麦肯锡2022年人工智能现状及五年回顾干货报告

　　原文：The state of AI in 2022—and a half decade in review THE NEXT GENERATION OF TRUCKS
　　来源：麦肯锡，2022年12月发布；编译：崔帅
　　这是麦肯锡连续第五年研究人工智能在商业中的角色，在此期间发现了一些明显的变化。
　　首先，相较于2017年，当前人工智能的采用率增加了一倍多。2017年，20%的受访者表示至少在一个业务领域采用了人工智能，而今天，这一比例为50%。
　　与此同时，机构使用的人工智能技术，如自然语言生成和计算机视觉，也翻了一番，从2018年的平均1.9个技术增加到2022年的平均3.8个技术。在这些项目中，机器人流程自动化和计算机视觉是每年最常用的技术，而自然语言文本理解已经从2018年的中间位置上升到仅次于计算机视觉的第三位。
　　数据显示，在过去的几年里，越来越多的组织已嵌入人工智能能力
　　从人工智能的应用领域而言，在过去的四年中，服务运营每年都占据榜首。
　　按功能划分的最常用的人工智能用例
　　其次，对人工智能的投资随着它的日益普及而增加。例如，五年前，在使用人工智能的机构中，40%的受访者表示，超过5%的数字化预算流向了人工智能，而现在，超过一半的受访者表示达到了这一投资水平。展望未来，63%的受访者表示，投资将在未来三年内持续增加。
　　每个业务功能中最常采用的人工智能用例
　　再次，体现人工智能价值的领域已经变化。2018年，制造业和风险场景是受访者认为人工智能的两大应用领域。如今，受访者认为人工智能应用影响最大的是市场营销和销售、产品和服务开发、战略和企业财务，其中，受访者认为人工智能在供应链管理方面的成本效益最高。
　　2021年人工智能的采用带来成本下降和收入增加的情况（按功能划分）
　　最后，有一件令人担忧的事情是，各机构防范风险的水平。尽管人工智能的使用有所增加，但从2019年麦肯锡第一次开始获取这些数据时，到目前为止，任何与人工智能相关的风险的防范报告都没有大幅增加。
　　截至目前，任何与人工智能相关的风险的防范报告均未大幅增加
　　人工智能的使用和可持续发展的努力
　　调查结果表明，许多机构正在将人工智能整合到其可持续发展努力中，也在积极寻求减少其使用人工智能影响环境的方法。报告显示，那些在人工智能领域投资更多、人工智能技术更成熟的公司减少人工智能相关排放的可能性是其他公司的1.4倍。这两个努力方向在大中华区、亚太地区和发展中市场更为常见，而北美的受访者则没有相应的回应。
　　当被问及使用人工智能对可持续发展努力的帮助时，受访者最常提到改善环境的举措，如优化能源效率或减少浪费。在改善社会影响方面，使用人工智能的情况最不常见。
　　当前，各组织正在可持续发展范围内使用人工智能，并努力减少使用人工智能对环境的影响
　　人工智能领导者正在扩大竞争优势
　　在过去的五年里，麦肯锡追踪了人工智能领域的领导者——麦肯锡称他们为人工智能的高绩效者——并研究了他们的不同之处。麦肯锡发现更多的迹象表明这些领导者正在扩大竞争优势。
　　首先，没有看到领导小组的数量有所扩大。在过去的三年里，麦肯锡将人工智能高表现的机构被定义为人工智能对机构绩效影响极大的那些——也就是说，人工智能的使用为机构贡献了20%或更多的EBIT。属于这一群体的受访者的比例一直稳定在8%左右。研究结果表明，这一群体取得卓越的成果主要是由于人工智能提高了收入。
　　其次，高表现者比其他人更有可能遵循释放价值的核心实践，比如将他们的人工智能战略与业务成果联系起来。同样重要的是，他们更频繁地参与＂前沿＂实践，使人工智能能够大规模开发和部署，或者一些人所说的＂人工智能工业化＂。例如，领导者更有可能拥有一个足够模块化的数据架构，以快速适应新的人工智能应用程序。
