以下文章来源于CIOCDO ，作者CIO.com&睿信咨询

专注于客户服务、软件和开发以及创意和知识工作的生成式人工智能每年可为美国带来超过1万亿美元的生产力增长。早期的采用者将获得最高的投资回报率，但战术部署和强大的人员训练是避免技术过度扩张的关键。

图源：JACOB LUND / SHUTTERSTOCK

尽管生成式人工智能是一项相对较新的技术，但考虑到它所产生的影响和它所能创造的商业价值，很难想象一个没有它的世界。

根据IDC（International Data Corporation，国际数据公司，是国际数据集团旗下全资子公司。是信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商。经常发布的市场资讯、预测和资深分析师关于业内热点话题的观点性文章。）去年11月发布的一份研究报告，基于对2100多名负责人工智能转型的商业领袖和决策者的调查，71%已经使用人工智能的公司在14个月内实现了人工智能投资回报，平均每花费1美元就能获得3.50美元的回报。

因此，自2022年末Dall-E 2（是OpenAl公司推出的人工智能图像生成器，具有创造性和艺术性，可以根据自然语言的文本描述创建图像和艺术形式。）和ChatGPT（Chat Generative Pre-trained Transformer，是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务）发布以来，企业继续对其进行大量投资也就不足为奇了，他们希望看到提高生产力的最大价值，一些预测显示，未来12个月生产力将提高5%或更多，员工人数也将至少减少5%。

EY（安永，成立于1989年，是一家总部位于英国伦敦的跨国性专业服务公司，全称是安永会计师事务所，为国际四大会计师事务所之一。）是一家公司广泛部署生成式人工智能的范例。在其内部，它对全球40万名员工在各种任务中使用对话式人工智能，而在外部，它则使用人工智能来帮助其客户公司。

安永美洲新兴技术的领导者Matt Barrington（马特·巴林顿）说：“我们看到该公司的生产力全面提高了15%到20%。”

因此，当引入潜在供应商时，由于使用生成式人工智能来帮助分析大量文档，生产力提高了70%至80%。

“我们做了并行测试，”他说，“我们得到了更有效的应对措施，可追溯性更强，更少的人力成本。”

安永还对其他公司如何使用生成式人工智能进行了研究，在10月份对1200名全球首席执行官的调查中，几乎所有首席执行官都表示，他们正在或计划对生成式人工智能进行重大投资。全球范围内75%的高管表示，这将提高员工的生产力。

因此，基于早期的结果，公司看到最大的生产力提升的三个功能领域是客户服务、软件开发和一般的创造性和知识工作。

一、生成式人工智能和客户服务

客户服务是生成式人工智能的顶级用例之一，随着供应商不断向其平台添加工具，企业实施这些工具变得越来越容易。

斯坦福大学和麻省理工学院的研究人员合作进行了一项研究，该研究于去年4月发布，基于5000多名客户支持（人工智能副驾驶）代理的数据。通过使用生成式人工智能，（人工智能副驾驶）代理平均每小时能够解决14%以上的问题。但最大的优势是相对于新人和低技能工人，他们看到了34%的进步。

研究人员表示，人工智能带来更积极的客户体验。因此，大公司的商业领袖预计在未来12到18个月使用生成式人工智能提供客户服务将看到非常高的价值，使其成为早期采用者预期收益最大的领域也就不足为奇了。一些行业已经感受到了这些冲击。

今年2月，McKinsey（麦肯锡咨询公司，是世界级领先的全球管理咨询公司，由美国芝加哥大学商学院教授詹姆斯·麦肯锡，James O’McKinsey，于1926年在美国创建。自1926年成立以来，公司的使命就是帮助领先的企业机构实现显著、持久的经营业绩改善，打造能够吸引、培育和激励杰出人才的优秀组织机构。麦肯锡采取“公司一体”的合作伙伴关系制度，在全球44个国家有80多个分公司，共拥有7000多名咨询顾问。麦肯锡大中华分公司包括北京、香港、上海与台北四家分公司， 共有40多位董事和250多位咨询顾问。在过去十年中，麦肯锡在大中华区完成了800多个项目，涉及公司整体与业务单元战略、企业金融、营销/销售与渠道、组织架构、制造/采购/供应链、技术、产品研发等领域。）发布了一项调查结果，84%的使用生成式人工智能提供客户服务的电信公司节省了成本，其中45%将成本降低了6%或更多。

