普華永道：您是否已準備好生成式人工智能 “早鳥”戰略

最近，在一次有關生成式人工智能（GenAI）的討論中，我們的一位同事提到某大型醫療企業的首席信息官（CIO）曾表達對這項技術的諸多擔憂，包括風險協議、用例開發、網絡安全、倫理與偏見、培訓與發展等。聽畢，這位同事建議該客戶三思而后行：“您對想要實現的目標及背后的驅動因素有清晰的認識嗎？換而言之，您有一個明確的策略嗎？”這個問題讓這位CIO陷入深思，并促使她召開公司重要領導層及董事會的一系列會議，以制定一套更明確的目標。這一過程最終敲定了一系列優先事項，構成了一個可被視為“早鳥階段”的AI戰略。

之所以稱之為“早鳥階段”，是因為考慮到現實情況，這正是我們在GenAI領 域所處的階段。2022年11月，ChatGPT的橫空出世引發了全球對該領域的 想象。自那時起，業界一直試圖緊跟這項新型技術的發展步伐及潛力。毋庸 置疑，因為提前布局，有些企業的表現明顯優于同行，因此現在開始關注那 些利用生成式人工智能捕捉價值并走在前列的早期領軍者正是時候。在各行 各業，我們均看到這些前沿企業正在積極應對以下需要優先考慮的關鍵事項：

·在審慎行動以滿足風險管控要求與迅速行動以抓住新機遇之間尋找平衡點。

·將生成式人工智能新戰略與現有的數字化AI戰略相結合，以此為基礎指導思路，而不是從零開始。

·心懷全局，鼓勵在整個組織內進行實驗，聚焦尋找可大規模應用的案例。

·不僅尋求提高生產效率的方式，而且從戰略角度思考如何利用生產率的增益。

·思考新技術對員工、職能和技能發展的影響，讓員工更好地利用現有新工具，同時也讓他們參與公司的生成式人工智能發展進程。

·意識到面對這項潛在的顛覆性技術，應與生態系統內的合作伙伴攜手共進，方可徹底重塑企業價值鏈和商業模式。

在許多情況下，這些優先事項是緊急而非提前計劃好的，隨著GenAI應用的不斷迭代演進，領導者和企業也需持續學習共進。

重點一：AI風險管控與AI收益之間的拉鋸戰

AI在全球商界和個體企業中引發的興奮與焦慮是相似的。早期AI領軍者的市值飆升，剛好佐證了投資者和市場看到的GenAI商機。同時，該領域的一些專家也對AI影響力擴大可能帶來重大后果表示擔憂。類似地，在我們所了解的眾多企業中，管理層正試圖迅速挖掘生成式人工智能的潛力以獲得競爭優勢，而技術、法務和其他層面的領導者則在努力減輕潛在風險，雙方展開了一場拉鋸戰。如能有效處理這種沖突，企業可從中受益匪淺，但我們也看到了相反的情況——因意見分歧而導致的停滯或魯莽行為，將造成巨大的潛在成本。

形成健康的沖突通常始于制定負責任的AI應用框架。普華永道在生成式人工 智能的早期階段發揮了關鍵作用，與中國一家領先的科技公司合作開發了負 責任的生成式人工智能應用框架和行動指南，以確保以合乎道德和負責任的 方式使用生成式人工智能技術。此外，普華永道還與香港金融管理局合作發 布了一份白皮書，重點關注促進銀行業采用人工智能。在成功經驗的基礎上，普華永道進一步貢獻其專業知識，為某中東國家制定了國家層面的人工智能 戰略計劃，使該國能夠利用人工智能促進經濟增長、創新和社會發展。實用 的安全措施和指導原則助力企業快速、自信地前進。同時，開放、敏捷的領 導力也十分關鍵：風險意識強的領導者在內化生成式人工智能革命的重大意 義后，能夠提供更好、更快的指導；尋求機會的領導者則通過花時間深入了 解可能出錯的地方來避免代價高昂的錯誤。而實際上，雙方需要充分理解對 方的關注重點和擔憂之處。

