來源：麥肯錫

作者：Michael Chui，Sankalp Malhotra

受訪者表示，人工智慧正在迅速普及，但預計不會大規模減少企業用工人數。目前，僅有極少數企業具備讓人工智慧創造規模化價值的基本要素。

麥肯錫一項以人工智慧為主題的最新全球調研【1】 顯示，人工智慧正在全球商業領域迅速普及。人工智慧通常是指機器執行與人類思維相關的認知功能（如感知、推理、學習和解決問題）的能力，包括一系列通過人工智慧解決業務問題的能力。在調研中，我們特別詢問了九項相關能力【2】，近一半的受訪者表示，企業在標準業務流程中至少嵌入了一項能力，此外有30% 的受訪者則表示，所在企業正在試點使用人工智慧。不過總體而言，各行各業只不過剛剛開始採用這些技術並從中獲利。在那些已將人工智慧部署到特定職能的企業中，大多數受訪者表示，新技術的使用已經創造出一定或顯著的價值，但僅有21% 的受訪者表示，企業已將人工智慧部署到多個業務單元或職能中。事實上，許多企業仍然缺乏通過人工智慧的規模化應用創造價值的基本實踐——例如，瞭解哪些領域存在人工智慧的機會，以及制定明確的戰略以獲取人工智慧所需的資料。

調研結果表明，通過數字化推動核心業務的轉型，是企業有效使用人工智慧的一個關鍵因素。在數字化程度較高的企業中【3】，受訪者表示，與同行相比，他們在更多的業務職能上更充分地使用了人工智慧，對人工智慧的投資力度更大並從中獲得了更大的總體價值。人工智慧的另一項基本挑戰是找到技能精湛的專業人才進行有效實施。許多受訪者表示，企業正在採用多樣化的方式尋覓合適的人才。總體而言，對於人工智慧被用於自動執行現有工作，一些擔憂在所難免，但受訪者傾向於認為，未來幾年內這一技術不會對企業員工總人數有太大的影響。

採納、部署和應用人工智慧

人工智慧的普及情況

調研結果顯示，大多數企業已經開始在業務中採用人工智慧。47% 的受訪者表示，企業在業務流程中嵌入了至少一項人工智慧能力，另有30% 的受訪者表示，企業正在試點使用人工智慧；相比之下，在2017 年的調研中，僅有20% 的受訪者表示，企業在核心業務中使用人工智慧或規模化地使用人工智慧【4】。在整個企業部署人工智慧仍然具有相當大的潛力；我們之前的調研顯示，人工智慧的機會廣泛存在於各行各業和各個業務職能中【5】。僅有21% 的受訪者表示，企業在多個業務單元中嵌入了人工智慧能力，迄今為止，人工智慧投資在企業數字技術總支出中的佔比仍然相對較小。大多數受訪者（58%）表示，企業的數字化預算中分配給人工智慧的比例不到1/10——但受訪者（71%）普遍預計，未來幾年內這方面的投資將持續增加。

已經部署的人工智慧能力

在我們向受訪者詢問的九項人工智慧能力中，企業部署得最多的是機器人流程自動化、計算機視覺和機器學習。對於其中的每一項能力，至少有20% 的受訪者表示，企業已將相關技術嵌入業務流程中。企業部署最少的能力是機器人和自動駕駛，主要因為它們只與有明確應用領域的行業和企業相關；這些行業的受訪者表示，這兩項能力得到了相當大規模的使用。例如，在汽車和裝配行業中，有一半的受訪者表示，已將機器人部署到至少一個職能或業務單元中（與之相比，所有行業的平均水平只有16%）。

人工智慧的應用領域

從行業來看，電信、高科技和金融服務企業在整體普及率方面處於領先地位。不過調研結果表明，縱觀各個行業和職能，在部署人工智慧時企業一般都是“跟著錢走”，就特定行業而言，人工智慧則在最具價值創造潛力的業務領域最受歡迎（見圖1）。例如，在零售行業，人工智慧主要被用於營銷及銷售流程：52% 的零售行業受訪者表示，企業在營銷及銷售中使用了人工智慧，而在所有受訪者中，這一比例僅為29%。

人工智慧在哪些領域創造價值

雖然人工智慧尚處於早期應用階段，但調研結果表明，它已經產生了顯著的效益。當被問及在已部署人工智慧的業務職能中收穫的價值時，僅有1% 的受訪者表示沒有看到價值或產生了負面的價值，而41% 的受訪者表示創造了顯著的價值，37% 的受訪者表示創造了一定的價值【6】。縱觀各個業務職能，在製造和風險職能中使用人工智慧的受訪者看到的價值最大（見圖2）。超過一半的受訪者表示，在這些流程中使用人工智慧創造了顯著的價值，而35% 的受訪者表示，在營銷及銷售中使用人工智慧創造了顯著的商業價值【7】。

人工智慧的促成因素與挑戰

要充分發揮人工智慧的巨大潛力，企業進行的核心實踐必須有助於實現其潛在的規模化價值，調研表明，大多數企業在這方面還有很長的路要走（見圖3）。僅有17% 的受訪者表示，企業已經確定整個組織在哪些領域存在潛在的人工智慧機會。僅有18% 的受訪者表示，企業已制定明確的戰略以獲取人工智慧所需的資料。事實上，對於我們在調研中提及的11 種實踐，有近1/4 的受訪者表示，企業尚未開發其中的任何一種。

