已经部署的人工智能能力

在我们向受访者询问的九项人工智能能力中，企业部署得最多的是机器人流程自动化、计算机视觉和机器学习。对于其中的每一项能力，至少有20% 的受访者表示，企业已将相关技术嵌入业务流程中。企业部署最少的能力是机器人和自动驾驶，主要因为它们只与有明确应用领域的行业和企业相关；这些行业的受访者表示，这两项能力得到了相当大规模的使用。例如，在汽车和装配行业中，有一半的受访者表示，已将机器人部署到至少一个职能或业务单元中（与之相比，所有行业的平均水平只有16%）。

人工智能的应用领域

从行业来看，电信、高科技和金融服务企业在整体普及率方面处于领先地位。不过调研结果表明，纵观各个行业和职能，在部署人工智能时企业一般都是“跟着钱走”，就特定行业而言，人工智能则在最具价值创造潜力的业务领域最受欢迎（见图1）。例如，在零售行业，人工智能主要被用于营销及销售流程：52% 的零售行业受访者表示，企业在营销及销售中使用了人工智能，而在所有受访者中，这一比例仅为29%。

人工智能在哪些领域创造价值

虽然人工智能尚处于早期应用阶段，但调研结果表明，它已经产生了显著的效益。当被问及在已部署人工智能的业务职能中收获的价值时，仅有1% 的受访者表示没有看到价值或产生了负面的价值，而41% 的受访者表示创造了显著的价值，37% 的受访者表示创造了一定的价值【6】。纵观各个业务职能，在制造和风险职能中使用人工智能的受访者看到的价值最大（见图2）。超过一半的受访者表示，在这些流程中使用人工智能创造了显著的价值，而35% 的受访者表示，在营销及销售中使用人工智能创造了显著的商业价值【7】。

人工智能的促成因素与挑战

要充分发挥人工智能的巨大潜力，企业进行的核心实践必须有助于实现其潜在的规模化价值，调研表明，大多数企业在这方面还有很长的路要走（见图3）。仅有17% 的受访者表示，企业已经确定整个组织在哪些领域存在潜在的人工智能机会。仅有18% 的受访者表示，企业已制定明确的战略以获取人工智能所需的数据。事实上，对于我们在调研中提及的11 种实践，有近1/4 的受访者表示，企业尚未开发其中的任何一种。

在谈到采用人工智能所面临的最大挑战时，受访者表示，最常见的障碍也与战略有关。他们提及最多的障碍是缺乏明确的人工智能战略（见图4），其次是缺乏合适的人才，职能壁垒限制了端到端的人工智能解决方案，以及缺乏对人工智能具有责任感并决定投身其中的领导者。

人工智能的一个关键促成因素是企业在数字化旅程中的进展。在核心业务的数字化流程中取得最大进展的企业通常也会走在人工智能应用的前沿。在数字化程度较高的企业中，67% 的受访者表示，企业在标准业务流程中嵌入了人工智能能力，而在其他企业中，这一比例为43%。机器学习是普及率最高的人工智能能力，在数字化程度较高的企业中，39% 的受访者表示在流程中嵌入了机器学习，而在其他企业中，这一比例仅为16%（见图5）。

与其他企业相比，数字化程度较高的企业也对更多职能部署了人工智能，但在所有受访企业中，人工智能最常用的领域都是服务运营和产品开发。数字化程度较高的企业也对人工智能进行了更大的投资：在这些企业中，39% 的受访者表示有超过1/5 的数字技术总支出用于人工智能，而在所有企业中，这一比例仅为8%。总体来看，在数字化程度较高的企业中，52% 的受访者认为使用人工智能创造了显著的价值，而在其他企业中，这一比例为38%。