我們所了解的一家企業已經認識到，對一套旨在生成客戶和市場洞察的人工智能應用程序和數據模型，其輸出需要進行驗證、消除偏見并確保公平性。

鑒于這項技術的復雜性、新穎性及其對訓練數據的依賴性，唯一具備測試和驗證這些模型所需專業知識的內部團隊恰是建立這些模型的團隊，在企業看來這是不可接受的利益沖突，導致進展停滯不前。

另一家企業則取得了更快的進展，這在很大程度上是因為董事會在早期就強調了在生成式人工智能方面需要統一全體意見、風險偏好、審批和透明度。在董事會的干預下，企業成立了跨職能領導團隊，負責思考負責任的人工智能對他們意味著什么以及需要什么。最終制定了一系列旨在彌補這一差距的政策：包括一套核心的人工智能道德準則；與企業戰略相一致的負責任的人工智能框架和治理模式；針對人工智能技術穩健性、合規性和以人為本的道德基準；以及將人工智能嵌入運營流程的治理機制和實施計劃。

簡而言之，對于后者來說，直面風險有助于保持發展勢頭，而非阻礙發展。

在中國內地和香港地區，在商業環境中采用人工智能既令人興奮，也令人擔 憂。與全球趨勢類似，在中國內地和香港地區的各個企業內部，也存在著這 樣一種角力：企業高管渴望利用生成式人工智能技術獲得競爭優勢，而技術、法律和其他領導者則擔心潛在風險?？v觀中國內地及香港市場，大多數企業 對此持開放態度，并表示愿意擁抱生成式人工智能以獲得更大的競爭優勢。 通常情況下，他們會先選擇一些小型場景進行試點、驗證效果并計算投資回 報率，為高管就是否全面應用生成式人工智能提供決策依據。

當然，我們也不能低估生成式人工智能應用過程中存在的挑戰及復雜性。如近一年多，中國內地的大模型百花齊放，既加速了本地大模型的進化速度，也為企業選擇合適的大模型帶來了技術挑戰。同時，部署大模型所需要的算力成本及來源，也是制約企業邁出第一步的重要因素。

重點二：將生成式人工智能戰略與數字化戰略相結合（反之亦然）

如果您和我們所了解的大多數領導者一樣一直在努力推動企業的數字化轉型，那么您還有很長的路要走。生成式人工智能能力的快速提升和日益普及對企 業數字化轉型工作具有重大影響，其主要產出畢竟是數字化的——數字化的

數據、資產和分析洞察，這些產出應用于現有的數字化工具、任務、環境、工作流程和數據集并與之相結合時會最大化其影響力。如果生成式人工智能戰略與整體數字化戰略能充分結合，將為企業帶來巨大效益。另一方面，鑒于生成式人工智能及其分布式特性如此令人興奮，脫離于廣泛工作的一些實驗性研究也更容易萌芽，并加速創造數字價值。

為了解這一機遇，我們可以參考一家全球消費品包裝企業的經驗，該企業最近開始制定在客服業務中部署生成式人工智能的戰略，這也是許多企業選擇的切入點。ChatGPT等生成式人工智能工具的聊天機器人界面天然適用于客服業務，并通常與現有的數字化、個性化和自動化戰略相協調。在該企業案例中，生成式人工智能模型可以代替顧客填寫服務單，同時為企業海量的產品和服務文檔數據提供輕松的問答咨詢模式。這一切都有助于客服代表處理請求并回答客戶問題，從而提高工作效率和員工滿意度。

