生成式人工智能已经开始起步，速度之快让人难以跟上。自 2022 年 11 月 ChatGPT 发布以来，它一直占据头条新闻，企业竞相捕捉其价值。麦肯锡研究发现，在该技术的最初几个月内，生成式人工智能 (GenAI)每年将为全球经济带来 4.4 万亿美元的贡献。
图源：unsplash.com
我们在此时间范围内发表的文章和报告探讨了以下问题：
- 该技术擅长什么？速度有多快？
- 人工智能对哪些类型的工作影响最大？
- 哪些行业将受益最多？
- 哪些活动将为组织带来最大价值？
- 工人们对这项技术有何感想？将会如何？
- 需要采取哪些保障措施来确保负责任地使用人工智能？
在本文章中，我们用 15 个麦肯锡图表汇总了迄今为止的所有答案。我们预计这个领域会迅速发展，并将继续开展我们的研究。
旺知识
AI技术最新进展、发展趋势、研发经验、从业经验
70篇原创内容
公众号
1. 生成式人工智能(GenAI)找到了自己的立足点
为新一代人工智能产品提供动力的先进机器学习已经酝酿了数十年。但自从 ChatGPT 在 2022 年底启动以来，新一代 AI 技术的新迭代每月都会发布几次。仅 2023 年 3 月，就取得了六项重大进展，包括新的客户关系管理解决方案和对金融服务行业的支持。
资料来源：关于生成式人工智能，每位首席执行官都应该了解什么https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/what-every-ceo-should-know-about-generative-ai
生成式人工智能一直在快速发展。图源：www.mckinsey.com
日历沿着时间线显示实际的AI事件，活动详情如下：
- 2022年11月30日：OpenAI的ChatGPT由GPT-3.5（其2020年GPT-3版本的改进版本）提供支持，成为第一个广泛使用的文本生成产品，在2个月内获得创纪录的1亿用户；
- 2022年12月12日：Cohere发布首个支持100多种语言的LLM，并在其企业AI平台上提供；
- 2022年12月26日：大语言模型（例如Google的Med-PaLM）接受特定用例和领域的训练，例如临床知识；
- 2023年2月2日：亚马逊的多模式-CoT模型纳入了“思维链提示”，其中该模型解释了其推理，并且在多个基准测试中优于GPT-3.5；
- 2023年2月24日：作为一个较小的模型，Meta的LLaMA比其他一些模型使用效率更高，但与其他模型相比，在某些任务上仍然表现良好；
- 2023年2月27日：微软推出Kosmos-1，这是一种多模式法学硕士，除了自然语言之外，还可以响应图像和音频提示；
- 2023年3月7日：Salesforce宣布EinsteinGPT（利用OpenAI的模型），这是第一个用于客户关系管理的生成式AI技术；
- 2023年3月13日：OpenAI发布GPT-4，在准确性和幻觉缓解方面有显着改进，声称比GPT-3.5提高了40%；
- 2023年3月14日：Anthropic推出了Claude，他是一名人工智能助理，使用一种名为“宪法人工智能”的方法进行训练，旨在减少有害输出的可能性；
- 2023年3月16日：微软宣布将GPT-4集成到其Office365套件中，从而大幅提高生产力；
- 2023年3月21日：Google发布了Bard，这是一个基于LaMDA法学硕士系列的人工智能聊天机器人；
- 2023年3月30日：彭博社宣布设立一个金融数据训练的大语言模型，以支持金融行业的自然语言任务；
- 2023年4月13日：亚马逊宣布推出Bedrock，这是第一个完全托管的服务，除了亚马逊自己的TitanLLM之外，该服务还可通过多个提供商的API提供模型。
2. AI通往人类水平表现的道路变得更短
对于该图表中显示的大多数技术能力，到本十年末，生成式人工智能的表现将达到人类表现的中位水平。生成式人工智能将在2040年之前对于所有这些任务达到与前25%的人竞争的能力。在某些情况下，这比专家之前认为的要快 40 年。
