#时事热点头条说#
来源|McKinsey&Company
编译|智成企业研究院 崔帅
要把握未来，就要理解那些推动生成式人工智能兴起的各项突破，这些突破已经酝酿了几十年。ChatGPT、GitHub Copilot、Stable Diffusion以及其他引起公众关注的生成式人工智能工具是近年来大量投资的结果，这些投资推进了机器学习和深度学习，同时嵌入到了我们每天使用的许多人工智能应用程序产品和服务中。
早在2016年，DeepMind开发的基于人工智能的程序AlphaGo击败了一名世界围棋冠军，这是一个值得庆祝的里程碑事件，但很快就从公众的视线中消失了。
不同于AlphaGo，以ChatGPT为代表的生成式人工智能俘获了全世界的想象力，主要归功于其广泛的实用性——几乎任何人都可以用它们来交流和创造——以及与用户对话的超自然能力。最新的生成式人工智能应用程序可以执行一系列常规任务，例如数据的重组和分类等。他们书写文字、作曲和创造数字艺术的能力长期占据新闻头条，说服了消费者自行尝试，以至于更广泛的利益相关者正在努力应对生成式人工智能对商业和社会的影响。
在麦肯锡的报告中，生成式人工智能定义为使用基础模型构建的应用程序。这些模型包含广泛的人工神经网络，其灵感来自于人类大脑中连接的数十亿神经元。基础模型是所谓深度学习的一部分，有别于过去的深度学习模型，生成式人工智能基础模型可以处理大量不同的非结构化数据集，并执行多个任务。例如新的基础模型可以处理图像、视频、音频和计算机代码等，并且在这些模型上训练的人工智能可以执行分类、编辑、总结、回答问题、起草新内容等功能。
持续的创新也会带来新的挑战。例如，训练具有数千亿参数的生成式人工智能所需的计算能力可能会成为发展的瓶颈。此外，还有一个重要的举措——由开源社区带头，并蔓延到生成型人工智能公司的领导者身上——使人工智能更负责任，这可能会增加其成本。
对生成式人工智能的投资虽然只占人工智能总投资的一小部分，但却意义重大，而且增长迅速——仅在2023年前五个月就达到120亿美元。从2017年到2022年，风险资本和其他私人外部投资在生成式人工智能领域投资的平均复合增长率为每年74%。在同一时期，人工智能的总体投资每年增长29%。
本文逻辑：
01 生成式AI的经济效益
02 人工智能对工作活动、经济增长和生产力的影响
03 企业和社会的考虑事项
04 结语
想获取完整报告的朋友，关注公众号并在号内回复“生成式AI”获取。
（正文7800字，阅读时间约13-15分钟)
01
生成式AI的经济效益
首先是从用例的角度看，麦肯锡将“用例”定义为针对特定业务挑战应用生成式人工智能，并产生一个或多个可衡量的结果。
例如，市场营销中的一个用例是应用生成式人工智能来生成个性化电子邮件等创意内容，其可衡量的结果可能包括生成此类内容的成本降低，以及大规模提高高质量内容带来的收入增加。麦肯锡确定了63个生成式人工智能用例，涵盖16个业务功能，在跨行业应用时，每年可提供2.6万亿至4.4万亿美元的经济效益总价值。
从这个视角看，经济价值可以释放出11.0万亿到17.7万亿美元，在2017年，这一预测数据为9.5万亿至15.4万亿美元。
从另一个视角来看，生成式人工智能对大约850个职业所需的工作活动具有潜在影响。麦肯锡对场景进行建模，以评估生成式人工智能何时能够完成2100多项“详细工作活动”，这些活动构成了全球经济中的职业，例如“与他人就运营计划或活动进行沟通”。
排除两个视角下成本降低的重叠部分，生成式人工智能的总经济效益，每年将达到6.1万亿至7.9万亿美元。
虽然生成式人工智能是一项令人兴奋且快速发展的技术，但却只占人工智能整体潜在价值的小部分。其他类型的人工智能也在充分发挥其价值，例如传统的高级分析和机器学习算法在执行数值和优化任务(如预测建模)方面非常有效，并且它们继续在广泛的行业中寻找新的应用。但不可否认的是，随着生成式人工智能的不断发展和成熟，它有可能在创造力和创新方面开辟全新的领域，以扩展人工智能整体可以实现的可能性。