隨著這項計劃的實施，企業領導者開始思考，生成式人工智能是否能與其他需要數字化的流程（例如采購、應付賬款、財務、合規、人力資源和供應鏈管理等）相聯系？事實證明，通過對特定業務流程的細化和量身定制，類似的生成式人工智能模型可以填寫表格、提供各功能模塊數據的問答式訪問和洞察等，由此帶來的總收益使客服方面的收益相形見絀，而這一切之所以成為可能，完全是因為該企業將其數字化戰略與生成式人工智能戰略相結合。此時，另一種選擇將會錯失為現有數字化工作提供動力的良機，甚至極端情況下，相互獨立的數字化和生成式人工智能工作可能產生沖突?？紤]到企業已經在數字化方面投入了大量資金，且生成式人工智能的潛力如此巨大，兩者的結合是無可替代的。

將數字化戰略與生成式人工智能戰略相結合的一個附帶好處是，前者通常已 經解決了數據安全和第三方工具使用等政策問題，從而形成了清晰的責任界 線和決策方案。這種明確性有助于緩解我們在一些企業中發現的挑戰，即風 控法務部門與創新業務部門之間存在的脫節現象，前者往往會建議謹慎行事，這在企業內部形成了信息差異，關于誰在應用GenAI方面擁有最終決定權的 爭議可能會使大家感到沮喪，導致跨職能部門關系惡化，并減緩技術部署進

度。不過，這些脫節現象也很容易避免。據我們所知，另一家金融服務企業一直在探索人力資源部門的生成式人工智能應用， 其首席人力資源官

（CHRO）、首席信息官（CIO）和首席信息安全官（CISO）共同評估了企業現有數據、技術和網絡安全政策之間的關系，并提供了良好指引，保持企業發展勢頭。

重點三：著眼擴大試行規模

上文提及的金融服務企業管理層還曾將人力資源部門的早期試行擴展至公司層面。規?；瘮U張對于希望充分利用生成式人工智能獲益的的企業而言至關重要，同時也需要面臨至少兩個挑戰：一，生成式人工智能的潛在應用多樣性往往會引發廣泛的試點工作，這對于識別潛在價值必不可少，但可能會引發“1+1<2”效應；二，試行的規?；涞赝枰绮块T的戰略組織視角，因此高層領導的參與不可或缺。

生成式人工智能的試點具有重大意義，這項技術通用性強，像一把數字化的瑞士軍刀，可以通過各種方式來滿足多種需求。這種多功能性意味著熟悉業務的人可能最容易識別出高價值的商業應用場景。因此，對生成式人工智能應用開發的集中控制很可能會導致忽略一些能通過累積帶來顯著競爭優勢的專業化用例。當然，我們在普華永道的經驗已經強調了讓員工個體和部門參與試點探索的重要性，如我們內部使用的“黑客馬拉松”（hackathons）已為部分業務線識別出占其收入1-2%的價值創造機會。

盡管這樣的試點對于發現特定商機很有幫助，但同時也面臨著風險：最好的情況是一葉障目，最糟糕的情況是陷入“試點煉獄”。數年前許多企業的高級數據分析工作就曾陷入這種狀態，希望的曙光所帶來的更多是熱情而并非價值。上述金融服務企業的人力資源部門在利用生成式人工智能來改進招聘發布及員工入職的自動化流程時，就可能面臨這些挑戰。

幸運的是，CHRO讓CIO和CISO參與進來的舉措，不僅帶來了清晰的政策和安全、負責任的人工智能方案，還使人們認識到，許多人力資源流程都有原

型或可重復的模式，而這些模式反過來又啟發了一個新靈感——不僅是人力資源部門，其他職能部門都可以在此基礎上進行調整和試點——繼而與首席執行官和首席財務官進行了更廣泛的對話，促使其開始思考生成式人工智能對整個業務模式的影響，以及其中蘊藏的獨家知識產權的潛在模式，由此開辟了新的業務賽道。

同樣的模式識別對于前文提及的消費品包裝企業的試點也很重要。在這種情 況下，我們很快發現，用公司文件（以前被認為是難以獲取的非結構化信息）訓練生成式人工智能模型對客戶很有幫助。這種通過生成式人工智能處理提 高可訪問性的“模式”，也可用于為其他職能部門提供有價值的見解，包括人力資源、合規、財務和供應鏈管理部門。通過識別最初設想的單一用例背后 的模式，該企業得以部署類似方案賦能企業全體員工。

