超越炒作：在TMT领域捕捉AI和生成式AI的潜力
内容提要
新兴的生成式人工智能（gen AI）为领导者提供了挑战和重大机遇。麦肯锡研究估计，gen AI每年可为经济增加2.6万亿至4.4万亿美元，同时提高所有人工智能的影响力15%至40%。在科技、媒体和电信（TMT）领域，gen AI的新用例预计将带来3800亿至6900亿美元的影响，其中电信领域为600亿至1000亿美元，媒体领域为800亿至1300亿美元，高科技领域为2400亿至4600亿美元。高管必须了解gen AI的潜在影响，并制定相应战略将其纳入运营中。麦肯锡已经进行了广泛的研究，以确保gen AI技术能够提供有意义的价值。在TMT领域，gen AI在客户关怀和销售方面的潜在影响最大，可能占总影响的70%。此外，gen AI还可以提高员工与客户之间的互动，个性化产品和活动、提高销售效率、缩短上市时间，可能带来3%至5%的潜在收入增长。
延伸解读
TMT各子行业影响差异显著
麦肯锡研究显示，生成式AI在TMT领域预计带来3800亿至6900亿美元的影响，但各子行业差异明显：高科技领域影响最大，达2400亿至4600亿美元；媒体领域为800亿至1300亿美元；电信领域相对较小，为600亿至1000亿美元。这种差异意味着不同子行业的领导者需要根据自身行业特点，评估gen AI的具体应用场景和投资优先级，而非简单照搬其他行业的做法。
客户关怀与销售是价值核心
在电信领域，gen AI的潜在影响约70%集中在客户关怀和销售环节。具体来看，客户关怀中高达50%的活动可能实现自动化，生产力可提升30%至45%，同时改善客户体验和满意度；销售方面，个性化产品和活动、提升销售效率、缩短上市时间，可能带来3%至5%的收入增长。因此，电信运营商应优先在这两个领域部署gen AI，以快速捕获最大价值。
从试点到规模化：挑战与应对
尽管gen AI前景广阔，但许多企业仍停留在试点阶段。成功实现规模化需要克服文化转变、数据集获取、人才短缺、组织承诺不足以及ROI论证困难等挑战。麦肯锡建议领导者保持或增加gen AI预算，投资于定制化解决方案（如用电信特定数据训练大语言模型），并建立协议和护栏（如审核模型）以减轻风险。同时，变革管理至关重要，需让最终用户参与模型开发过程。
AI原生组织的基础要素
成为AI原生组织需要充分利用技术、数据和治理。成功的关键在于采用人机协作的运营模式，注重敏捷性、灵活性和持续学习，并拥有强大的数据和分析人才。此外，投资于数据质量和数量，构建向量数据库和数据预处理/后处理管道等能力，以支持gen AI模型的训练和用例开发。人才、数据、技术、治理——这些都不是事后考虑的事项，而是规模化部署gen AI的前提条件。
Q&A
生成式AI在TMT领域预计能带来多大的经济影响？
麦肯锡研究估计，生成式AI在科技、媒体和电信（TMT）领域的新用例预计将带来3800亿至6900亿美元的影响，其中电信领域为600亿至1000亿美元，媒体领域为800亿至1300亿美元，高科技领域为2400亿至4600亿美元。
生成式AI在电信行业的主要应用场景和预期收益是什么？
在电信行业，生成式AI在客户关怀和销售方面的潜在影响最大，约占总影响的70%。客户关怀互动中高达50%的活动可能实现自动化，生产力可提高30%至45%，同时改善客户体验和满意度。此外，生成式AI还能个性化产品和活动、提高销售效率、缩短上市时间，可能带来3%至5%的收入增长。
企业如何成功实施生成式AI并成为AI原生组织？
成功实施生成式AI需要充分利用技术、数据和治理，采用兼顾人机优势的运营模式，植根于敏捷、灵活和持续学习，并拥有强大的数据和分析人才。同时，投资于数据质量和数量，构建向量数据库等数据架构能力。领导者应保持或增加生成式AI预算，支持定制解决方案开发或与IT供应商合作。
生成式AI实施过程中面临哪些主要挑战？
生成式AI实施面临诸多挑战，包括组织文化转变、获取大规模数据集、模型输出的可解释性、人才短缺、组织承诺和优先级不足（包括高层管理者）、以及某些业务案例的ROI论证困难。此外，不断变化的监管和伦理环境也带来不确定性。
如何减轻生成式AI带来的新风险？
减轻生成式AI风险的关键步骤包括建立协议和保护措施，例如构建“审核”模型来检查不同风险的输出并确保用户获得一致的响应。此外，变革管理也至关重要，包括让最终用户参与模型开发过程，并将技术深度嵌入其运营中。
生成式AI未来可能有哪些新发展？
生成式AI将继续发展，新的能力不断涌现，例如分析和理解图像或音频的能力，以及不断扩大的生态系统，包括GPT（生成式预训练变换器）市场。对于TMT企业而言，下一步行动将决定他们如何从孤立案例转向大规模实施，从炒作走向实际影响。
