生成式AI（Generative AI）在飞速演进， CEO们也在探索其商业价值及潜在风险。为此，我们提供一份生成式AI核心概要，供广大CEO们参考。
自ChatGPT、Bard、Claude、Midjourney以及其他内容生成工具问世以来，人们对生成式AI抱有很高期待。各企业CEO自然也在思考：这究竟是科技炒作，还是颠覆行业格局的机遇？如果是后者，那生成式AI能给自身业务带来什么价值？
CEO们想知道是否应立即采取行动，以及如果采取行动，该从何开始。有些人可能从中看到了机遇，希望通过重塑人与生成式AI应用程序协同工作的方式，在竞争中弯道超车。其他人则可能希望谨慎行事，在进行大规模投资之前先尝试几个用例，增进对生成式AI的理解。企业也需要评估自身是否具备必要的技术专识、技术及数据架构、运营模式以及风险管理流程，这些是更进一步部署生成式AI时所需要的。
人们对生成式AI的期待显而易见，企业高管自然希望借此东风运筹帷幄，有计划地快速推进。我们希望本文能让商业领袖更全面了解生成式AI未来潜力。
生成式AI入门指南
生成式AI技术飞速发展（见图1）。发布周期之短、初创公司数量之众、与现有软件的整合之快，皆不同凡响。
不仅是聊天机器人
ChatGPT等文本生成式聊天机器人备受关注，不过，生成式AI同样可以在图像、视频、声音以及计算机代码等更广泛的内容领域提供助力。在企业，生成式AI也可以发挥广泛功能，比如分类、编辑、总结、回答问题和起草内容。针对上述每项活动，各个业务职能和工作流程的具体工作方式转变都有可能创造价值，部分示例如下:
分类
— 反欺诈分析师可以将交易描述和客户文件输入到生成式AI工具中，要求其识别欺诈交易。
— 客户服务经理可以使用生成式AI工具根据客户满意度对客户通话音频文件进行分类。
编辑
— 撰稿人可以利用生成式AI纠正语法，并使文字风格与顾客的品牌调性相匹配。
— 平面设计师可以利用生成式AI从图像中移除过时标志。
总结
— 制片助理可以用数小时的活动录像创作精彩视频集锦。
— 业务分析师可以创建维恩图(Venn diagram)总结高管发言要点。
回答问题
— 制造企业员工可以向基于生成式AI的“虚拟专家”咨询有关操作流程的技术问题。
— 消费者可以向聊天机器人询问新家具的组装方式。
起草内容
— 软件开发者可以让生成式AI完成整段代码，或者提供建议以补全现有代码的未完成语句。
— 营销经理可以使用生成式AI起草不同版本的营销活动信息
生成式AI生态系统正在兴起
基础大模型是生成式AI的“大脑”，而正在兴起的整个价值链将支持该技术的训练和使用（见图2）。
专用硬件提供了训练模型所需的庞大算力。云平台则提升了对这类硬件的利用。MLOps和模型中心供应商提供企业所需工具、技术和实践，让企业能够调试使用基础大模型并将其部署到终端用户应用之中。许多公司正在进入市场，主打依托基础大模型、能够执行特定任务的应用程序，例如帮助某公司处理客户服务问题。
将生成式AI应用于工作
CEO们应将探索生成式AI列入工作议程，不能仅视之为“可选项”。生成式AI可通过广泛用例创造价值。起步的经济和技术要求并非高不可攀，而无所作为则可能导致迅速被竞争对手甩开。每一名CEO都应同管理团队一起思考竞争领域与方法。一些CEO可能会认定，生成式AI将为企业带来变革性机遇，全面重塑从研发到营销、从销售到客户运营等各个领域。还有些CEO则可能选择从小处着手，再逐渐扩大规模。一旦做出决策，AI专家便可根据场景需要，通过相应技术路径执行战略。
生成式AI在企业中的很多应用（尽管未必是全部价值）将来自员工对现有软件中新嵌入功能的使用。电子邮件系统可以给出邮件初稿；生产应用将根据描述生成演示文稿的初稿；财务软件可对财务报告中的要点给出文字描述；客户关系管理系统则可以提供客户互动建议。这些功能可以提高所有知识工作者的生产效率。然而，在某些用例中，生成式AI或可带来更具变革 性的影响。接下来，我们将介绍不同行业企业利用 生成式AI重塑组织工作方式的4个范例，范围涵盖了从资源需求极少到资源投入很高的不同情况（这些例子的快速比较和更多技术细节，请参见图3）。
起步时需考虑的因素
CEO在推动企业关注生成式AI方面发挥着重要作用。在结尾部分，我们将探讨CEO在踏上征途时需要熟记的策略，其中有很多与过往技术浪潮兴起时企业高管应当做出的反应一致。然而，生成式AI也带来了独有的挑战，这包括其超越以往技术变革的空前发展速度及随之而来的应对难度。
