普华永道：2024年人工智能业务预测

随着技术的飞速进步、投资的大幅增加以及人才争夺的白热化，人工智能（AI）将在2024年开始从根本上改变商业运作模式。这种变革将涉及企业增收、日常运营、客户和员工吸引、以及新商业模式的构建等多个方面。

根据我们2023年的新兴技术调查显示，73%的美国企业已在其部分业务领域应用了AI技术。其中，生成式人工智能（GenAI）正引领这一潮流。ChatGPT问世仅一年，就有超过半数（54%）的受访企业在某些业务领域实施了GenAI。

GenAI极大地提高了AI的可访问性和可扩展性。只需简单定制，单个GenAI模型就能在多个业务功能和跨业务线中发挥作用。无论您是CEO还是软件开发人员，是税务主管还是产品设计师，到2024年底，AI都将为您提供全新且更强大的工作方式。

基于我们七年来持续进行AI预测的经验，以及在AI领域的长期领导地位，我们有信心对2024年提出六项新的预测。其中一些预测已经成为成熟趋势，而其他预测仍在酝酿中。所有这些预测都可能引发具体行动，从而在未来多年内创造商业价值。

1、选择正确的人工智能策略，为企业赢得显著优势

到2024年，虽然许多公司将从生成式人工智能（GenAI）中获得可观的投资回报，但真正能从中实现变革性价值的企业却寥寥无几。尽管GenAI看似易于使用，且众多云服务提供商已将其功能嵌入产品中，但要充分发挥GenAI的潜力，远不止于让员工在企业应用中使用这些新功能那么简单。企业需要根据自身需求定制GenAI，利用其出色的可扩展性，同时密切关注潜在风险。

要避免陷入用例陷阱。孤立地使用GenAI只能产生有限价值。相反，应优先考虑可扩展的”模式”。例如，GenAI从非结构化数据（如文本）中提取洞见的能力，几乎可以帮助所有知识型员工提升能力，做出更明智的决策。

重要的是，要激励员工不仅使用新技术，还要利用它重新构想工作方式。技术进步意味着员工可以通过部署和定制GenAI来重塑工作，实现部分任务自动化，同时增强其他任务的效果。随着技术不断进步、成本持续下降，领导层需要进行战略性思考：一旦GenAI降低了数字劳动力成本，企业是否能转向新的运营和商业模式？

下一步做什么

1. 高瞻远瞩，大胆规划：要实现AI的变革性价值，可考虑获取云服务提供商提供的公开可用模型的私有版本授权。然后，部署AI工厂对其进行定制和扩展，以满足企业独特需求。同时，要思考当GenAI使知识型员工工作效率提高30%到40%时，企业将如何运营。
2. 以人为本：实现变革性价值的最大障碍可能是让经验丰富的员工与GenAI互动，重新构想工作方式。为创新提供激励，当员工利用AI重新定义自己的角色时，用新的、更大的机会来奖励他们。
3. 系统性设定优先级：面对AI的多样化应用，确定重点可能颇具挑战。建议采用一种方法，综合分析流程的价值、可扩展性、当前耗时以及可用于支持该流程的数据特性，以此确定优先级。

2、生成式AI将重新定义领导和员工的工作方式

尽管2024年还无法完全预测人工智能对就业的长期影响，但可以肯定的是，它将开始改变几乎每个人的工作方式，尤其是高层管理者。无论是在管理层还是一线员工中，懂得如何运用人工智能的人将更具竞争优势。长期以来，业界一直强调劳动力需要掌握人工智能技能，这一点确实至关重要：员工需要相应的技能、指导和激励，以负责任地使用人工智能。

然而，管理者面临的挑战更为严峻。除了学习如何合理使用人工智能外，中层管理者还需要掌握监督和评估由人工智能代理完成大部分工作的团队的技能。职能部门领导必须了解人工智能不仅能够优化流程，还可能彻底取代某些流程。高层管理者则需要在人工智能原生运营和商业模式方面发挥引领作用。目前，同时具备组织管理和人工智能知识的领导者还比较少见，而缩小这一差距至关重要。