二、生成式人工智能和软件开发

企业软件公司Planview（致力于提供行业中的项目组合管理解决方案，以实现更好的决策制定和业务责任。Planview为世界上最成功的技术组织提供解决方案，并且它们之所以成功是有原因的。这些市场领先的知识型员工组织拥有精明的管理人员，他们通过平衡战略与人力和资金的稀缺资源来引领优化业务的方式。他们通过使用Planview解决方案来实现这一目标，这些解决方案为投资决策，资源分配和保持正轨提供了经过验证的规范。）发现，生成式人工智能并不能接管整个任务，但最好用作提高生产力的工具。

该公司的首席数据科学家Rich Sonnenblick（里奇·森南布利克）说：“我们已经看到，在重复性代码编写任务方面的生产力显著提高，从5%提高到20%。”

他补充说，这种改进主要集中在初级员工身上。“人工智能模型能够提供最佳实践代码系统，帮助初级开发人员学习和磨练他们的技能。”

他补充说，这是一个永不疲倦的合作者，而且总是有足够的带宽来帮助你。

今年2月，全球管理和战略咨询公司Zinnov（成立于2002年，是一家全球管理和战略咨询公司，业务遍及硅谷、休斯顿、班加罗尔和古尔冈。在过去的17年中，Zinnov成功地与超过250家世界500强企业进行合作，以制定可行的见解，帮助他们进行转型之旅。凭借产品工程和数字化转型的核心专业知识，Zinnov通过以下方式为客户提供协助：为产品工程和数字化转型领域的技术服务提供商提供研究和战略咨询；使公司能够开发和优化全球合作伙伴战略，以实现更高的吞吐量、创新、生产力和成本节约；帮助跨国公司扩大和/或巩固其全球化战略目标。Zinnov拥有丰富行业经验的专业人员和研究团队，可以为半导体、消费电子、旅游和酒店、汽车、存储、电信和网络、医疗保健、银行、金融服务和零售业务的客户提供服务。）和数字服务转换公司Ness Digital Engineering（是KKR旗下的全球全生命周期数字服务转型公司）发布了一项针对100多名软件工程师在现场工程环境中的深入研究，得出的结论是，当工程师使用生成式人工智能时，他们更新现有代码的时间减少了70%，测试代码的时间缩短了41%，编写新代码的时间也减少了32%。

研究人员说，对于代码更新，生成式人工智能很擅长使用代码库中已经存在的功能，在建议改进代码性能方面的价值是无价的。在测试中，生成式人工智能也特别擅长生成测试用例和为测试创建虚拟数据。

但是在新代码开发中，由于培训数据的可用性和对项目背景的理解有限，其成就受到了阻碍。

总体而言，生成式人工智能的任务完成时间减少了38%，其中高级工程师的收益最大。经验丰富的专业人员能够更好地理解人工智能的建议，并能够在将错误添加到代码之前修复错误。他们还需要更少的提示来获得所需的结果，并且能够在提示中提供更多的上下文，因为他们更好地理解了现有的代码库和项目需求。

但生成式人工智能可以提供帮助的不仅仅是大型软件开发项目。它还可以用于编写小型脚本和查询，增强非技术员工的能力。

管理咨询公司AArete（是一家总部位于芝加哥的管理和技术咨询公司，自2008年成立以来一直在行业内产生重大影响。公司的首要目标是提供数据驱动的解决方案，帮助企业优化绩效，实现可持续增长。A are te非常重视将深厚的行业专业知识与先进的分析能力相结合，已成为医疗保健、金融服务、能源和技术等行业客户值得信赖的合作伙伴。）已经使用其他生成式人工智能大约一年。

“我们相信自己是client zero（零客户端，也叫做超薄客户端/ultrathin client，它是一种基于服务器的计算模式，在其中，终端用户没有本地软件，硬件也很少。零客户端常用于虚拟桌面基础架构/VDI环境。），”数字技术服务副总裁Priya Iragavarapu（普丽娅·伊拉加瓦拉普）说，“我们将新技术应用到自己身上，并立即发现优化中的问题。”