　　它们还经常将大多数与数据相关的过程自动化，这既可以提高人工智能开发的效率，也可以通过提供更多高质量的数据输入人工智能算法来扩大它们可以开发的应用程序的数量。人工智能的高绩效者通过使用新兴的低代码或无代码程序来吸引非技术性员工创建人工智能应用程序的可能性是其他组织的1.6倍，这使得公司能够加快人工智能应用程序的创建。在过去的一年里，高绩效机构比其他组织更有可能遵循某些先进的扩展实践，比如使用标准化工具集创建可生产的数据管道，以及使用端到端平台。
　　高层员工还可能在管理潜在的人工智能相关风险方面取得领先地位，比如个人隐私、公平和公平，而其他组织尚未解决这些问题。虽然总体而言，自四年前开始调研与人工智能相关的风险以来，识别和防范风险的受访者比例几乎没有变化，但来自人工智能高绩效的受访者比其他人更有可能回答他们从事已知有助于降低风险的实践。这些措施包括确保人工智能安全运行和数据治理、使流程和协议标准化、将数据质量控制等流程自动化等，以消除通过人工操作引入的错误、测试模型的有效性，并随着时间监测它们以解决潜在问题。
　　从人工智能中获得最高回报的组织更有可能遵循战略、数据、模型、工具、技术和人才最佳实践
　　投资是另一个可能导致扩大差距的原因：人工智能表现出色的机构在该领域的支出将继续超过其他组织。尽管这些领先机构的受访者和其他人一样有可能表示，他们未来会增加投资，但他们现在的支出已经比其他机构要多，这意味着他们将从一个收入比例更高的基础上增加。
　　最后，所有这些都可能让人工智能高绩效机构在吸引人才方面发挥优势。有迹象表明，这些组织招聘人工智能数据科学家和数据工程师等职位的难度较小。
　　人工智能的多元人才需求
　　软件工程师成为人工智能的热门角色，调查结果显示，机构在过去一年中雇佣软件工程师最多。这是另一个明显的迹象，表明许多机构已经从试验人工智能转向积极地将其嵌入到企业应用程序中。
　　不幸的是，科技人才的短缺没有任何缓解的迹象，这可能会减缓一些公司的这种转变。大多数受访者说，在过去的一年里，招聘每个与人工智能相关的角色时都有困难。人工智能数据科学家仍然特别稀缺，在麦肯锡调研中，认为数据科学家稀缺的受访者比例最大。
　　正如前面提到的，一些迹象表明，人工智能表现较好的公司比其他组织更容易招聘人才，但他们依然认为比较困难，同时他们更加专注于人工智能工业化和商业价值优化的人才招聘。
　　组织最常雇佣软件工程师、数据工程师和人工智能数据科学家
　　在寻找人工智能人才方面，所有受访者中最支持的策略是再培训现有员工。近一半的机构都在这样做。另外，从顶级大学以及非顶级的科技公司招聘人才也是常见的策略。但人工智能高绩效机构会尽可能多地利用招聘渠道，不仅从顶级技术大学和科技公司招聘人才，也从其他大学、培训学院、以多样性为重点的项目或专业组织中招聘人才。
　　来自人工智能高绩效人士的受访者报告指出，他们比其他受访者以更广泛的方式寻找与人工智能相关的人才
　　来自人工智能高绩效机构的受访者说，他们的机构培训技术人员的人工智能技能最常见的方法是体验式学习、自我指导的在线课程和认证项目，而其他组织通常最依赖于自我指导的在线课程。
　　最后，麦肯锡还发现以人工智能为重点的团队内部的多样性水平都有很大的改进空间。在受访者所在的机构中，这些团队中女性的员工的平均比例仅为27%。开发人工智能解决方案的平均比例也只有25%。同时，29%的受访者表示，他们的组织中没有少数民族员工。
　　虽然一些公司正在努力改善其人工智能人才的多样性，但是在改善性别多样性方面比种族多样性做得更多。
　　与麦肯锡之前的研究一致，该研究显示了多样性和优异表现之间存在相关性。至少有25%的人工智能开发员工是女性的机构，其人工智能绩效表现是其他机构的3.2倍。那些至少有25%的人工智能开发员工是少数种族或少数民族员工的，其人工智能表现出色的可能性是其他机构的两倍多。
　　END