Deloitte

现在决定下一步：来自领导者的见解创成式 AI 采用的边缘

德勤在企业第一季报告中的生成 AI 状况

2024 年 1 月

前言导言Now:主要
发现
+ 1 对生成 AI 的兴奋仍然很高，预计未来三年
将产生变革性影响。
2 许多领导者对他们组织的生成 AI 专业知识充
满信心。
3 报告在生成 AI 方面拥有非常高专业知识的组织
往往会对此感到更加积极 - 但也会受到更大的
压力和威胁。
+ Next:展望未来德勤 AI 研究所的作者
+ 身份和致谢
关于德勤综合研究中心
+
关于德勤技术、媒体和电信方法论中心
4 当前的生成 AI 工作仍然更加关注效率，生产力
和成本降低，而不是创新和增长。
5 大多数组织仍然主要依靠现成的生成 AI 解决方案
。
6 人才，治理和风险是缺乏生成 AI 准备的关键领域
7 领导者看到了巨大的社会影响。
8 领导人正在寻求全球范围内更多的监管和合作。

现在决定下一步

生成 AI 的到来预示着各行各业的颠覆和机遇。组织正在探索如何使用生成式人工智能来释放商业价值，提高效率和生产力，并为全新的产品、服务和商业模式打开大门。随着商业领袖与这项新技术竞争，并通过生成人工智能对企业的未来做出决策，让自己掌握采用的脉搏是有帮助的。

为此, AI ，捕获了 2, 835 位参与在其组织中试点或实施生成 AI 的业务和技术领导者的情绪。在季度报告系列的首次发布中，领导者表示对使用生成 AI 的持续兴奋

人工智能和许多人预计短期内会产生重大的变革性影响。然而，他们也承认，随着技术的发展，生成人工智能对劳动力和社会的潜在影响存在不确定性

规模广泛，呼吁加大对人才、治理和全球合作的投资。

从这些 wave one 见解中，我们可以更清楚地了解领导者如何使用生成式 AI ，挑战和迄今为止的经验教训。这有助于揭示领导者现在应该提出的一些基本问题，以及他们应该采取的行动，为企业做好准备。

还有很多发现与生成 AI 。

随着它的成熟和大规模部署，新的问题和挑战将变得更加清晰。我们的季度报告将帮助您理解这个快速发展的空间，根据我们所学到的知识考虑实际指导，

并利用生成式 AI 对您的业务未来采取前瞻性观点。

了解有关该系列的更多信息，并在 deloitte. com / us / state - of- generative - ai 上注册更新。

Deborshi Dutt Beena Ammanath Costi Perricos Brenna Sniderman

现在决定下一步：来自生成式 AI 采用前沿的见解

生成式 AI (generative AI) 会成为历史上最伟大、最具影响力的技术创新吗？它会彻底改变人类的生活和工作方式吗？还是会变成另一种 dujour那承诺了革命性的变化，但最终只能带来渐进式的改进？现在，我们还不能确定。

我们所知道的是，过去的许多突破性技术都遵循了一种常见的采用模式：最初的意识；导致炒作的兴奋；随着炒作变为现实，轻度的失望；一旦技术达到临界质量并证明其价值，就会出现爆炸性的增长。

生成 AI 似乎遵循相同的模式，只是快得多。 ChatGPT 于 2022 年 11 月 30 日公开发布，主要是作为技术演示。

两个月后，它已经吸引了大约 1 亿活跃用户，使其成为历史上增长最快的消费者应用程序。1

从那时起，生成人工智能继续突飞猛进，出现了许多新的工具和用例，这让我们看到了该技术改变人们生活和工作方式的巨大潜力。

来自前沿的见解 (续)

在这个疯狂的生成人工智能发展和采用时期，商业、技术和公共部门承受着巨大的压力，需要理解生成 AI — — 并弄清楚如何最有效地利用其能力（或者至少避免被打乱）。他们还感觉到他们今天的决定和行动将极大地影响未来 AI 的发展，无论好坏。