资料来源：生成式人工智能的经济潜力：下一个生产力前沿https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
由于生成式人工智能，专家评估技术可以比之前想象的更早地在某些功能上达到人类水平。图源：www.mckinsey.com
甘特图显示了按技术能力领域划分的人工智能技术实现人类水平性能的估计范围，以及在将 2017 年（生成式人工智能出现前）估计与 2023 年（生成式人工智能发展后）进行比较时，这些估计如何发生较早而不是较晚的变化估计。
最新的中位数估计显示AI达成人力能力的时间，按技术能力划分：
- 与多个代理的协调，从2045年左右下降到2035年左右
- 创造力，从2048年左右下降到2023年左右
- 逻辑推理和解决问题的能力，从2043年左右下降到2023年左右
- 自然语言生成，无需改变
- 自然语言理解，从2055年左右下降到2025年左右
- 输出表达和理解，没有变化
- 产生新颖的模式和类别，从2023年左右下下降到2020年左右
- 感官知觉，无变化
- 社会和情感输出，从2048年左右下降到2031年左右
- 社会和情感推理，从2050年左右下降到2033年左右
- 社交和情感感知能力，从2037年左右下降到2030年左右
3. 知识工作的自动化已近在眼前
以前的自动化技术浪潮主要影响的是体力工作活动，但新一代人工智能可能对知识工作产生最大的影响，尤其是涉及决策和协作的活动。教育、法律、技术和艺术等领域的专业人士可能会比之前预期更早地看到部分工作实现自动化。这是因为生成人工智能能够预测自然语言模式并动态使用它。
资料来源：生成式人工智能的经济潜力：下一个生产力前沿https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
技术能力的进步可能对教育工作者、专业人员和创意人员的活动产生最大的影响。图源：www.mckinsey.com
图表包括来自47个国家的数据，约占全球就业的80%。一系列条形图比较了不同职业类别中生成式人工智能(GenAI)的自动化潜力（占总数的百分比）。每个类别有2个栏：1个在GenAI之前，1个在GenAI之后。这些职业按最大差异排序，对自动化影响最大的变化位于顶部，变化最小的位于底部。最大的变化约为40个百分点，最小的为4个百分点。从上到下，职业依次为：教育工作者和劳动力培训，+39个百分点；商业和法律专业人士，+30；STEM专业人士，+29；社区服务，+26；创意和艺术管理，+25；办公室支持，+21；经理，+17；卫生专业人员，+14；客户服务和销售，+12；财产维护，+9；健康助手、技术人员和健康，+9；生产工作，+9；食品服务，+8；交通服务，+7；机械安装和维修，+6；农业，+4；和建设者，+4。总体平均增幅约为+8个百分点。
4. 应用程序不断激增以满足特定的用例
生成式人工智能(GenAI)工具已经可以创建大多数类型的书面、图像、视频、音频和编码内容。企业正在开发应用程序来解决所有这些领域的用例。在不久的将来，我们预计针对特定行业和功能的应用程序将比那些更通用的应用程序提供更多价值。
资料来源：探索生成人工智能价值链中的机会https://www.mckinsey.com/capabilities/quantumblack/our-insights/exploring-opportunities-in-the-generative-ai-value-chain
生成式人工智能有许多跨模式的应用。图源：www.mckinsey.com
表格显示了跨模式的生成式 AI 用例列表。从上到下，它们是：
- 文本、内容写作，有2个要点：营销，用于创建个性化电子邮件和帖子；和人才，用于起草面试问题、职位描述。文本、聊天机器人和助手，其中有1个要点：客户服务，使用聊天机器人来提高网站转化率。文本、搜索，有2个要点：使网络搜索更自然；和企业知识，用于增强内部搜索工具。文本、分析和综合，有2个要点：销售，用于分析客户互动以提取洞察；风险和法律，用于总结监管文件。