① 按功能划分的潜在价值
虽然生成式人工智能可能会对大多数业务功能产生影响，但当以技术的影响作为成本的份额来衡量时，有些功能会脱颖而出。麦肯锡对16个业务功能的分析确定了仅客户运营、营销和销售、软件工程和研发4个功能，占据了生成式人工智能用例年总价值的约75%。
值得注意的是，在人工智能用例规模突出的几个功能(包括制造和供应链功能)中使用生成式人工智能，潜在价值要低得多。
除此之外，生成式人工智能还可以通过彻底改变内部知识管理系统来推动整个组织的价值。例如，生成式人工智能令人印象深刻的自然语言处理能力，可以帮助员工通过检索存储的内部知识，这可以使团队能够快速访问相关信息，快速做出更明智的决策并制定有效的战略。
2012年，麦肯锡全球研究所(McKinsey Global Institute, MGI)预测，知识型员工花费了大约五分之一的时间来搜索和收集信息，如果生成式人工智能能够承担这些任务，提高工作人员的效率和效力，那么收益将是巨大的。
② 形态的价值潜力
技术已经彻底改变了企业开展业务的方式，而基于文本的人工智能处于这一变革的前沿。事实上，基于文本的数据丰富，可访问，并且易于大语言模型（LLM）处理和分析，在生成式人工智能开发的初始阶段就引起了强烈的重视。目前生成式人工智能的投资格局也主要集中在聊天机器人、虚拟助手和语言翻译等基于文本的应用程序上。然而，麦肯锡预计，在生成式人工智能可以释放的价值中，有近五分之一将利用文本到文本之外的多模式功能。
虽然大多数生成式人工智能的最初推动力都是基于文本的用例，但最近生成式人工智能的进展也导致了图像生成方面的突破，OpenAI的DALL·E和Stable Diffusion已经充分说明了这一点，并且在音频(包括语音和音乐)和视频方面也取得了很大进展。这些功能在市场营销中有明显的应用，可以生成广告材料和其他营销内容，这些技术已经应用于媒体行业，包括游戏设计。事实上，其中一些例子挑战了现有的人才、盈利和知识产权方面的商业模式。
生成式人工智能的多模式能力也可以有效地用于研发。生成式人工智能系统可以根据描述产品需求的提示，创建电路设计、建筑图纸、结构工程设计和热设计的初稿。实现这一点需要在这些领域中训练基础模型。一旦经过训练，这样的基础模型可以在与软件开发相似的量级上提高生产力。
③ 行业价值潜力
在麦肯锡分析的63个用例中，生成式人工智能有可能在各行业创造2.6万亿至4.4万亿美元的价值。其确切影响将取决于各种因素，如不同功能的组合和重要性，以及行业收入的规模。
例如，据测算，通过提高营销和客户互动等功能的绩效，生成式人工智能可以为零售业(包括汽车经销商)贡献大约3100亿美元的附加值。相比之下，高科技的大部分潜在价值来自生成式人工智能提高软件开发速度和效率的能力。
在银行业，生成式人工智能有可能通过承担风险管理中较低价值的任务(例如所需的报告、监控监管动态和收集数据)来提高人工智能的效率。在生命科学行业，生成式人工智能有望为药物发现和开发做出重大贡献。
02
人工智能对工作活动、
经济增长和生产力的影响
麦肯锡全球研究所(McKinsey Global Institute)于2017年开始分析自动化技术的影响，并对其采用的场景进行建模。在那个时候，我们估计工人有一半的时间花在了那些有可能被自动化的活动上，我们称之为技术自动化的潜力。我们还模拟了一系列潜在的场景，以预测这些技术可能被采用的速度，并影响全球经济中的工作活动。
大规模的技术采用不会在一夜之间发生。实验室中潜在的技术能力并不一定意味着它们可以立即集成到自动化特定工作活动的解决方案中，开发这样的解决方案需要时间。即使开发了这样的解决方案，如果它的成本超过人力成本，它在经济上也可能不可行。此外，即使存在部署的经济激励，在全球经济中推广也需要时间。因此，通过采用场景，将这些因素与技术自动化潜力结合考虑，提供了工人活动随时间变化的速度和规模。