一个直接的生产力优势是，员工不再需要求助于公司的数据卓越中心团队来创建复杂的查询和特殊的脚本。这支由20人组成的团队已经在做别的工作。

“他们仍然很忙，”她补充道，“但他们在从事不同的任务。我们将之前负责所有这些数据的团队整合到一个更大的交付团队，正在做更复杂的工作。”

与此同时，使用人工智能进行编码也有缺点。根据开发工具公司GitClear（是一家技术公司，其主要产品是GitLab，作为单一应用程序交付的完整DevOps平台。GitLab被很多组织使用。公司还提供相关培训和专业服务。GitLab提供自我管理和软件即服务/SaaS两种模式。GitLab的主要市场目前位于美国、欧洲和亚太地区。该公司专注于加速创新，并扩大其平台在世界各地公司的分布。）的数据，四年的数据分析涵盖了超过1.5亿行变化的代码，揭示了代码流失的增加和代码重用的减少——这是代码质量下降的两个迹象。

该公司预计今年的用户流失率将为7%，是生成式人工智能应用之前的两倍。【睿观：虽然Generative AI为软件开发带来了显著的潜在好处，但其应用也应谨慎进行，以避免质量下降的风险。开发团队应该关注这些技术可能带来的潜在问题，并采取措施来缓解这些问题，如加强代码审查过程、促进对生成代码的理解和文档化，以及维护代码库的一致性和兼容性。此外，开发者应持续学习和适应新技术，以确保能够充分利用Generative AI的优势，同时避免其潜在的负面影响。】

而这并不是生产力方面发出的唯一警告信号。每年，谷歌都会为其年度DevOps（Development和Operations的组合词，过程、方法与系统的统称。用于促进开发-应用程序/软件工程、技术运营和质量保障-QA部门之间的沟通、协作与整合。）状况报告调查数万名开发者，而今年人工智能是一个主要话题。

受访者表示，人工智能在编写和优化代码、分析安全性、帮助他们学习新技能、识别漏洞、编写测试、创建文档等方面已经显示出了价值。但是，根据该报告的作者称，调查数据还显示，人工智能对团队绩效和软件交付性能有中性甚至负面的影响。

“很多人都在谈论程序员的生产力，”O’Reilly Media（奥莱利，是世界上在UNIX、X、Internet和其他开放系统图书领域具有领导地位的出版公司，同时是联机出版的先锋。）的新兴技术内容副总裁Mike Loukides（迈克·洛基德斯）说。“但收益可能小于炒作曲线会让我们相信的幅度。我怀疑，我们并没有看到大企业规模的生产率的显著提高。”

在他去年11月发布的调查中，生成式人工智能最常见的用途是软件开发；34%的公司正在进行试验，44%的公司在他们的工作中使用它。他说，最终，每个人都将使用它，而人工智能工具是不可或缺的，也是可靠的。尽管如此，他还是敦促公司实施超越编码速度的衡量标准。

“如果编写代码并不是真正的问题呢？”他问道，“那么，真正的问题是了解客户的问题是什么。也许我们可以花更少的时间编写代码，把这些时间花在了解客户以及如何构建适合他们的东西上。”

三、人工智能和知识工作

生成式人工智能特别擅长生成文本，这使得它对知识工作者来说是无价的。但人工智能创造力的第一个重大公开突破实际上是图像。

Dall-E2和Midtravel（是一种能够根据一组设计参数生成图像的人工智能工具，它的使用使GetAgent能够创建这些重新构想的标志性建筑的混合作品。）创造的图像愚弄了人类，甚至早在2022年就获得了奖项。因此，创意专业人士使用这些工具来创建市场营销和销售材料，以补充内部沟通和其他目的也就不足为奇了。