- 代码、代码生成，有1个要点：IT，通过自动代码推荐来加速应用程序开发和质量。代码、应用程序原型和设计，有1个要点：IT，用于快速生成用户界面设计。代码，数据集生成，有1个要点：生成合成数据集以提高人工智能模型的质量。
- 图像、库存图像生成器，具有1个要点：营销和销售，用于生成独特的媒体。图像，图像编辑器，有1个要点：营销和销售，用于快速个性化内容。
- 音频、文本到语音生成，有1个要点：培训，用于创建教育性配音。音频、声音创作，有1个要点：娱乐，用于制作自定义声音而不侵犯版权。音频、音频编辑，有1个要点：娱乐，用于后期编辑播客而无需重新录制。
- 3-D或其他3-D对象生成，有2个要点：视频游戏，用于编写场景、角色；和数字表示，用于创建室内设计模型和建筑设计的虚拟舞台。3D或其他产品设计和发现，有2个要点：制造，用于优化材料设计；和药物发现，以加速研发进程。
- 视频，视频创作，有2个要点：娱乐，为TikTok生成短视频；以及培训或学习，用于使用人工智能头像创建视频课程或企业演示。视频、视频编辑，有3个要点：娱乐，用于缩短社交媒体视频；电子商务，为通用视频添加个性化；和娱乐，用于去除后期的背景图像和背景噪音。视频、视频翻译和调整，有3个要点：视频配音，使用人工智能生成或原始说话人的声音翻译成新语言；实时翻译，用于公司会议、视频会议以及语音克隆或复制演员的声音或改变演播室效果（例如老化）。视频、换脸和调整，有4个要点：虚拟效果，例如实现快速高端老化、去老化；化妆品、假发和假肢修复；后期制作中的口型同步或“视觉”配音；编辑素材以实现多种评级或语言的发布；换脸和深度伪造视觉效果；和视频会议，用于实时凝视校正。
5. 一些行业将比其他行业获益更多
生成式人工智能(GenAI)的精确影响将取决于多种因素，例如不同业务功能的组合和重要性，以及行业收入的规模。几乎所有行业都将从在其营销和销售职能中部署该技术中获得最显着的收益。尤其是高科技和银行业将因人工智能加速软件开发的潜力而产生更大的影响。
资料来源：生成式人工智能的经济潜力：下一个生产力前沿https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
生成式人工智能(GenAI)的精确影响将取决于多种因素，例如不同业务功能的组合和重要性，以及行业收入的规模。图源：www.mckinsey.com
在我们分析的63个用例中，生成式AI有潜力为各行业创造2.6万亿至4.4万亿美元的价值。其确切影响将取决于多种因素，例如不同职能的组合和重要性，以及行业收入规模。
6. 了解将为您的行业带来最大价值的用例是关键
我们的报告《生成式人工智能的经济潜力：下一个生产力前沿》包含重点部分，详细介绍了如何识别银行、生命科学、零售和消费品行业中具有最高价值潜力的用例。这些为评估您自己的行业提供了一个良好的框架。
资料来源：生成式人工智能的经济潜力：下一个生产力前沿https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
当生成式人工智能部署在一些顶级行业的某些用例中时，可以带来巨大的价值。图源：www.mckinsey.com
表格显示了不同的行业以及其中的关键生成式人工智能用例。 第一个例子是银行业，预计每个行业的总价值为 2000 亿至 3400 亿美元，根据 2020-22 年期间选定行业的平均盈利能力，营业利润的价值潜在增长为 9-15%。 第二个例子是零售和消费品，包括汽车零售，每个行业的总价值估计为 4000 亿至 6600 亿美元，根据选定行业的平均盈利能力，营业利润的价值潜在增长为 27% 至 44%。 2020–22 期间。 第三个例子是制药和医疗产品，每个行业的总价值估计为 600 亿至 1100 亿美元，根据 2020-22 年期间选定行业的平均盈利能力，营业利润的价值潜在增长为 15-25%。
7. 尽管生成式人工智能(GenAI)具有商业前景，但大多数组织尚未使用它