工作活动和职业组合的大规模转变并非没有先例。把今天农民的工作和几年前做个比较，许多农民现在通过手机获取市场信息，以确定何时何地出售他们的作物，或者下载复杂的天气模式模型。从更宏观的角度来看，中国的农业就业占所有劳动力的比例从1962年的82%降低到2013年的13%。劳动力市场也是动态的：在美国，每个月都有数以百万计的人离开他们的工作。但是，这并没有减少个体工人所面临的挑战，他们的生活被这些变化所颠覆，也没有减少组织或社会方面挑战的应对，以确保工人有技能从事需要的工作，并确保他们的收入足以提高他们的生活水平。
此外，从宏观经济的角度来看，人口结构使这种活动转变成为必要。由于全球劳动力增长放缓，出现了经济增长差距，在一些主要国家，由于人口老龄化，劳动力已经萎缩，劳动生产率必须加快提高，才能实现经济增长和繁荣。
生成式人工智能的新能力，与以前的技术相结合，并整合到世界各地的企业运营中，可以加速个人活动技术自动化的潜力，并采用增强劳动力能力的技术。它们还可能对知识工作者产生影响，这些知识工作者的活动直到将来会因为这些技术而发生变化。
① 加速利用技术潜力转变知识型工作
基于生成式人工智能的发展，现在预计技术性能将与人类表现的中位数相匹配，并在广泛的能力范围内比之前估计的更早达到人类表现的前四分之一。例如，MGI之前确定2027年是人类自然语言理解的中位数技术可能实现的最早年份，但在这项新的分析中，相应的点是2023年。
由于生成式人工智能对技术能力的重新评估，理论上可以通过集成现有技术实现自动化的总时间百分比已从约50%提高到了60 - 70%。由于生成式人工智能自然语言能力的加速，技术潜力曲线相当陡峭。
有趣的是，与2017年的专家评估相比，早期和晚期情景之间的时间范围被压缩了，这反映了人们对更高水平的技术能力将在特定时期到来的更大信心。
② 自动化进程加速
麦肯锡对采用场景的分析考虑了将技术能力集成到能够自动化单个工作活动的解决方案中所需的时间、将这些技术的成本与世界上不同职业和国家的人力成本进行比较以及技术在整个经济中扩散所花费的时间。
随着生成式人工智能所带来的技术自动化潜力的加速，我们采用自动化的场景也相应加快了。考虑到开发和采用解决方案的速度将根据投资、部署和监管等因素的决策而有所不同，这些场景包含了广泛的结果。但它们表明，工人每天从事的活动可能会发生多大程度的变化。
以教师为例，他们的具体工作活动包括准备考试和评估学生的作业。随着生成式人工智能增强的自然语言能力，更多的这些活动可以由机器完成，也许最初是由教师创建编辑的初稿，但最终可能需要更少的人工编辑。这可以腾出时间，让这些老师把更多的时间花在其他工作上，比如指导课堂讨论或辅导需要额外帮助的学生。
之前建模的采用场景表明，2016年工作活动花费的50%的时间将在2035年至2070年之间的某个时间实现自动化，中间约为2053年。如今，考虑到生成式人工智能的发展，麦肯锡更新的采用场景，模拟了2023年工作活动花费的50%的时间将在2030年至2060年之间达到自动化，中点为2045年——与之前的估计相比，大约加速了十年。
在发达国家，自动化技术应用的速度也可能更快，因为那里的工资更高，因此采用自动化的经济可行性出现得更早。即使技术自动化在某一特定工作活动的潜力很大，这样做所需的成本也必须与人力工资成本进行比较。在中国、印度和墨西哥等工资率较低的国家，自动化采用的速度比工资较高的国家慢。
③ 生成式人工智能对知识工作的潜在影响
前几代自动化技术在收集和处理数据相关的任务方面特别有效。生成式人工智能的自然语言能力在一定程度上增加了这些类型活动的自动化潜力。但它对体力劳动活动的影响要小得多，这并不奇怪，因为它从根本上被设计为执行认知任务。
因此，生成式人工智能可能会对知识工作产生最大的影响，特别是涉及决策和协作的活动，这些活动以前的自动化潜力最低。