下一步做什么

1. 以人为本，以技术为驱动：在努力缩小领导团队和普通员工之间的技能和愿景差距时，应聚焦于如何通过人工智能提升员工价值。部署人工智能以提高员工处理高价值工作和复杂数据驱动决策的能力。
2. 释放人才潜力：提供适当的激励措施、技能培训和指导，组织中的每一位知识工作者都可以利用生成式人工智能来自动化或增强他们的工作。鼓励他们探索使用生成式人工智能的新方法，以提高工作效率、扩大工作规模并降低成本。
3. 依托人工智能原生开发者：越来越多的劳动力，包括许多大学毕业生和初级员工，已经习惯于在日常工作中使用生成式人工智能。制定计划以充分发挥这些”人工智能原住民”的技能和思维方式，而不是将他们束缚在传统的工作流程中。

3、AI可信度的关键时刻即将到来

到2024年，人工智能将成为员工与数据、利益相关者以及彼此互动的重要组成部分。建立对AI的信任至关重要，这不仅仅意味着要确保系统的合规性和安全性。更重要的是，我们需要使用恰当的数据、政策和监督，在适当的场景中部署合适的解决方案，以获得相关且可靠的结果。这需要采用负责任的AI方法、企业级策略以及一套完整的实践体系。负责任的AI可以帮助每个开发和使用AI的人在整个过程中始终关注如何建立信任。

负责任的AI即将迎来关键时刻，主要有两个原因：

1. 随着通用人工智能（GenAI）承担更多工作——如撰写财务报告、自动化部分软件开发、分析专有数据以制定上市策略等——潜在错误可能会产生深远影响，甚至可能阻碍企业转型计划。
2. 我们预计，AI相关风险将引起公众更多关注。政策制定者已经开始采取行动，我们可能会看到与GenAI相关的犯罪（如政治深度伪造）成为新闻头条。虽然许多GenAI供应商现在愿意为潜在的版权侵权向客户提供赔偿，但确保AI系统结果可信仍然是企业自身的责任。

下一步做什么

1. 避免重蹈覆辙：许多早期数字化项目在起步时未能将信任融入其基础架构中，导致后期不得不尝试弥补差距，对平台和产品进行逆向工程。更好的做法是从一开始就将信任嵌入AI项目中，从战略和设计阶段就开始考虑。如果从一开始就采用负责任的AI方法，AI项目将推进得更快、更具成本效益。
2. 不必从零开始：虽然AI增强或自动化高价值任务和决策的能力需要采取措施来管理新风险，但这并不意味着要重新发明轮子。可以在现有的治理、网络安全、隐私和合规性框架的基础上，在组织中建立负责任的AI体系。
3. 高层参与：由于AI可能会渗透到组织的各个方面，所有高层管理者都应该参与到负责任AI的使用中。确保每位高级领导者都了解他们在帮助AI系统赢得信任方面的角色，以及他们所在部门的具体职责。

4、生成式AI：数据价值链中的关键一环

生成式人工智能（GenAI）正在成为数据价值转化的重要推动力。它能以前所未有的效率将海量数据转化为实际价值，大幅提升了许多数据项目的投资回报率。GenAI的强大之处在于它能处理各种非结构化数据，包括演示文稿、战略文件、客户日志等各类文档。它可以快速扫描、阅读、总结、翻译、分析这些信息，甚至排除其中的故障。这一能力恰好解决了许多企业面临的一大难题：如何有效处理和利用复杂的非结构化数据。

然而，GenAI并非万能。要充分发挥其潜力，企业仍需完成一系列基础工作，如数据数字化、云端迁移、确保数据可靠性和合规性，以及风险管理等。越来越多的高管意识到这些数据现代化工作的重要性。我们的调查显示，44%的商业领袖计划在2024年开展数据现代化项目，以更好地利用GenAI。