当我们询问营销和销售领导者他们认为他们的组织应该在多大程度上将人工智能或机器学习用于商业活动时，90% 的人认为至少应该“经常”。这并不奇怪，因为正如我们之前所看到的，营销和销售是最有潜力产生影响的领域。但 60% 的受访者表示，他们的组织很少或从不这样做。
资料来源：人工智能驱动的营销和销售通过生成人工智能达到新的高度https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
商业领导者已经在利用生成式人工智能用例，但大多数人认为该技术尚未得到充分利用。图源：www.mckinsey.com
一系列两对比较条形图显示了跨行业和公司成熟度水平的重要全球B2B和B2C销售和营销组织的高级管理人员对机器学习和生成AI(GenAI)的支持。他们被问到：“你们的组织在多大程度上使用机器学习/生成式人工智能解决方案？”并且，“您认为您的组织应该在多大程度上使用机器学习/生成式人工智能解决方案？”一个条形图显示他们目前使用GenAI，另一个条形图显示受访者认为应该在哪些地方使用GenAI。数据表明，65%的受访者目前有时或很少使用机器学习，而大多数受访者认为可以经常或几乎一直使用，这一比例约为90%。对于GenAI，大约60%的受访者表示在他们的组织中很少或从不使用它，90%的受访者表示应该经常或几乎总是使用它。
8. 营销和销售领导者对三个用例最感兴趣
我们的研究发现，营销和销售领导者预计我们建议的每个人工智能用例至少会产生中等影响。他们最热衷于潜在客户识别、营销优化和个性化推广。
资料来源：人工智能驱动的营销和销售通过生成人工智能达到新的高度https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/ai-powered-marketing-and-sales-reach-new-heights-with-generative-ai
商业领袖对生成式人工智能用例持谨慎乐观态度，预计会产生中等到重大影响。图源：www.mckinsey.com
上图说明了商业领先组织的受访者对生成人工智能(GenAI)影响的看法。受访者是全球重要B2B和B2C销售和营销组织的高级管理人员，涉及各个行业和公司成熟度水平。他们被问到：“请分享一下如果在您的组织中实施这些工具，您预计的投资回报率/影响。”
受访者表示，生成式人工智能的影响将是重大的，按用例划分，从受影响最大到影响最小依次为：先导识别，60%；营销优化，55%；个性化推广，53%；网站和营销材料上的动态内容，50%；向上/交叉销售建议，50%；成功分析，45%；营销分析，45%；动态客户旅程映射，45%；自动化营销工作流程，35%；销售分析，30%；和销售辅导，25%。
9. 软件工程是许多行业的另一个重要价值驱动因素，可以变得更加高效
当我们让40名麦肯锡自己的开发人员测试基于AI的生成工具时，我们发现许多常见开发人员任务的速度得到了令人印象深刻的提升。为可维护性（考虑改进代码的容易程度）编写代码功能文档可以在一半的时间内完成，在近一半的时间内编写新代码，并在近三分之二的时间内优化现有代码（称为代码重构）。
资料来源：通过生成式AI释放开发人员生产力https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/unleashing-developer-productivity-with-generative-ai
生成式人工智能可以提高开发人员的速度，但对于复杂的任务则效果较差。图源：www.mckinsey.com
上图显示与不使用生成人工智能(GenAI)的任务完成相比，使用生成人工智能(GenAI)的开发任务的任务完成时间的潜在百分比减少。从影响最大到影响最小分别是：代码文档，减少45-50%；代码生成，减少35–45%；代码重构，减少20-30%；而高复杂度的任务，减少了不到10%。
10. 生成式人工智能帮助开发者更快乐
