2025年领跑者的AI扩展指南-行业领袖的教训-.docxVIP

领跑者的AI扩展指南

行业领袖的教训

accenture

作者

蓝关

首席人工智能官埃森哲

首席人工智能官埃森哲

领跑者扩展人工智能指南：行业领袖的教训

菲利普·鲁西埃

全球创新和人工智能首席专家，埃森哲研究

2

关于研究

为了识别最重要的战略赌注（参见下文“采取战略行动”），我们还采访了Accenture内部和外部众多C级别的专家。此外，我们还利用

为了识别最重要的战略赌注（参见下文“采取战略行动”），我们还采访了Accenture内部和外部众多C级别的专家。此外，我们还利用机器学习来识别与扩展战略赌注相关的关键能力以及公司发展这些能力的进展情况。我们的研究进一步得到了我们在帮助客户扩展AI解决方案方面丰富经验所提供的见解的丰富。通过借鉴这些多样化的输入，我们的研究结论既涵盖了人工智能的战略视角，也反映了现实世界的执行挑战。

澳大利亚、巴西、加拿大、中国、德国、法国、印度、意大利、日本、沙特阿拉伯、新加坡、西班牙、阿拉伯联合酋长国、英国和美国）设有总部，并在九个行业（银行、保险、能源、消费品和服务、生命科学、公用事业、零售、公共服务和通信媒体）运营。这项从2024年6月到7月进行的调查旨在阐明公司如何开发和使用人工智能模型来创造财务和非财务价值。调查涵盖了组织的数据和人工智能战略、数据和人工智能架构、战略赌注的预算和投资、人才战略、生态系统战略、负责任的人工智能、人工智能相关挑战和人工智能采用率等议题

。

在本报告的语境中，“扩展人工智能”是指将人工智能应用扩展到整个企业，以实现更广泛、更具影响力的成果。“扩展”包括将人工智能整合到不同的业务流程和工作中；确保在资产和员工中广泛采用；与现有系统无缝集成；推动创新以在市场上获得竞争优势；以及以其他方式改进关键绩效指标。“生成式人工智能”是一个总称，用于指代能够产生全新输出（如文本、图像、视频、音频和代码）的人工智能。

领跑者扩展人工智能指南：行业领袖的教训3

执行摘要

尽管每家企业都可能希望拥有人工智能驱动的优势，但许多公司仍然在努力超越其最初的AI实验。我们的研究也表明，这其中的一个大原因在于低数据“准备度”——这发生在所有类型的数据，尤其是非结构化数据，没有得到充分利用。令人鼓舞的是，大多数商业领袖都认识到了这一挑战。例如，在我们调查的

尽管每家企业都可能希望拥有人工智能驱动的优势，但许多公司仍然在努力超越其最初的AI实验。我们的研究也表明，这其中的一个大原因在于低数据“准备度”——这发生在所有类型的数据，尤其是非结构化数据，没有得到充分利用。

令人鼓舞的是，大多数商业领袖都认识到了这一挑战。例如，在我们调查的公司中，70%承认在扩展人工智能时需要强大的数据基础。

我们调查的70%的公司承认在扩展人工智能时需要强大的数据基础。

但要使用生成式人工智能（生成式AI）重塑企业，并不仅仅是部署几个聊天机器人那么简单。重塑意味着要构建先进的AI能力，例如“代理架构”，这是一种超越自动化常规任务、以协调整个业务工作流程的人工智能代理网络。

数据当然不是企业利用生成式AI进行重塑的唯一障碍。过时的IT系统，以及员工分别缺乏对生成式AI工具、全面培训和领导层清晰指导的访问，也是重大障碍。

凭借高级推理能力，AI代理能够自主协作，在规模化上提升质量、生产力和成本效率。代理式架构正在迅速普及：本报告调查中，三分之一的受访公司已开始使用AI代理来增强其创新能力。

与此同时，我们的研究揭示，一小部分公司（“领跑者”）已经通过生成式人工智能重塑企业取得了相当大的成功。这些公司始终做对了一件非常重要的事情：他们将我们所说的“基本盘”生成式人工智能投资与“战略赌注”（见下