三，法律/商业咨询领域排在最后； 认为使⽤AI后员⼯⼈数会减少的⾏业中，法律/商业咨询、医疗/健康/医药、⾦融排在前三，说明⼈们认为AI会对这些⾏业的就业带来⽐较⼤的冲击。 观点：在尚未使⽤⽣成式AI的受访者中，⼤约40%表⽰1-3年后会使⽤，回答为不会或不确定的⼈中，主要因为技术能⼒不⾜、没找到合适的场景和⼈才缺乏⽽不⽤ 未来是否会使⽤⽣成式AI 在225位⽬前尚未使⽤⽣成式AI的受调查者中，有40%预计在未来1-3年会使⽤；还有44%的受访者表⽰不确定。 在回答为不会使⽤或不确定的受访者中，他们不采⽤⽣成式AI的原因主要包括：技术能⼒不⾜、没找到合适的场景和⼈才缺乏。 项⽬顾问：司晓、刘琼项⽬策划：袁晓辉、李南⽹络调研：邹晓婷、刘奕杉报告撰写：李南、袁晓辉、叶东婷