在我们提及的普及人工智能面临的障碍中，尽管一些障碍对于数字化程度较高的企业来说没有那么紧迫（仅有27% 的受访者表示企业没有明确的人工智能战略，而在其他企业中，这一比例为46%），但在难以找到合适人才方面，两类企业的比例相当。事实上，人才是数字化程度较高的企业面临的最大挑战，有41% 的此类企业提及这一障碍。

人工智能对企业员工人数有何影响

人工智能引发了关于企业员工人数的两大疑问：我们可以在哪里找到知识渊博的人才来部署人工智能？人工智能将我们原本付薪给工人的工作变得自动化了，这会对企业员工人数有多大影响？

人才是人工智能面临的最大挑战之一，无论一家企业的数字计划有多先进，都必须在招募人才和获取技能方面不遗余力。受访者大多表示，企业正在采用“上述全部”方法：聘用外部人才、在内部建立能力、向大型科技公司购买能力或获得授权。总体来看，即使那些在人工智能的采用方面处于领先地位的行业（电信、高科技和金融服务行业），在吸引人才上也会内外兼顾双管齐下，尽管它们比其他行业更专注于开发自己的人工智能能力。与其他行业相比，这些行业中表示正在建立内部人工智能能力的受访者比例更高，这就需要具备相应技能的内部人才。在高科技和金融服务行业，有更高比例的受访企业会进行员工再培训或技能提升。数字化程度较高的企业也是如此：与其他企业相比，正在开发内部人工智能能力的受访比例更高，并且注重对现有员工进行再培训或技能提升（见图6）。

与此同时，在通过人工智能实现人力劳动的自动化方面，数字化程度较高的企业比其他企业做得更多。从职能来看，受访者提及最多的自动化流程是客户服务、IT 和服务运营流程，且数字化程度较高的企业在这三个方面的自动化程度都超过未来对企业员工人数的影响将是轻微或积极的。许多受访者表示，人工智能在3 年之后不会对企业员工人数产生实质性的影响。在数字化程度较高的企业中，有更高比例的受访者预计，企业员工人数将不降反升。它们也比其他企业更乐观地认为员工人数将会增加，在数字化程度较高的企业中，有31% 的受访者持这一观点，而在其他企业中，这一比例为18%。结合本次调研以及麦肯锡其他调研的结果【8】，人工智能对劳动力的最大影响可能在于工作内容的变化（尤其是导致人机协作增加），而不是企业员工人数的减少。了其他企业。然而，这些企业（以及所有企业）的受访者都倾向于认为，人工智能未来对企业员工人数的影响将是轻微或积极的。许多受访者表示，人工智能在3 年之后不会对企业员工人数产生实质性的影响。在数字化程度较高的企业中，有更高比例的受访者预计，企业员工人数将不降反升。它们也比其他企业更乐观地认为员工人数将会增加，在数字化程度较高的企业中，有31% 的受访者持这一观点，而在其他企业中，这一比例为18%。结合本次调研以及麦肯锡其他调研的结果8，人工智能对劳动力的最大影响可能在于工作内容的变化（尤其是导致人机协作增加），而不是企业员工人数的减少。

展望未来

调研结果表明，在让人工智能创造规模化价值方面，数字化和某些基础实践至关重要。企业可以采取以下几个步骤，以充分发挥人工智能的潜力：

■ 在数字化旅程中取得进展。调研表明，数字化是实现人工智能价值的前提这关系到对核心业务流程的变革以及全新的工作方式。但是如果没有强大的数字化基础，企业的人工智能系统将缺乏必要的训练数据，无法建立更好的模式，也无法将出色的人工智能洞见转化为大规模的行为变化。

■ 衡量人工智能对整个企业的影响。虽然大多数企业已经在一定程度上部署了人工智能，但只有极少数企业将其嵌入多个业务单元或职能的标准操作流程中，大约1/3 的企业只是在进行试点。尽管人工智能尚处于早期阶段，但陷入“试点炼狱”是一个切实的风险【9】。为了收获累累硕果，不仅需要在整个企业内部扩散这些能力，领导者也要对此真正理解并做出承诺以推动大规模变革，除了技术之外，还需要关注变革管理。