根据Adobe research（是一支由世界级研究科学家、工程师、艺术家和设计师组成的团队，将尖端学术发现与行业影响力相结合。Adobe Research的许多早期技术成为Adobe产品的重要组成部分，被全球数百万人使用。）2月份发布的一项研究，基于对2500多名创意专业人士的调查，83%的人表示他们使用了生成式人工智能工具，66%的人表示自己制作了更好的内容，58%的人表示已经增加了制作的内容数量。

但生成式人工智能工具也有能力帮助其他创意领域的知识工作者。

企业软件巨头SAP（SAP公司，它是成立于1972年总部位于德国沃尔多夫市的全球最大的企业管理和协同化电子商务解决方案供应商、全球第三大独立软件供应商。在全球拥有6万多名员工，遍布全球130个国家，并拥有覆盖全球11，500家企业的合作伙伴网络。）的高级副总裁、客户成功领域的数字业务主管Sam Masri（萨米·马斯里）说：“当生成式人工智能首次出现时，我们看到了提高我们资源生产力的巨大机会。我们召集了600人在一个沙盒中测试生成式人工智能，在54个不同类别中尝试不同的用例。”其中一些最成功的研究是在行业和客户研究方面。

“以相同或更好的质量完成他们在生成式人工智能部署之前所做的同样工作，可以节省46%的时间，”他说，“这让人大开眼界。我们意识到这是组织其他成员可以使用的东西。”

他补充说，这与裁员无关。这是为了提高覆盖范围和生产力，使个人能够更快地支持更多客户。

今天，SAP有几十个不同的生成式人工智能工具，托管在全公司范围内的平台上，允许员工创建内容、图形等等。它们被开发人员、市场营销人员和许多其他工作功能所使用。

“在我们拥有的面向客户的大约3万人的组织中，每个人都在使用许多这样的工具。”他说，“在我的数字中心组织中，大约有1000人，每个人都至少使用四五个在一年前还没出现的工具。”通过使用这些工具，SAP的平均生产力提高了20-30%。

“这个数字因角色而异。”他补充道，“有些角色已经高度数字化，有些则改进更多，因为我们从较低的基线开始。”

他说，最有价值的是需要分析大量信息的任务，如市场研究、行业研究和客户研究，以及潜在客户、客户支持和创建内容。

他说，在客户、行业和市场研究生产力方面，增长在40%到50%之间。在内容创建和交付方面，基于跨角色和用例的加权平均，生产力增长从20%到30%不等。

“所有这些都是劳动密集型的，生成式人工智能帮助我们实现了指数级增长。”他说，“这是我们看到的最有价值的地方。“

SAP并不是唯一一个通过生成式人工智能提高知识工作者生产力的公司。

2月底，The Harris Poll（哈里斯民意调查，创办于1963年，是美国历史最为悠久的民意、民情和社会舆情调查机构之一，其母公司Harris Insights & Analytics是一家致力于在变革时期传达社会情报的全球性咨询与市场调查公司。业务主要覆盖三个领域：建立二十一世纪的企业声誉，制定品牌战略、监测品牌效益，借助公共关系手段来实现品牌的口口相传。我们的使命是帮助领袖们做出最好的决策。）对使用Grammarly（是一款在线语法纠正和校对工具，它能帮助作者纠正语法错误，检查单词拼写，标点符号，调整语气以及给出风格建议等，对学术写作来说，Grammarly还可以帮助查重。）的1000多名知识工作者和250多名商业领袖进行了一项关于业务沟通状况的调查。在使用人工智能的人中，80%的人说这提高了他们工作的整体质量，使用人工智能每周为他们节省7.8个小时。

如果他们都开始使用人工智能来帮助他们进行沟通，这将意味着平均每年节省16455美元——对于一家拥有1000名员工的公司来说，每年节省1650万美元，对于美国的生产力来说，每年总共节省1.6万亿美元。

当然，Grammarly对这些结果有既得利益，因为它是人工智能驱动的语法和写作工具。但麻省理工学院7月发布的一项研究也发现了类似的结果。研究人员对453名经验丰富的专业人士进行了一项实验，发现那些使用ChatGPT的人完成写作任务的时间减少了40%，而质量提高了18%。