在談到採用人工智慧所面臨的最大挑戰時，受訪者表示，最常見的障礙也與戰略有關。他們提及最多的障礙是缺乏明確的人工智慧戰略（見圖4），其次是缺乏合適的人才，職能壁壘限制了端到端的人工智慧解決方案，以及缺乏對人工智慧具有責任感並決定投身其中的領導者。

人工智慧的一個關鍵促成因素是企業在數字化旅程中的進展。在核心業務的數字化流程中取得最大進展的企業通常也會走在人工智慧應用的前沿。在數字化程度較高的企業中，67% 的受訪者表示，企業在標準業務流程中嵌入了人工智慧能力，而在其他企業中，這一比例為43%。機器學習是普及率最高的人工智慧能力，在數字化程度較高的企業中，39% 的受訪者表示在流程中嵌入了機器學習，而在其他企業中，這一比例僅為16%（見圖5）。

與其他企業相比，數字化程度較高的企業也對更多職能部署了人工智慧，但在所有受訪企業中，人工智慧最常用的領域都是服務運營和產品開發。數字化程度較高的企業也對人工智慧進行了更大的投資：在這些企業中，39% 的受訪者表示有超過1/5 的數字技術總支出用於人工智慧，而在所有企業中，這一比例僅為8%。總體來看，在數字化程度較高的企業中，52% 的受訪者認為使用人工智慧創造了顯著的價值，而在其他企業中，這一比例為38%。

在我們提及的普及人工智慧面臨的障礙中，儘管一些障礙對於數字化程度較高的企業來說沒有那麼緊迫（僅有27% 的受訪者表示企業沒有明確的人工智慧戰略，而在其他企業中，這一比例為46%），但在難以找到合適人才方面，兩類企業的比例相當。事實上，人才是數字化程度較高的企業面臨的最大挑戰，有41% 的此類企業提及這一障礙。

人工智慧對企業員工人數有何影響

人工智慧引發了關於企業員工人數的兩大疑問：我們可以在哪裡找到知識淵博的人才來部署人工智慧？人工智慧將我們原本付薪給工人的工作變得自動化了，這會對企業員工人數有多大影響？

人才是人工智慧面臨的最大挑戰之一，無論一家企業的數字計劃有多先進，都必須在招募人才和獲取技能方面不遺餘力。受訪者大多表示，企業正在採用“上述全部”方法：聘用外部人才、在內部建立能力、向大型科技公司購買能力或獲得授權。總體來看，即使那些在人工智慧的採用方面處於領先地位的行業（電信、高科技和金融服務行業），在吸引人才上也會內外兼顧雙管齊下，儘管它們比其他行業更專注於開發自己的人工智慧能力。與其他行業相比，這些行業中表示正在建立內部人工智慧能力的受訪者比例更高，這就需要具備相應技能的內部人才。在高科技和金融服務行業，有更高比例的受訪企業會進行員工再培訓或技能提升。數字化程度較高的企業也是如此：與其他企業相比，正在開發內部人工智慧能力的受訪比例更高，並且注重對現有員工進行再培訓或技能提升（見圖6）。

與此同時，在通過人工智慧實現人力勞動的自動化方面，數字化程度較高的企業比其他企業做得更多。從職能來看，受訪者提及最多的自動化流程是客戶服務、IT 和服務運營流程，且數字化程度較高的企業在這三個方面的自動化程度都超過未來對企業員工人數的影響將是輕微或積極的。許多受訪者表示，人工智慧在3 年之後不會對企業員工人數產生實質性的影響。在數字化程度較高的企業中，有更高比例的受訪者預計，企業員工人數將不降反升。它們也比其他企業更樂觀地認為員工人數將會增加，在數字化程度較高的企業中，有31% 的受訪者持這一觀點，而在其他企業中，這一比例為18%。結合本次調研以及麥肯錫其他調研的結果【8】，人工智慧對勞動力的最大影響可能在於工作內容的變化（尤其是導致人機協作增加），而不是企業員工人數的減少。了其他企業。然而，這些企業（以及所有企業）的受訪者都傾向於認為，人工智慧未來對企業員工人數的影響將是輕微或積極的。許多受訪者表示，人工智慧在3 年之後不會對企業員工人數產生實質性的影響。在數字化程度較高的企業中，有更高比例的受訪者預計，企業員工人數將不降反升。它們也比其他企業更樂觀地認為員工人數將會增加，在數字化程度較高的企業中，有31% 的受訪者持這一觀點，而在其他企業中，這一比例為18%。結合本次調研以及麥肯錫其他調研的結果8，人工智慧對勞動力的最大影響可能在於工作內容的變化（尤其是導致人機協作增加），而不是企業員工人數的減少。

