AI在企业应用：四大主题值得关注

贝恩公司是一家全球性管理咨询公司，专注于为客户提供战略、运营、技术、组织、私募股权，以及兼并等方面的咨询服务，对于每家客户的自身问题度身定制切实可行的方案，并在合作过程中向客户传授相关技能以确保变革顺利贯彻。

贝恩公司就人工智能（AI）部署程度开展的季度调研发现，企业正在积极探索生成式AI如何提升业务效益，大多数企业已经提出或部署相关举措。

对于生成式AI而言，如果说2023年旨在探索AI应用的所有可能性，那么2024年重在交付成果和创造真正的商业价值。去年，企业高管最关心的是AI应用的质量和潜力；但到了2024年，部分高管已经开始考察AI应用能否创造真正的价值。

毫不意外，科技企业在AI用例开发方面快人一步。相比其他企业，科技企业对AI有更切合实际的预期。

大多数企业选择自建生成式AI应用，主要是现成的解决方案要么尚不完善，要么不够具体。不过，这一情况未来可能会有所改变。

大多数企业正在为AI技术的广泛应用打基础：2024年年初，有87%的受访企业表示，正在开发、试点或着手部署生成式AI，其中大多数是软件代码开发、客户服务、营销和销售，以及产品差异化领域的早期部署。

为了更好地了解企业如何应用生成式AI，以及如何扩大试点项目规模，为整个企业创造价值，贝恩围绕人工智能部署程度开展了季度调研。调研发现，企业正在加大对生成式AI的投资。在大型企业中，大约有20%的企业每年投资金额高达5000万美元。这也体现出这些企业的战略眼光：超过60%的受访企业将生成式AI视作未来两年的几大战略重点之一，但只有35%左右的企业围绕如何利用生成式AI创造商业价值制订了明确的愿景。

在新近开展的调研中，我们发现了四个值得关注的讨论主题，从中可以看出企业在2024年对这项新技术的看法与几个月前相比，有哪些异同。

主题一

AI技术目前能否为企业带来价值？

各行各业已经开始更认真地对待生成式AI这一新技术，从高调炒作转向客观评价。随着从试点项目中吸取了越来越多的经验教训，企业对技术安全性和技术应用方面的挑战了解得越来越深入，在讨论的过程中也能更深思熟虑、有的放矢。我们发现，企业对组织就绪度的担忧有所增加，对质量和风险的担忧则逐步减少。

企业最先面临的安全问题与我们在其他技术转型（如云技术）过程中观察到的情况类似。然而，云技术领域的安全问题需要更长时间才能解决。而在生成式AI领域，我们注意到新技术的应用速度更快，并且企业很早就开始思考与实际应用相关的价值创造问题。

与其他数字化转型类似，仅仅依靠流程自动化或将现有流程迁移到更高效的新技术上，带来的收益不一定足以证明投资的合理性。真正的价值在于新技术对我们的工作方式和工作内容带来的改变。

主题二

五大领域有望推广生成式AI应用

企业在部署生成式AI后，往往会发现AI应用的实际表现略低于预期。目前，初见成效的五大应用领域包括销售及销售运营、软件代码开发、市场营销、客户服务和客户引导。相比之下，法务、运营和人力资源领域的AI用例效果似乎不尽如人意（图一）。

图一：AI应用的实际表现与2023年年末的预期相比有所下滑

主题三

科技企业在技术应用上快人一步

就技术部署程度而言，科技企业通常走在前沿，也更了解技术应用的真正难度。

与非科技企业相比，有更多的科技企业表示其数据、资源和政策已经准备好支持生成式AI应用，但这一领先优势没有从前那么明显。

近80%的科技企业认为，企业有一定的数据基础、人才储备和技术能力开发AI应用。但是，大约有50%的企业认为需要加强非结构化数据采集、加大资源投入、完善数据安全协议和能力，以支持AI应用实施。

主题四

外购还是自建？两者兼而有之

外购和自建是企业部署AI技术的两种常见途径。

企业愿意购买市面上现成的第三方解决方案，但也会根据自身需求进行定制。正如我们所预想的那样，不少AI应用都是由企业内部自行构建的，原因很简单：现成的解决方案要么不够完善，要么不符合预期。

随着第三方解决方案日趋成熟，预计会有更多的企业选择外购而非自建。近年来，各类生成式AI工具层出不穷，购买现成应用的企业占比呈小幅增加，但实际效果却喜忧参半。对比2023年10月和2024年2月的调研结果，我们发现有更多的受访企业认为“供应商和工具质量低下”是导致生成式AI表现低于预期的主要原因（图二）。

图二：AI应用表现欠佳和输出结果质量低下是科技企业高管的主要痛点

总而言之，我们的季度调研结果显示，各行各业对生成式AI带来的业务价值抱有非常高的期望，并且在人才和其他资源领域进行了相应的投资。部分应用案例已经展现出广阔的应用前景。

我们建议高管团队根据最新进展及时调整对AI技术的预期和资金投入。

为了取得竞争优势，不少企业都在自行开发解决方案，但考虑到第三方解决方案未来将更加成熟和完善，企业将会有更多的外购选择。

随着AI技术逐渐走向成熟，我们认为企业在交付成果上的差异主要取决于其数据质量，以及利用AI满足用户需求和提升效率的运营能力。