收益最大的是在第一项任务中得分最低的人。实验结束后，那些使用ChatGPT的参与者两周后在实际工作中使用它的可能性是其他参与者的两倍。

在全球保险经纪、风险管理和咨询服务公司Gallagher（Arthur J. Gallagher & Co./AJG，成立于1927年，集团及其子公司为世界各地的企业和组织提供保险经纪、咨询和第三方财产/意外理赔结算和管理服务。AJG的主要优势是能为客户提供：全面结构化的保险、风险及保险管理解决方案、卓越的理赔结果和全面的咨询服务。），执行搜索实践董事总经理Tom Wilson（汤姆·威尔逊）说，他的团队使用生成式人工智能技术进行研究和书面交流。

例如，基于标准格式创建求职者档案大约需要大约一个小时。现在，仅需要一半的时间。

“你必须回到过去，用自己的声音说话，”他补充道，“你必须个性化。”

他说，生成式人工智能也被用于写电子邮件，但它们仍然需要个性化，这样它们听起来就不像是由人工智能写的。“但这比从零开始写东西要容易得多，”他说，“我们通常都有自己为电子邮件开发的模板，但生成式人工智能有助于更新内容。如今听起来就不像是从共享驱动器中提取模板。”

他估计，生成式人工智能已经将编写这些标准电子邮件的时间减少了30%到40%。

“我的整个职业生涯都一直在招聘人才，”他说，“这是我所见过的围绕一项技术最快的转变。这就像30年前把个人电脑或Mac电脑放在每个人的办公桌上一样。”

四、当生产力下降时，使用生成式人工智能

哈佛大学、华顿大学、华威大学、麻省理工学院和Boston Consulting Group（波士顿咨询公司。是一家著名的全球性企业管理咨询公司，在战略管理咨询领域公认为先驱。公司的最大特色和优势在于公司已经拥有并还在不断创立的高级管理咨询工具和理论，管理学界极为著名的“波士顿矩阵”就是由公司20世纪60年代创立的。BCG的四大业务职能是企业策略、信息技术、企业组织、营运效益。）的研究人员最近的一项研究表明，在人工智能熟练的领域，生产力的提高尤其显著，但当它被用于超出其能力的任务时，生产力可能会急剧下降。

该实验涉及700多名在BCG工作的顾问，发现那些在OpenAI的GPT-4帮助下工作的顾问平均多完成12%的任务，完成任务的速度快25%，成果比不使用人工智能的顾问高40%。

低于平均水平的顾问受益最大，其业绩增长了43%。与此同时，高于平均水平的顾问们只获得了17%的收益。但这是人工智能擅长的任务。对于超出人工智能能力的任务，顾问的性能下降了19%。

据该报告的作者说，边界并不在大家通常想到的地方。例如，与直觉相反的是，生成式人工智能擅长提出新想法，但不擅长基础数学。

该实验包括BCG顾问日常工作中的一些任务，如开发新产品创意和解决业务问题。顾问需要运用创造力、分析能力、说服力和写作技能来完成。

“你想了解何时质疑人工智能的输出。”Forrester（弗雷斯特市场咨询，是一家独立的技术和市场研究公司，针对技术给业务和客户所带来的影响提供务实和具有前瞻性的建议。公司已经被公认为思想的领导者和可信赖的咨询商，通过所从事的研究、咨询、市场活动和高层对等交流计划，帮助那些全球性的企业用户建立起市场领导地位。）分析师J.P.Gownder（J·P·冈尔）表示，“这不是一件简单的事情。它需要大量的背景和判断，不仅要了解人工智能，还要了解你的环境。”

他预计，许多公司今年在生成式人工智能的培训方面的投资不足。

“他们会认为在教室里呆一个小时就能让人们跟上速度。”他说，“有些困难的事情，比如快速工程，你一天都学不到。生成式人工智能具有令人难以置信的转型潜力，但这并不是一个简单的旅程，很多旅程都要经过那些需要这些技能的人。”

【睿观：公司在投资生成式人工智能（Generative AI）培训方面往往不足，这可能限制了其转型潜力的实现。这里强调的不只是对Generative AI技术本身的理解，而是对如何有效地应用这些技术进行复杂任务的深入洞察。以下是对影响的分析并提出应对策略：