我们的研究发现，为开发人员配备他们最高效所需的工具也可以显着改善他们的体验，这反过来又可以帮助公司留住最优秀的人才。使用基于生成人工智能的工具的开发人员报告总体幸福感、满足感和心流状态的可能性是其他人的两倍多。他们将此归因于这些工具能够自动执行繁重的工作，使他们无法完成更令人满意的任务，并且比跨不同在线平台搜索解决方案更快地将信息放在指尖。
资料来源：通过生成式AI释放开发人员生产力https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/unleashing-developer-productivity-with-generative-ai
生成式人工智能工具有潜力改善开发人员体验。图源：www.mckinsey.com
上图数据显示开发者受访者在工作中是否涉及生成式人工智能的感受。这些指标是受访者是否“感到快乐”、“能够专注于令人满意且有意义的工作”以及“处于心流状态”。在所有情况下，使用生成式人工智能的人的积极反应平均翻了一番。
11. 员工使用新一代人工智能工具的势头正在增强
麦肯锡的一项新调查显示，各个行业和地理位置的绝大多数员工都至少尝试过一次生成式人工智能工具，无论是在工作中还是在工作之外。不到一年的时间，这种采用速度相当快。一个令人惊讶的结果是，婴儿潮一代报告称，使用新一代人工智能工具进行工作的人数超过了千禧一代。
资料来源：2023年人工智能的现状：生成式人工智能的突破年https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year
各个行业和地理位置的绝大多数员工都开始尝试过生成式人工智能工具。图源：www.mckinsey.com
组织现在也普遍使用人工智能。三分之一的受访者表示，他们的组织已经在至少一项功能中定期使用生成式人工智能，这意味着在报告采用人工智能的组织中，有60%正在使用生成式人工智能。更重要的是，在报告其组织采用人工智能的受访者中，40%的人表示，由于生成式人工智能，他们的公司希望在人工智能方面进行更多投资，28%的人表示，生成式人工智能的使用已经列入其董事会的议程。使用这些新工具的最常见业务功能与总体上最常见的人工智能使用相同：营销和销售、产品和服务开发以及服务运营，例如客户服务和后台支持。这表明组织正在寻找最有价值的新工具。在我们之前的研究中，这三个领域与软件工程一起显示出生成式AI用例创造约75%年度总价值的潜力。
12. 组织仍然需要更多具有人工智能素养的员工
随着组织开始设定新一代人工智能目标，他们也正在开发对更多具有新一代人工智能知识的员工的需求。随着生成型和其他应用型人工智能工具开始为早期采用者提供价值，技术工人的供需差距仍然很大。为了保持在人才市场的领先地位，组织应该发展卓越的人才管理能力，为他们雇用并希望留住的具有人工智能素养的新一代员工提供有益的工作经验。
资料来源：麦肯锡2023年技术趋势展望https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-top-trends-in-tech
2021年至2022年间，与科技趋势相关领域的职位发布数量增加了40万个，其中生成式人工智能增长最快。图源：www.mckinsey.com
图表上比较了2021年和2022年每年数千个可用职位，以及每个职位之间的百分比变化。在接受调查的1.5亿个职位发布中。职位发布并不直接等同于新职位或现有职位的数量。这些图表按照2022年职位数量最多到最少的顺序排列：应用人工智能，6%；下一代软件开发，29%；云和边缘计算，12%；信任架构和数字身份，16%；移动的未来，15%；电气化和可再生能源，27%；电气化和可再生能源以外的气候技术，8%；先进的连接性，7%；沉浸式现实技术，10%；机器学习产业化，23%；Web3，40%；生物工程的未来–19%；空间技术的未来，16%；生成式人工智能，44%；量子技术，12%。
13. 各组织应谨慎行事
新一代人工智能的可能性令许多人兴奋不已。但与任何新技术一样，新一代人工智能也并非没有潜在风险。一方面，众所周知，GenAI会制作有偏见、事实错误或从受版权保护的来源非法抄袭的内容。在大规模采用新一代人工智能工具之前，组织应该考虑他们可能面临的声誉和法律风险。降低风险的一种方法是让人员了解情况；也就是说，确保真人在发布或使用任何一代人工智能输出之前对其进行检查。