下一步做什么

1. 充分利用云技术：将数据迁移至云端可以显著提升GenAI的处理能力。但这需要建立权威的数据源，明确数据使用权限，建立高效的数据更新和分发机制，同时加强数据治理、网络安全、合规性和隐私保护。
2. 避免数据冗余：不要盲目地将所有数据都交给GenAI处理。应该评估现有数据的价值，筛选出真正有用的信息。同时，及时清理可能引发合规或安全问题的不必要数据。
3. 培养数据管理人才：鼓励数据所有者从单纯的数据管理者转变为数据管理员。他们应该将数据视为宝贵的资产，不断提升数据质量，并思考如何让数据为组织创造更多价值。数据使用越广泛，其创造价值的潜力就越大。

5、生成式AI将引领转型浪潮

生成式人工智能（GenAI）正在各个领域推动转型，使之变得更加切实可行。特别是当与云技术结合使用时，GenAI能够处理非结构化数据，几乎可以加速任何与数据相关的转型计划。它不仅能在以前难以触及的领域实现转型，还能帮助企业跨越多个发展阶段。

GenAI的强大之处在于它能够处理复杂的任务和流程，这些任务在过去的财务、税务、法律、IT和合规等部门中往往难以实现。举例来说，它可以帮助企业更有效地满足新的第二支柱税务报告要求。更广泛地说，在不久的将来，企业可能不再需要频繁升级常见的应用程序。相反，将这些应用迁移到云端后，应用程序本身以及定制的GenAI模块将能够持续演进，以满足企业不断变化的需求。

下一步做什么

1. 培养全员转型意识：GenAI有潜力改造各类知识工作。企业中的每一位知识工作者都应该思考GenAI如何改变自己的角色，并积极采取行动。
2. 重新评估外包和离岸策略：作为GenAI主导的功能转型的一部分，企业应考虑将关键业务流程重新内部化。通过定制的GenAI工作流程，可以经济高效地处理税务、财务、软件开发和人力资源等领域中许多常被外包和离岸的任务。
3. 全面考虑基础因素：在增加人工智能投资时，除了考虑技术、成本和成果外，还要充分考虑可持续性、行业特定法规和竞争对手等因素。由于人工智能甚至可以增强复杂的高价值知识工作和决策能力，企业可能需要采用新的方法来衡量其价值。

6、生成式AI将催生新的产品和服务类别

生成式AI正在彻底改变企业开发新产品和创造收入来源的方式。得益于这项技术，构建新流程、开发新产品和服务，以及创造新的客户互动环境，都正在演变为”无代码”活动。只要企业建立了强有力的治理和监督机制，领域专家和创意人才就能直接利用AI和数据（这些数据将以易于理解和使用的方式呈现）。

我们已经看到基于云的企业应用程序逐步整合了更多生成式AI功能，但这仅仅是个开始。未来，企业应用程序将不再把生成式AI作为可选附加组件，而是将其作为核心功能。这些以AI为基础的应用程序将比以往任何产品都更快速、灵活和可定制。此外，我们还将看到生成式AI与其他技术（如机器学习）融合后产生的创新产品和服务。很快，扩展现实设备、物联网网络和机器学习过程等都将依赖生成式AI。

下一步做什么

1. 彻底革新，而非简单适应：要充分发挥AI创造新产品和服务的潜力，不要仅仅将其整合到现有的工作流程和技术工具中。相反，应该创建全新的方法，以快速且高效地将创意转化为具体成果。
2. 提升技术基础设施：为了在企业各个层面应用AI，技术架构和企业数据模型必须进行相应的调整。新的硬件和软件将越来越多地以AI为核心，这可能会大幅提升这些投资的价值。
3. 保持警觉：随着AI成为日常运营、其他技术应用以及新产品和服务不可或缺的一部分，加强监督和治理变得比以往任何时候都更加重要。