MIT的研究表明，企业在AI应用中面临挑战，95%的投资未能产生明显价值。成功依赖于数据架构，而非仅仅是AI工具。有效的AI应用需要整合复杂的数据系统，确保数据实时可用。统一的数据架构可以简化操作、提升开发效率并减少基础设施复杂性。未来的AI领导者将是那些构建更智能基础设施的企业。

大型语言模型（LLMs）是强大的自然语言处理模型，可以理解和生成人类般的上下文。学习LLMs需要从基础概念开始，了解技术的新特点和突破性发展。企业领导者需要找到适合使用LLMs的问题，并建立对技术的信任。使用AI来生成营销文案、撰写草稿和摘要，以及生成洞察力可以提升分析。开发者在使用LLMs时需要谨慎验证代码的可靠性和安全性。借鉴行业同行的经验和最佳实践可以快速适应新技术发展。

今年企业领导者将AI试点项目的关注点转向战略性实施，以创造新价值和提升竞争优势。NVIDIA的GTC会议将讨论AI驱动的创新。BCG调查显示高管计划增加技术投资，其中AI和生成AI是优先事项。实现AI价值的挑战包括重新培训员工、优先考虑正确的AI用例和制定负责任的AI实施策略。

2023年将以生成AI（gen AI）为核心概念，尽管存在未知和限制，但将对生活和工作产生深远影响。企业领导者应注意其他核心业务要务和重要性。本文列举了十个塑造现代商业环境的基本理念，如测试业务架构、个人拥有gen AI“副驾驶员”。这些理念对企业发展至关重要。

最近的全球动荡引发了一个问题：世界是否正在转向一种新的长期经济体制？麦肯锡全球研究所（MGI）的最新研究和最近的麦肯锡高管调查表明可能是这样，但未来的形势仍不确定。企业领导者应该意识到潜在的情景，以便相应地调整和制定战略。过去20年的发展对今天的经济、金融和市场动荡产生了影响。全球资产负债表的发展比实际经济增长快得多。由于低利率刺激经济，资产价格和债务增长。在2000年至2021年期间，由于低利率推动资产价格飙升，全球财富增加了160万亿美元。每投资1美元，就会产生1.90美元的债务。与此同时，G-7经济体的生产率增长放缓，从1980年到2000年，生产率每年增长1.8％，而从2000年到2018年，增速减少了一倍以上，每年仅增长0.8％。过多的储蓄追逐了过少的生产性投资，导致了典型的长期停滞。这个稳定和可预测的时期对财富积累有利，但对增长来说是具有挑战性的，并加剧了不平等。大多数高管今天在这种环境中度过了他们职业生涯的大部分时间。但未来可能会截然不同，目前中期情景的范围异常广泛。因此，公司及其领导者需要意识到这种潜在的变化，并相应地调整和制定战略。