资料来源：2023年人工智能的现状：生成式人工智能的突破年https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year
不准确、网络安全和知识产权侵权是生成式人工智能采用中最常见的风险。图源：www.mckinsey.com
上图显示了组织认为相关并正在努力减轻的与生成人工智能相关的风险。第一张图显示了组织认为相关风险的因素占受访者的百分比，第二张图显示了来自正在积极努力减轻这些相同风险的组织的受访者的相同百分比。根据受访者的说法，排名前5位的相关风险是：不准确，占56%；网络安全，53%；知识产权侵权，46%；监管合规性，45%；和可解释性，39%。受访者表示，正在积极缓解的首要风险是网络安全，38%；不准确，32%；监管合规性，28%；知识产权侵权，25%；和可解释性，18%。
14. 生成式人工智能最终可能会推动全球GDP增长
麦肯锡发现，新一代人工智能可以大幅提高整个经济体的劳动生产率。然而，为了获得生产力提升的好处，工作受到影响的工人将需要转向其他工作活动，使他们至少能够达到2022年生产力水平。如果支持工人学习新技能，并在某些情况下改变职业，全球GDP更强劲的增长可能会转化为一个更加可持续、更具包容性的世界。
资料来源：生成式人工智能的经济潜力：下一个生产力前沿https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
如果可以有效地重新部署劳动时间，生成式人工智能可以促进生产率的增长。图源：www.mckinsey.com
一系列图表显示了到2040年考虑自动化的发达经济体和新兴经济体中生成式人工智能的预计复合年增长率。这是基于这样的假设：在当今的生产力水平下，自动化工作时间重新融入到工作中。显示了早期和晚期采用自动化的两种场景，每个条形图都分为有和没有生成式人工智能的自动化效果。生成式人工智能的加入使早期采用者的复合年增长率平均提高了0.5至0.7个百分点，而晚期采用者的复合年增长率则平均提高了0.1至0.3个百分点。在全球平均增长中，到2040年，早期采用者的生成式人工智能将增加约0.6个百分点，而晚期采用者预计将增加0.1个百分点。数据基于47个国家，约占全球就业人数的80%。
15. 生成式人工智能仅代表人工智能价值潜力的一小部分
生成式人工智能向前迈出了一大步，但传统的高级分析和机器学习仍然占据任务优化的大部分，并且它们继续在各个领域寻找新的应用。正在进行数字和人工智能转型的组织最好密切关注新一代人工智能，但也不排除其他人工智能工具。仅仅因为它们没有成为头条新闻，并不意味着它们不能用来提高生产力，并最终提高价值。
资料来源：生成式人工智能的经济潜力：下一个生产力前沿https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
生成式人工智能可以创造比其他人工智能和分析所能释放的额外价值潜力。图源：www.mckinsey.com
瀑布图显示了新的生成式人工智能用例可以为全球经济增加的潜在附加价值。最初的11.0万亿至17.7万亿美元可能来自高级分析、传统机器学习和深度学习。新的生成式AI用例还可以带来2.6万亿至4.4万亿美元的增量经济影响，从而使用例驱动的总潜力达到13.6万亿至22.1万亿美元。如果所有工人的生产力都由人工智能（包括用例）实现，则可以额外增加6.1万亿至7.9万亿美元。
旺知识
AI技术最新进展、发展趋势、研发经验、从业经验
70篇原创内容
公众号
英文作者：McKinsey
https://www.mckinsey.com/featured-insights/mckinsey-explainers/whats-the-future-of-generative-ai-an-early-view-in-15-charts#/ | 
