不少企業眼見生成式人工智能(GenAI)技術爆發,都積極投入資源,不想落後於市場。不過現實是,引入技術容易,要讓技術價值顯現卻不易。麥肯錫提出的「生成式AI價值悖論」正是指企業廣泛採用GenAI工具,但卻未能看到對業績有顯著影響。
GenAI熱潮還在持續,最近興起的AI智能體(Agentic AI)更是把生成式AI的潛力推到新的高度,AI智能體具有自治能力,能根據預設目標主動決策、規劃並執行動作。
「多智能體」引發企業潛力
預計AI由最初向從業者提供AI工具和助手,到最終演變成各從業者管理15到20個「多智能體」(Multi-agents)的人機團隊,期間將釋放出巨大生產力潛能。在可預見的未來,某些企業職能會演變為由少數從業人員管理上百個智能體的融合組織,可達到的理論生產力是現在的20倍。
AI技術正以高速發展,不過麥肯錫最近對企業的研究顯示,8成公司已使用了新一代AI,但現實是有80%公司的AI項目是失敗的,收入沒有增長、成本未能降低,更不要談對業務的價值。
生成式AI價值悖論
麥肯錫提出的「生成式AI價值悖論」正是指企業廣泛採用GenAI工具,但卻未能看到對業績有顯著影響。歸跟究底,是雖然許多公司都在使用GenAI,但卻沒看到由GenAI產生的收益或生產力提升。
現時我們看到企業的GenAI應用主要有兩種,一是橫向應用(如企業級AI助理),雖然能提升員工效率,但省下來的零散多餘勞力及時間未能為企業帶來明顯財務效益;另一則是縱向應用,讓GenAI負責專門職能,雖然價值及潛力大,但卻有90%的案例均停在試點階段,正如「生成式AI價值悖論」所指,企業難讓GenAI顯現實際業務價值。
中國企業4大痛點
近兩年,麥肯錫與150多家企業在GenAI專案上達成了深度合作,其中有10多家在中國。我們更發現,中國企業部署GenAI時面對4大痛點,有些與外國公司類似,有些則屬於中國企業獨有:包括目標與價值不清晰;缺乏關鍵人才與協同機制;組織動力與轉型機制缺失及技術架構與資料數據治理能力不足。GenAI在不同行業及地區的部署都大不同,針對中國企業情況,亦要更細緻獨到考量,大多數中國企業的技術部門長期以系統維運為主,缺乏與業務並肩推動AI變革的經驗與角色認知,這使得從規劃到落地的斷層更加明顯。
麥肯錫最近發表的《麥肯錫講全球企業數碼化》一書中的建議,我們可以先由宏觀角度出發,再針對個別情況細緻部署:
制定價值路線圖:聚焦關鍵業務領域和核心流程,從上而下制定價值目標,然後圍繞目標進行端到端重構,融入AI與數碼化手段,按價值將應用場景與可行性排序,制定轉型路線圖讓資源運用更有效。
建構人才能力,改變營運模式:業務團隊要加強對GenAI的理解與應用能力,將AI在不同業務實現;技術或數碼團隊則應該更深入理解業務的需求與痛點,才可有效將想法透過技術實踐。
推動變革管理,實現技術應用和推廣:企業需要設計和執行有針對性的溝通、培訓、引導與激勵機制,以提高員工對人工智能技術的理解,將技術融入日常。
建構具可擴展性的技術架構與統一數據平台:企業需建構既有前瞻性又可落地的技術架構,能夠支援未來多大語言模型與智能體的運用。
GenAI在不同行業和企業的部署都大不同,以下兩個例子,引證了建議的實施。
1.企業專責團隊推動全方位AI轉型
一家離散製造企業利用GenAI降低成本的同時實現業務成長;在制定了AI數位轉型路線圖後,企業下一步要解決組織在AI技術落地時鴻溝,即技術團隊對業務缺乏理解,業務團隊則缺乏技術應用的想像力。
於是,該企業同時從業務團隊與技術團隊抽調員工,組成敏捷小隊(Agile Squad),包括製造小隊、研發小隊、供應鏈小隊、銷售小隊。在每一個小組中,業務部門扮演了非常重要領導的角色,參加所有的敏捷實踐,包括「每日站會」、每兩週與業務負責人進行「衝刺評審」,「衝刺規劃」會議,與技術團隊協同以獲得持續反饋和改進。該企業透過系統性地推動數化碼與AI轉型,成功變革了營運模式,建構好人才能力。最後,兩年內就實現了利潤率翻倍。
- GenAI滲透企業組織末梢實現變革管理
另外,一家網絡企業從3個方向(銷售、編碼生成、產品設計)部署GenAI。該企業從4個層面推動GenAI在組織落地:包括1.統一認知,強化理解與共識;2.提升技能,進行全員訓練與能力建構;3.嵌入機制,推動行為轉變與持續使用及4.追蹤成效,建立採納與價值回饋閉環。
要了解,GenAI部署不僅是技術革新,更是組織文化變革。它要求領導階層以清晰方式推動由上而下的溝通,引導員工理解並接納新技術所帶來的工作方式變化。種種舉措確保GenAI應用不只是「被部署」,而是被真正「用起來」,並轉化為可持續的業務成果和組織能力。
由此可見,AI技術正以高速發展,現正成為新舊時代企業的分水嶺,企業要懂高屋建瓴、從業務整體出發,去探索並實際測試GenAI,讓企業進入智能轉型週期,並建構涵蓋策略、技術、人才與治理能力,捕捉機遇,要主宰自家AI命運,而不是追逐潮流。