領導者在采取此類行動時，還需要認真審視自己：企業需要哪些技能才能利用人工智能取得大規模成功，目前已經在多大程度上具備了這些能力？填補技能缺口的計劃是什么？周期多長？如果不提出這樣的問題，就會在未來的道路上遭遇阻礙，而這些問題能在早期試點階段得到更實際的回答。

重點四：制定生產力計劃

生成式人工智能可查找相關信息，快速執行重復性工作，并與現有的數字化工作流程融合，這意味著這項技術幾乎可以瞬間提高部門及企業上下的效率和生產力。當然，這種機會并非生成式人工智能所獨有；2021年的一篇

《戰略+經營》文章即列舉了人工智能為ChatGPT前的世界所帶來的海量機遇。

生成式人工智能加深了許多領導者對AI增效的認知和興趣，企業可以利用這些生產力做三件事：

·再投資生產力，提高產品交付和服務的質量、數量或速度，在廣義上以相同投入達到更大產出。

·保持產出不變，減少勞動力投入以降低成本。

·追求兩者結合。

普華永道中國內地和香港地區采用了第一種方案進行小規模試點，從而在系統設計方面節省了30%的時間，在代碼生成方面提高了50%的效率，并將內部翻譯所需時間減少了80%。當生成式人工智能使員工避免了重復耗時的乏味任務時，員工的工作滿意度也得以提高。事實上，普華永道一項近期調查發現，各行各業的大多數員工都對人工智能改善工作的潛力持積極態度。

生成式人工智能創造文本、圖像、音頻和視頻等內容的能力，意味著傳媒行業是最有可能被顛覆的行業之一。一些傳媒機構已經開始專注于利用生成式人工智能來提升改進產品，將人工智能作為內容創作者的輔助工具，而非取而代之。人工智能可以幫助記者進行調查研究，而非撰寫文章，尤其是在大量的文本和圖像中尋找可能存在的精彩故事。生成式人工智能不會取代設計師和動畫師，而是可以幫助他們更快地開發原型、測試和迭代。傳媒機構不應認為減少的工時等同于縮減員工，而應將知識和經驗重新聚焦于創新，或是借助生成式人工智能工具來幫助識別新創意。

普華永道中國已與多家供應商建立了合作關系，共同探索數字助手與生成式人工智能相結合的潛力。過去，數字助手僅限于重復預先設計的內容和提供預定義的答案。然而，隨著生成式人工智能的融入，現在的“數字助手”可以通過回答問題、參與推理、產生聯想等方式，更智能地與個人互動，從而促進更廣闊的商業想象空間。數字助手與生成式人工智能之間的合作為增強互動和創新開辟了新的商業機遇。

同時還需要考慮到，當企業將一些較為乏味的工作自動化后，剩下的往往是更具戰略性、認知負荷更大的工作。許多研究表明，工作倦怠仍然是普遍存在的問題，例如，我們的《2023年全球職場調研“期待與忐忑”報告》顯示， 20%的受訪者在過去12個月中感到工作量超出負荷。企業在決定重新部署空閑人手時，需先了解員工情況，而不是在人才緊缺的環境下重復調用先前已超負荷的員工。

其他企業可能更關注節約成本，但也會帶來風險，例如勞工糾紛（正如好萊塢電影演繹的場景），或導致企業無法與競爭對手形成差異性。有些企業可能會認為這些風險值得承擔，但合適的解決方案顯然會因行業、企業甚至部門而異，關鍵是要制定計劃：速度、質量和成本改進的相對重要性在哪里？需要解決什么時間范圍的問題？如何處理被生成式人工智能淘汰的員工？明確這些問題的答案是制定計劃的重要起點。