生成式人工智能能够在各种活动和任务中理解和使用自然语言，这在很大程度上解释了为什么自动化的潜力会如此急剧上升。在经济活动中，大约40%的工作至少需要人类对自然语言的理解达到中等水平。
因此，许多涉及沟通、监督、文档和与一般人互动的工作活动都有可能通过生成式人工智能实现自动化，从而加速了教育和技术等职业的工作转型，此前预计自动化潜力将在未来出现。
劳动经济学家经常指出，自动化技术的部署往往对技能水平最低的工人(以受教育程度来衡量)的影响最大，也就是所谓的技能偏见。然而，生成式人工智能具有相反的特点——它可能会通过替代一些受教育程度更高的工人的活动来产生最大的增量影响。
前几代自动化技术通常对收入分布中工资下降的职业影响最大。对于工资较低的职业来说，工作自动化变得更加困难，因为自动化的潜在好处在与较低成本的人力竞争。此外，在低工资职业中执行的一些任务在技术上很难实现自动化，例如，操纵织物或采摘精致的水果。之前的模型表明，工作自动化可能会对中低收入人群产生最大的中期影响。然而，生成式人工智能的影响可能会最大程度地改变高工资知识工作者的工作，因为他们的活动在技术自动化潜力方面取得了进步，而这些活动以前被认为相对不受影响。
④ 生成式人工智能可以推动更高的生产率增长
从2012年到2022年，全球经济增长速度比之前的20年要慢，尽管新冠肺炎疫情是一个重要因素，但长期结构性挑战——包括出生率下降和人口老龄化——仍是增长的障碍。
就业下降是这些障碍之一。全球劳动力总数的复合年增长率从1972-1982年的2.5%降至2012-2022年的0.8%，主要原因是老龄化。在许多大国，劳动力的规模已经在下降，生产率衡量的是相对于投入的产出，或生产的商品和服务的价值除以生产这些商品和服务所需的劳动力、资本和其他资源的数量，它是1992年至2022年这30年里经济增长的主要引擎,。然而，自那以后，生产率增长随着就业增长放缓而放缓，这让经济学家和政策制定者感到困惑。
可生成人工智能和其他技术的部署可以帮助加快生产率提高，部分补偿就业问题，并促进整体经济增长。根据我们的估计，从2023年到2040年，由这些技术实现的个人工作活动的自动化可以为全球经济提供每年0.2%至3.3%的生产率提升，具体取决于自动化采用的速度——生成式人工智能对这一增长的贡献为0.1至0.6个百分点——但前提是受技术影响的个人要转移到至少与2022年生产率水平相匹配的其他工作活动。在某些情况下，工人将继续从事同样的职业，但他们的活动组合将发生变化，在一些国家，工人将需要转换职业。
生成式人工智能的能力极大地扩展了工作活动的范围，加快了自动化部署的步伐，并扩大了受其影响的工人类型。像其他技术一样，人工智能承担日常任务和工作的能力可以提高人类的生产力，近20年来，人类的生产力一直以低于平均水平的速度增长。它还可以抵消老龄化的影响，老龄化正开始削弱世界上许多主要经济体的劳动力增长。但要实现这些好处，大量工人将需要从根本上改变他们的工作，要么是在现有的职业中，要么是在新的职业中。他们在过渡到新活动时也需要支持。
03
企业和社会的考虑事项
历史表明，新技术具有重塑社会的潜力。人工智能已经改变了我们的生活和工作方式，例如，它可以帮助我们的手机理解我们说的话，或者起草电子邮件。然而，大多数情况下，人工智能仍停留在幕后，优化业务流程或对下一个购买的产品提出建议。生成式人工智能的快速发展可能会显著增强人工智能的整体影响，每年产生数万亿美元的附加价值，并改变工作的性质。
但这项技术也可能带来新的重大挑战。考虑到可生成人工智能的应用速度，利益相关者必须迅速采取行动，为应对机遇和风险做好准备。风险已经浮出水面，包括对生成式人工智能系统产生的内容的担忧：它们是否会因为用于创建基础模型的训练数据“抄袭”而侵犯知识产权?法学硕士在被质疑时给出的答案是否准确，是否可以解释?人工智能生成的内容是公平的，还是以用户不希望的方式存在偏见，比如，生成反映有害刻板印象的内容?