■ 落实关键的促成因素。尽管人工智能正在迅速普及，但调研显示，在如何让人工智能创造规模化价值方面，企业往往缺乏所需的许多基本促成因素。这些因素包括高管层支持，开发整个企业的人工智能机会组合视图，采取行动弥补人才缺口以及实施成熟的数据战略。所有这些都需要围绕人工智能项目和议程的更多战略思维。业务和技术领导者必须迅速行动起来，将这些关键促成因素落实到位。否则，企业很可能会错过当前乃至未来的人工智能机会。

【1】 这项在线调研于2018年2月6日—2月16日进行，共有来自不同地区的2 135名受访者参与，他们代表了不同的行业、企业规模、职能专长和任期。为了对应答率的差异进行调整，相关数据根据受访者所在国家对全球国内生产总值（GDP）的贡献进行加权。

【2】 九项人工智能能力分别是：理解自然语言文本、理解自然语言讲话、生成自然语言、虚拟代理或对话界面、计算机视觉、机器学习、机器人、自动驾驶和机器人流程自动化（RPA）。有人认为RPA本身不应被归入人工智能，但是根据我们的经验，RPA系统正在结合越来越多的人工智能能力。

【3】 我们对数字化程度较高的企业的定义是平均数字化程度为51%或以上的企业。数字化程度根据下列衡量指标的平均百分比计算：通过数字渠道销售的产品及（或）服务的销售占比；具有数字本质的核心产品及（或）服务（例如，虚拟或数字增强）；自动化及（或）数字化的核心操作；以及数字化的或通过与供应商的数字化互动而移动的供应链容量。

【4】 根据2017年对亚洲、欧洲及北美14个经济部门和10个国家的3 073家企业C级高管的调研，在向这些受访者了解企业采用人工智能技术的情况时，相关问题与我们最新的调研有所不同，具体来说，包括企业是否正在通过研究、试点或概念验证来探索人工智能；企业目前是否在使用人工智能技术，但不是针对核心业务或进行大规模使用；以及该技术是否针对核心业务进行大规模使用。这些问题中的最后一个选项与此次调研的两个选项最为相似：在至少一个职能或业务单元的标准业务流程中嵌入了人工智能能力，以及在多个职能或业务单元的流程中嵌入了人工智能能力。关于之前调研结果的更多详情，请参阅麦肯锡全球研究院发布的报告：Artificial intelligence：the next digital frontier ？2017年6月，McKinsey.com。

【5】 更多详情请参阅麦肯锡全球研究院的报告：Notes from the AI frontier:applications and value of deep learning，2018年4月，McKinsey.com。

【6】 只针对企业已部署人工智能的受访者，向其询问在不同职能中使用人工智能能够创造多少价值。

【7】 在我们看来，由于营销及销售工作通常部署了其他分析技术，因此人工智能为其带来的业绩提升可能不及较少使用分析技术的其他职能部门。

【8】更多详情请参阅麦肯锡全球研究院的报告：Harnessing automation for a future that works，2017年1月，McKinsey.com；Jobs lost, jobs gained：what the future of work will mean for jobs, skills, and wages，2017年11月，McKinsey.com；Skill shift:automation and the future of the workforce，2018年5月，McKinsey.com。

【9】 更多详情请参阅Oliver Fleming、Tim Fountaine、Nicolaus Henke和Tamim Saleh所著的“Ten red ags signaling your analytics program will fail”一文，2018年5月，McKinsey.com。

作者：

Michael Chui 和Sankalp Malhotra 负责本次调研的开发和分析。

Michael Chui 为麦肯锡全球研究院董事，常驻旧金山分公司；

Sankalp Malhotra 为麦肯锡前咨询顾问。

感谢麦肯锡前咨询顾问范黎对本文的审校。