跨职能部署生成式AI
过去，许多组织以孤立试验的方式启动对传统AI的探索。然而，鉴于生成式AI独特的风险考量以及基础大模型支撑全组织、多用例的能力，企业应当以更加精细和协调的方法加以管理。例如，使用专有数据进行微调以反映企业品牌特质的模型，可以在多个用例（如生成个性化的营销活动和产品描述）和多个业务职能（如产品开发和营销）中加以部署。
端对端领域重塑，而非仅专注于用例
生成式AI是可以改变组织运作方式的强大工具，对价值链中的特定业务领域（例如，零售商的营销或制造商的运营）具有特别的影响。生成式AI的部署十分便利，企业因而很容易将应用局限于全盘业务下的零星用例。因此，坚持全盘视角、按领域划分用例群至关重要，从这一视角出发进行规划能为全体业务职能带来最大的变革潜力。随着生成式AI与其他传统AI应用协同并进、此前无法实现的工作方式逐渐诞生，企业正在不断重新定义其目标状态。
实现满载的技术栈
现代化的数据和技术堆栈几乎是任何生成式AI策略成功的基础。CEO们应当向首席技术官了解以确定公司在计算资源、数据系统、工具和模型访问（通过模型中心的开源方式或通过API的商业模式）方面是否具备所需的技术能力。
打造“灯塔”
CEO们需要避免在规划阶段止步不前。在商业世界，时间尤为重要，而生成式AI技术的快节奏特性要求企业迅速行动以把握优势。尽管生成式AI仍处于早期阶段，但应尽快在企业内部展示其对运营模式的重要影响，这可以通过“灯塔方法”来实现。例如，一种推进方式是打造“虚拟专家”，让一线员工能够利用专有的知识源，为客户提供最相关的内容。这一方法能提高生产力、激发热情，并使企业能够在向客户扩展应用之前，在内部对生成式AI展开测试。
平衡风险与价值创造
商业领袖必须在生成式AI所涉及的价值创造机会与风险之间取得平衡。我们近期的全球AI调查显示，尽管已有超过一半的组织采用传统AI技术，但大多数组织并未对相关的大部分风险采取应对措施。生成式AI再次引发了人们对许多同类风险的关注，比如AI可能会让隐藏在训练数据中的偏向被固化；同时生成式AI还带来了一些新风险，比如产生幻觉的倾向。因此，跨职能领导团队不仅要为生成式AI的使用建立总体道德原则和指导方针，还要对每个潜在用例所伴生的风险有全面了解。
应用生态系统方法建立合作伙伴关系
商业领袖应注重建立和维护平衡得当的联盟网络。企业的收购和联盟战略应继续聚焦建立合作伙伴生态系统，以适应不同的场景并解决生成式AI对不同技术栈层面的需求，同时要注意避免锁定供应商。
聚焦所需的人才和技能
为有效应用生成式AI创造商业价值，公司需要打造技术能力并提升现有员工的技能水平。这需要领导层共同努力，根据企业的优先用例确定所需能力，这可能不限于技术方面，也包括工程、数据、设计、风险、产品和其他业务职能的人才组合。
结语
多年来，企业一直在探索AI之路、追求宏远的目标， 许多公司已经收获了新的收入来源、改进了产品、 提升了运营效率。其中许多成功都源于AI技术，它们 仍然是处理特定任务的最优工具，企业应继续保持 这方面的努力。然而，生成式AI带来了又一次实现重 大飞跃与无限可能的机会。虽然该技术的运营和风 险框架还未完全建立，但商业领袖们深知应当启动 生成式AI旅程。但从何开始，又如何开始？每家公 司的答案不尽相同，公司内部也众说纷纭。有些企 业放手一搏，而其他公司则从小规模试验起步。最佳方法将取决于公司的目标抱负和风险偏好。但无论目标如何，关键是要迈出第一步，边做边学。
点击此处获取本文中文版全文。
作者简介
Michael Chui是麦肯锡公司及麦肯锡全球研究院全球董事合伙人；Roger Roberts是麦肯锡全球董事合伙人，Tanya Rodchenko是麦肯锡全球副董事合伙人，Lareina Yee是麦肯锡技术委员会主席、麦肯锡全球资深董事合伙人，他们均常驻湾区分公司；Alex Singla是麦肯锡全球资深董事合伙人，常驻芝加哥分公司；Alex Sukharevsky是全球资深董事合伙人兼Quantumblack, AI by McKinsey全球负责人，常驻伦敦分公司；Delphine Zurkiya是麦肯锡全球资深董事合伙人，常驻波士顿分公司。