有人说，人们倾向于高估技术的短期效果，而低估其长期效果。这种现象在过去已经发生过很多次，并且很可能在生成 AI 中再次发生。这里请注意，鉴于生成 AI 令人眼花缭乱的变化速度，短期和长期之间的差距可能会以几天、几周或几个月来衡量，而不是几年或几十年。

本报告及其图形中提到的所有统计数据均来自德勤在 2023 年 10 月至 12 月进行的首次季度调查;AI 报告系列。 N (总领导者调查回复) = 2, 835

生成式 AI 是人工智能的一个领域，是指响应查询可以创建文本、图像、视频和其他资产的 AI。生成式 AI 系统可以与人类交互，通常使用大型语言模型 (LLM) 构建。也称为 “gen AI ” 。

为了帮助做出明智的决策，领导者需要客观、及时的信息，了解当前生成 AI 的发展以及事情的发展方向。这就是德勤进行这项正在进行的季度调查的原因。我们的目标是把握人工智能采用的脉搏，提供正在发生的事情，跟踪不断变化的态度和活动，并提供实用、可行的见解，帮助像你这样的领导者在人工智能、战略、投资和部署方面做出明智和自信的决定。

在本报告中，我们详细研究了我们的第一个季度调查结果，并得到了德勤与每个主要行业和许多地理区域的组织的 AI 相关工作的见解的支持。

关于企业中生成 AI 的现状

为了帮助商业，技术和公共部门的领导者跟踪生成 AI 变革和采用的快速步伐，德勤正在进行一系列季度调查。该系列基于德勤在企业报告中的 AI 状况，每年发布五年running. The wave one survey was field to more超过 2, 800名董事到 C - suite 级别的受访者
跨越六个行业和 16 个国家2023 年 10 月和 12 月。行业包括：消费；能源、资源和工业；
金融服务；生命科学与卫生保健；
技术、媒体和电信；以及政府和公共服务。了解更多信息，请访问 deloitte. com / us /生成 AI 状态。

Now:主要发现

我们的创成式 AI 季度调查的第一个脉冲于 2023 年 12 月完成，其中包括 2800 多名精通 AI 的商业和技术领导者，他们直接参与了在全球主要组织中试点或实施创 AI 。

问：考虑到生成式AI，你对这项技术感受最深的是什么？2023 10 / 12 N = 2, 835

Now:主要发现

对生成 AI 的兴奋仍然很高，预计未来三年将产生变革性影响。

近三分之二 (62%) 的受访商业和技术领导者表示，对生成 AI 的兴奋是一种最高的情绪；然而，这种兴奋充满了不确定性 (30%)(图 1) 。绝大多数受访者 (79%) 表示，他们预计未来三年内，生成式人工智能将推动其组织和行业的重大转型，近三分之一的人预计现在 (14%) 或不到一年 (17%) 就会发生重大转型 (图 2) 。

调查结果表明，许多以人工智能为动力的组织正处于扩大努力的边缘并以更实质性的方式拥抱生成 AI 。这与我们在市场上看到的一致，世界各地的组织都在竞相摆脱实验和概念证明跨各种用例和数据类型进行大规模部署 - 追求速度和价值捕获，同时管理潜在的下行风险和社会影响。

在未来的调查中，我们将密切关注这一领域的进展，特别是在组织的专业知识、能力、切实成果以及对生成人工智能技术快速发展的反应方面。

31%

我们调查的领导者中，有 48 ％的人预计在不到一年的时间内实现重大转变；

生成性 AI 引出了一个范围强烈的情感

图 1

Now:主要发现何时可能生成 AI改变你的组织？

2 许多领导者对他们组织的生成 AI 专业知识充满信心。

我们的调查受访者中有很大一部分（ 44% ）表示，他们认为他们的组织目前在生成 AI 方面拥有较高（ 35% ）或非常高（ 9% ）的专业知识水平。考虑到生成 AI 的发展速度，这一结果有点令人惊讶（图 3 ）。