（一）培训投资不足的影响

1.理解和应用Generative AI的难度： Generative AI技术，如OpenAI的GPT系列，提供了强大的能力，但同时也带来了新的挑战。正确、高效地应用这些技术需要深入理解其工作原理、能力限制，以及最佳实践。如果培训不充分，用户可能无法充分利用这些工具的潜力，或者在使用过程中遇到难以解决的问题。

2.技能提升的需求： 将Generative AI技术应用于工作流程，特别是在决策制定、创新和问题解决等复杂任务中，不仅需要技术知识，还需要关于如何将AI输出融入人类判断和创造性思维的技能。这种融合要求对AI技术和业务环境都有深入了解，简单的培训难以达到这种深度。

2.持续学习的重要性： 由于Generative AI技术本身不断进步和演变，有效利用这些工具需要持续的学习和适应。这意味着公司需要不断更新其培训内容和方法，以保持技能的相关性。不足的培训投资可能导致员工的知识迅速过时，无法跟上技术发展的步伐。

（二）有效应对策略

为了克服培训投资不足的挑战，可以采取以下策略：

1.定制化和深入的培训计划： 设计针对不同技能水平和工作角色的定制化培训程序，确保每个员工都能获得他们需要的知识和技能。

2.实践和案例研究： 在培训中融入实践环节和案例研究，帮助员工理解Generative AI在实际工作中的应用场景和最佳实践。

3.持续学习文化： 鼓励并促进持续学习的企业文化，例如通过提供在线资源、工作坊和研讨会，以及鼓励员工分享他们的学习经验和最佳实践。

4.性能跟踪和反馈： 实施机制来跟踪培训效果和员工在应用Generative AI技术时的表现，根据反馈调整培训计划。

通过这些策略，公司可以更有效地利用Generative AI技术的潜力，同时确保其员工能够在不断变化的技术环境中保持竞争力。

（三）建立量化的跟踪培训效果评价指标体系

量化衡量培训计划对员工使用生成式人工智能（Generative AI）技术的熟练度、效率和创新能力的影响。我们提出一个量化评价指标体系的框架，涵盖了培训前后的对比、员工的技能提升、以及培训对业务结果的影响。

1. 培训参与度和满意度

• 参与率： 参加培训的员工百分比。

• 完成率： 完成培训课程的员工百分比。

• 满意度评分： 培训后员工满意度调查结果，通常采用1到5或1到10的评分系统。

2. 知识和技能提升

• 前后测试分数对比： 培训前后员工的测试分数变化，衡量理论知识和技能的提升。

• 技能评估提升： 通过实际操作测试或模拟项目，评估员工在具体技能上的提升。

3. 应用效率和质量

• 工作效率提升： 使用Generative AI工具前后完成相似任务的时间对比。

• 错误率下降： 任务执行中错误或修正的次数减少。

• 项目质量提升： 项目交付物的质量评估，可以通过同行评审或客户满意度来衡量。

4. 创新和问题解决能力

• 创新项目数量： 培训后员工发起或参与的创新项目数量。

• 问题解决效率： 解决工作中遇到的问题所需时间的减少。

• 新想法实施率： 培训后产生并实施的新想法或改进措施的数量和比例。

5. 业务影响

• 生产力提升： 整体业务单位时间产出的增加。

• 成本节约： 通过提高效率节约的成本。

• 客户满意度提升： 客户满意度调查结果的改善。

6. 持续学习和进步

• 后续学习参与度： 培训后员工参与进一步学习活动的比例。

• 知识更新频率： 员工更新其Generative AI相关知识和技能的频率。

通过这样一个综合性的评价指标体系，公司能够全面了解培训计划的效果，包括员工技能提升、工作效率和创新能力的提高，以及最终对业务成果的正面影响。这些指标还可以帮助公司识别培训计划中的不足之处，以便进行调整和优化。】

作者：Maria Korolov（玛丽亚·科洛洛夫）

Maria Korolov（玛丽亚·科洛洛夫）是一位报道人工智能和网络安全的获奖科技记者。她还写科幻小说，编辑一本科幻和幻想杂志，并主持一个YouTube节目。

译者：宝蓝  @lex