展望未來

調研結果表明，在讓人工智慧創造規模化價值方面，數字化和某些基礎實踐至關重要。企業可以採取以下幾個步驟，以充分發揮人工智慧的潛力：

■在數字化旅程中取得進展。調研表明，數字化是實現人工智慧價值的前提這關係到對核心業務流程的變革以及全新的工作方式。但是如果沒有強大的數字化基礎，企業的人工智慧系統將缺乏必要的訓練資料，無法建立更好的模式，也無法將出色的人工智慧洞見轉化為大規模的行為變化。

■衡量人工智慧對整個企業的影響。雖然大多數企業已經在一定程度上部署了人工智慧，但只有極少數企業將其嵌入多個業務單元或職能的標準操作流程中，大約1/3 的企業只是在進行試點。儘管人工智慧尚處於早期階段，但陷入“試點煉獄”是一個切實的風險【9】。為了收穫累累碩果，不僅需要在整個企業內部擴散這些能力，領導者也要對此真正理解並做出承諾以推動大規模變革，除了技術之外，還需要關注變革管理。

■落實關鍵的促成因素。儘管人工智慧正在迅速普及，但調研顯示，在如何讓人工智慧創造規模化價值方面，企業往往缺乏所需的許多基本促成因素。這些因素包括高管層支援，開發整個企業的人工智慧機會組合檢視，採取行動彌補人才缺口以及實施成熟的資料戰略。所有這些都需要圍繞人工智慧專案和議程的更多戰略思維。業務和技術領導者必須迅速行動起來，將這些關鍵促成因素落實到位。否則，企業很可能會錯過當前乃至未來的人工智慧機會。

【1】 這項線上調研於2018年2月6日—2月16日進行，共有來自不同地區的2 135名受訪者參與，他們代表了不同的行業、企業規模、職能專長和任期。為了對應答率的差異進行調整，相關資料根據受訪者所在國家對全球國內生產總值（GDP）的貢獻進行加權。

【2】 九項人工智慧能力分別是：理解自然語言文字、理解自然語言講話、生成自然語言、虛擬代理或對話介面、計算機視覺、機器學習、機器人、自動駕駛和機器人流程自動化（RPA）。有人認為RPA本身不應被歸入人工智慧，但是根據我們的經驗，RPA系統正在結合越來越多的人工智慧能力。

【3】 我們對數字化程度較高的企業的定義是平均數字化程度為51%或以上的企業。數字化程度根據下列衡量指標的平均百分比計算：通過數字渠道銷售的產品及（或）服務的銷售佔比；具有數字本質的核心產品及（或）服務（例如，虛擬或數字增強）；自動化及（或）數字化的核心操作；以及數字化的或通過與供應商的數字化互動而移動的供應鏈容量。

【4】 根據2017年對亞洲、歐洲及北美14個經濟部門和10個國家的3 073家企業C級高管的調研，在向這些受訪者瞭解企業採用人工智慧技術的情況時，相關問題與我們最新的調研有所不同，具體來說，包括企業是否正在通過研究、試點或概念驗證來探索人工智慧；企業目前是否在使用人工智慧技術，但不是針對核心業務或進行大規模使用；以及該技術是否針對核心業務進行大規模使用。這些問題中的最後一個選項與此次調研的兩個選項最為相似：在至少一個職能或業務單元的標準業務流程中嵌入了人工智慧能力，以及在多個職能或業務單元的流程中嵌入了人工智慧能力。關於之前調研結果的更多詳情，請參閱麥肯錫全球研究院釋出的報告：Artificial intelligence: the next digital frontier ？2017年6月，McKinsey.com。

【5】 更多詳情請參閱麥肯錫全球研究院的報告：Notes from the AI frontier:applications and value of deep learning，2018年4月，McKinsey.com。

【6】 只針對企業已部署人工智慧的受訪者，向其詢問在不同職能中使用人工智慧能夠創造多少價值。

【7】 在我們看來，由於營銷及銷售工作通常部署了其他分析技術，因此人工智慧為其帶來的業績提升可能不及較少使用分析技術的其他職能部門。

【8】更多詳情請參閱麥肯錫全球研究院的報告：Harnessing automation for a future that works，2017年1月，McKinsey.com；Jobs lost, jobs gained: what the future of work will mean for jobs, skills, and wages，2017年11月，McKinsey.com；Skill shift:automation and the future of the workforce，2018年5月，McKinsey.com。

【9】 更多詳情請參閱Oliver Fleming、Tim Fountaine、Nicolaus Henke和Tamim Saleh所著的“Ten red ags signaling your analytics program will fail”一文，2018年5月，McKinsey.com。

作者：

Michael Chui 和Sankalp Malhotra 負責本次調研的開發和分析。

Michael Chui為麥肯錫全球研究院董事，常駐舊金山分公司；

Sankalp Malhotra為麥肯錫前諮詢顧問。

未來智慧實驗室的主要工作包括：建立AI智慧系統智商評測體系，開展世界人工智慧智商評測；開展網際網路（城市）雲腦研究計劃，構建網際網路（城市）雲腦技術和企業圖譜，為提升企業，行業與城市的智慧水平服務。

如果您對實驗室的研究感興趣，歡迎加入未來智慧實驗室線上平臺。掃描以下二維碼或點選本文左下角“閱讀原文”