重點五：以人為本的生成式人工智能戰略

無論您選擇哪種提高生產力的途徑，考慮其對員工的影響并從一開始就解決這個問題將決定您的舉措成敗。

最新的普華永道《第27期全球CEO調查報告》發現，約有半數的受訪CEO希望生成式人工智能可以提高他們與利益相關者建立信任的能力，約有 60%希望GenAI可以提高產品或服務質量。然而，此前我們對 46 個國家和地區近 54,000名員工進行的《2023 年全球職場調研“期待與忐忑”報告》顯示，許多員工就這些技術對他們的潛在影響持懷疑態度或并不了解。例如，較少員工

（不到 30%）認為人工智能會為他們創造新的工作或技能發展機會。這一差距以及大量研究表明，員工更有可能采用他們共同參與創造的東西，凸顯了將人置于生成式人工智能戰略核心的必要性。

CEO們預計生成式人工智能將產生更大影響，但多數員工并不清楚這對他們意味著什么

來源：普華永道《第27期全球CEO調研》及《期待與忐忑：2023全球職場調研》

為確保能夠充分利用生成式人工智能的潛力，企業應優先采取措施讓員工參 與人工智能工具的創造和選擇，并投資于人工智能教育和培訓，培養支持“人 智”合作、數據驅動決策的創新文化。為此，我們建議采取以下幾項關鍵戰略：

·讓員工盡多盡早參與。不斷傳達人工智能的重要性及其與企業目標的匹配度。解釋人工智能將如何改善而非取代員工的工作，并強調積累 AI技 能 對 員 工 未 來 事 業 成 功 至 關 重 要 。

但切記溝通應是雙向的。企業應提供相應機制，收集員工對其人工智能體驗的反饋，并基于反饋完善工具和培訓計劃，解決問題及挑戰。

·提供定制化培訓和技能提升。評估員工當前的AI技能和知識，并提供針對特定職位的培訓計劃、學習資源和認證以彌補差距?？紤]與教育機構或人工智能培訓提供商合作，創造指導機會，為員工的AI之旅提供指導，并告訴他們如何從企業內部的人工智能專家處獲得建議及反饋。

雖然目前仍然很難預測生成式人工智能可能帶來的新職位，但我們知道它們一定會出現。讓員工成為有準備的人，尋求長遠的職業發展，減輕員工對被取代的擔憂。提示工程（promptengineering）是一個備受討論的角色，盡管隨著生成工具的發展，它可能只是曇花一現，而其他許多涉及人工智能倫理和培訓的新興職位以及不可預見的職位將變得更加普遍。

·倡導成長型思維。通過表彰和獎勵那些利用人工智能學習和嘗試新事 物的員工來打造一個學習型、成長型的企業文化。更重要的是，要明 確指出，在適當的防護措施保護下，失敗是創新的標志，在意料之中，甚至值得被慶祝。例如，我們接觸的一家金融服務企業每周都會在設 計團隊會議上至少討論一次失敗案例，讓大家知道這種情況是可以接 受的，不會招致懲罰。遺憾的是，這樣的企業仍在少數，在我們的

《2023 年全球CEO調查報告》中，53% 的受訪者表示其企業領導者并不經常容忍小規模的失?。▎T工認為這一數字接近三分之二）。

培養成長型文化還包括鼓勵員工在開始使用這些工具時相互分享學習成果。例如， 據我們所知有些企業已經開始建立提示庫（ prompt libraries）。

·倡導并賦能以合乎道德的方式使用人工智能。提供清晰的指引來闡明企業如何以合乎道德的方式使用人工智能，并確保員工了解公平、透明和負責任的人工智能實踐的重要性。例如，在普華永道，我們創建了一個內部網站，闡明了準許員工使用的生成式人工智能工具、可接受的業務用例、可向這些工具輸入的信息性質限制、人工監督和質量檢查的要求等。

·衡量影響。識別舉措的有效、無效不僅需要員工的反饋，還需要量化評估。通過實施關鍵績效指標，評估人工智能對生產力、創新和客戶滿意度的影響，并積極推廣結果。據我們所知，一些企業正在進行受控實驗，例如讓軟件工程師使用編程助手以衡量生產率的提高情況。