经济方面也存在挑战:劳动力转型的规模和范围相当大，在中间采用情景中，大约四分之一到三分之一的工作活动可能在未来十年内发生变化。我们面临的任务是同时管理该技术的潜在积极和消极影响。在平衡我们对该技术潜在好处的热情与它可能带来的新挑战的同时，我们需要解决一些关键问题。
① 公司和商业领袖
企业如何迅速采取行动抓住潜在价值，同时管理生成式人工智能带来的风险?
未来几年，生成式人工智能和其他人工智能将如何改变公司员工所需的职业和技能组合?公司将如何在招聘计划、再培训计划和其他人力资源方面实现这些转变?
在确保该技术不被部署在可能危害社会的“负面用例”中，公司是否有责任发挥作用?
企业如何透明地分享他们在行业内和行业间扩展生成式人工智能使用的经验，以及与政府和社会的经验?
② 政策制定者
就职业和技能而言，未来的工作在经济层面上会是什么样子?这对劳动力规划意味着什么?
随着时间的推移，员工的活动发生了变化，如何为他们提供支持?可以实施哪些再培训计划?需要什么样的激励措施来支持私营企业投资人力资本?有没有边学边赚的项目，比如学徒制，可以让人们在接受再培训的同时继续养活自己和家人?
政策制定者可以采取哪些措施来防止生成人工智能被用于伤害社会或弱势群体的方式?
是否可以制定新政策并修改现有政策，以确保以人为中心的人工智能开发和部署，包括人类监督和不同的观点和社会价值观?
③ 作为工人、消费者和公民的个人
对于生成式人工智能的出现，个人应该有多担心?虽然公司可以评估这项技术将如何影响他们的底线，但公民可以从哪里获得准确、公正的信息，了解它将如何影响他们的生活和生计?
作为工人和消费者的个人如何平衡人工智能带来的便利及其对工作场所的影响?
公民能否在决定将生成式人工智能部署和集成到他们生活结构中的决策中拥有发言权?
04
结语
技术创新可以激发同等程度的敬畏和关注。当这种创新似乎在一夜之间形成并广泛传播时，这两种反应都可能被放大。生成式人工智能在2022年秋季的到来是这一现象的最新例子，因为它的采用出乎意料的迅速，以及随后公司和消费者争相部署、集成和使用它。
我们所有人都在了解这项技术的力量、范围和能力的旅程的开始。如果过去的八个月有任何指导意义的话，那么未来几年将带我们坐上过山车，以快节奏的创新和技术突破为特征，迫使我们重新调整我们对人工智能对我们的工作和生活的影响的理解。正确理解这一现象并预测其影响是很重要的。鉴于到目前为止生成式人工智能的部署速度，加速数字化转型和重新培训劳动力的需求是巨大的。
在全球经济正在考虑适应和减缓气候变化的巨大成本之际，这些工具有可能为全球经济创造巨大价值。与此同时，它们也有可能比前几代人工智能更不稳定。他们能够拥有最具人性的能力，语言，这是与专业知识和知识相关的大多数工作活动的基本要求，也是一种可以用来伤害感情、制造误解、掩盖真相、煽动暴力甚至战争的技能。
我们希望能够更好地理解生成式人工智能为公司运营增加价值、推动经济增长和繁荣的能力，以及它极大地改变我们的工作方式和社会目标的潜力。公司、政策制定者、消费者和公民可以共同努力，确保生成式人工智能实现其创造重大价值的承诺，同时限制其扰乱生活和生计的潜力。
封面图源：Pixabay
—END—