·建立反饋回路。建立機制，持續收集員工和最終用戶對人工智能生成工具和解決方案使用體驗的反饋。定期通過調查研究、焦點小組或用戶測試會議征求反饋意見，有助于識別待改進領域、應對挑戰并確保生成式人工智能系統符合業務需求。

通過遵循這些戰略，企業可以系統地訓練并賦能員工，使員工與企業在人工智能驅動的世界中實現共贏。

重點六：與生態系統合作，釋放更大效益

普華永道最近的一項分析發現，擁有明確生態系統戰略的企業更有可能超越那些沒有的企業。在嘗試應用人工智能的過程中，跳出企業思維是非常重要的：您知道您的供應商、服務提供商、客戶和其他合作伙伴打算如何利用這項技術來改善他們的服務嗎？他們的人工智能應用對您的“早鳥”戰略有什么影響？是否會對您提出新的條件和要求？在人工智能方面更緊密的合作能否帶來更強且有力新機遇？

例如，醫藥企業的“秘訣”是能夠大規模訪問患者記錄并識別模式，從而發現更有效的治療途徑。然而，企業間的信息共享長期以來一直受到隱私問題、地方法規、缺乏數字化記錄以及知識產權等多方面因素的限制，所有這些都限制了生態系統合作的范圍和力量。

與此同時，人工智能的應用已經在醫藥行業中得到廣泛普及。醫療機構正在嘗試利用計算機視覺和經過專門訓練的生成式人工智能模型來檢測醫學掃描中的癌癥。生物技術研究人員一直在探索生成式人工智能的能力，通過逆向設計（向人工智能提出挑戰并要求它找到解決方案）來幫助識別滿足特定需求的潛在解決方案。這種由人工智能支持的治療診斷方法已被用于精準醫療

（通過基因和醫療記錄分析，根據個體特定情況確定最佳治療方案）和藥物開發（通過蛋白質和化學模型合成生成定制抗體）。

直至近日，人工智能在生命科學領域的潛力仍受制于單個機構內部的進展限制。如今，各機構可以將生成式人工智能創建和管理記錄的能力與其統計可

靠匿名的合成數據集的能力結合起來，在醫療機構及其合作伙伴之間實現安全可靠的大規模數據共享和數據池。更大的信息庫可以幫助研究人員識別更優治療方案的共性，為機構間的合作、新的商業模式和獲取價值的新方法提供新機會，改善患者的治療效果，從而增加醫學突破的機會。

在我們談論這些優先事項時，“用例”已多次出現。由于生成式人工智能是一項通用技術，適用于各種商業活動，因此新興領導者強調尋找有針對性的智能應用也就不足為奇了。然而，必須再次強調的是，現在還為時尚早。要了解有多早，我們可以參考另一項通用技術：電力。自19世紀70年代的照明開始，電力逐漸滲透到一系列工業環境和應用中，并在隨后的幾十年里帶來各種生產力的提高。亨利·福特自動化流水線（高架單軌輸送系統）的一個重要特征就是電力，該流水線使得整個工廠能順利輸送零件和材料。

回顧過去，沒有人談論福特的“電力戰略”。相反，人們的關注重點是流水線裝配。我們認為，生成式人工智能也將如此，它將催生出革命性的商業創新，而這些創新是我們今天無法想象的。這將使得我們所描述的人工智能“早鳥”戰略和優先事項變得更加重要。它們不僅能帶來眼前的商業利益，還能增強 自身實力，積累寶貴經驗，幫助企業領導者實現更大的突破，促進代表未來 流水線的產品、流程和服務的創新。

英文原文作者：

Scott Likens | 全球人工智能與創新技術主管合伙人，普華永道美國

Nicole Wakefield | 全球咨詢業務客戶與市場主管合伙人，普華永道英國