但在我们调查的特定背景下，高度的信心似乎完全合理，因为我们故意选择了有经验的领导者，直接参与大型组织的 AI计划

已经在试点或实施生成 AI 解决方案。但是，鉴于该领域的发展速度有多快，可能值得质疑领导者应该对他们组织的专业知识和准备非常有信心。事实上，即使是当今最重要的人工智能专家，他们有时也会亲自开发生成式人工智能技术，他们似乎真的对自己的创作能力感到惊讶。2

一些领导者是否认为他们的组织拥有高度的专业知识，这主要是基于从小规模飞行员那里获得的知识和经验，以及少量的生成人工智能工具？如果是这样，领导者和组织实际上可能会成为随着时间的推移，他们对大规模部署生成人工智能的更大挑战充满信心。换句话说，他们知道的越多，他们就越可能意识到他们不知道的东西。这是我们在其他技术进步中一次又一次看到的趋势，我们将在未来的调查中密切关注。

使用生成 AI 进行自我评估的专业知识很高

Now:主要发现

报告在生成 AI 方面拥有非常高专业知识的组织往往会对此感到更加积极 - 但也会受到更大的压力和威胁。

与其他受访者相比，将其组织的整体生成 AI 专业知识评为 “非常高 ” 的领导者倾向于对该技术感到更加积极；然而，他们也感到采用该技术的压力更大。and将其视为对他们的业务和运营模式的更多威胁 (图 4) 。

分析显示，这个群体使用了更多的模式，在更多的企业功能中部署了生成式 AI，并追求更多的用例。正如你在图 4 中看到的那样，那些报告了非常高的专业知识水平的领导者也更有可能报告更高的信任水平和更低的不确定性水平。他们还倾向于对生成 AI表现出更广泛的兴趣，并期望他们的组织更快的转型。

与此同时，这些受访者对生成式人工智能的更多理解似乎正在塑造他们对潜在影响的看法 - 积极和消极。许多人报告说，他们认为该技术的广泛采用对他们的组织运营和开展业务的方式构成威胁，放大了他们采用生成式人工智能并扩大规模的压力和紧迫性。

组织领导人拥有高度专业知识的人更有可能将生成 AI 视为对其业务和运营模式的威胁。

使用生成性 AI 的专业知识推动人们对采用的态度

信任胜过不确定性	非常高的专业知识	些专业知识
	39%	9%	Rank信任在顶部感觉到的情绪
	11%	38%	Rank不确定性在顶部感觉到的情绪
广泛的兴趣引发了转型	78%	38% 说员工	显示高兴趣在 gen Al 中
广泛的兴趣引发了转型	31%	9%	说 Gene Al 已经变革性
广泛采用产生压力	33%	16%	感觉广泛收养是一种威胁对企业
广泛采用产生压力	44%	25% 感觉更大，	压力to 采用 gen Al
图4

Now:主要发现

当前的生成 AI 工作仍然更加关注效率，生产力和成本降低，而不是创新和增长。

接受调查的大多数组织目前都在瞄准例如提高效率 / 生产力 (56%) 和 / 或降低成本 (35%) 。此外， 91% 的人表示他们希望生成式人工智能能够提高他们组织的生产力， 27% 的人希望生产力显著提高。较小比例的组织报告目标创新和增长等效益 (29%) (图 5) 。

这与过去的技术采用模式是一致的。最初，大多数组织在逻辑上专注于逐步改进其现有流程和能力 - 从低挂成果中获取价值，同时利用新技术建立知识，经验和信心。后来，他们将重点扩展或转移到更具创新性、战略性和变革性的改进上 — — 利用新技术通过以前根本不可能的能力来推动增长和竞争差异化和优势。

被调查的领导者引用了更高水平的人工智能专业知识，显示出这一曲线上升的早期迹象。他们更专注于发现新的想法和见解(23% 与整体受访者群体的 19%)，对效率和生产力的重视程度较低 (44% 与总体受访者池的 61%) 和成本降低 (26% 与整体受访者池的 38%) - 尽管这些战术优势仍然存在。

组织希望通过生成式 AI 实现的关键好处

Now:主要发现

此外，近四分之三引用非常高的生成 AI 专业知识的组织已经开始将该技术集成到其产品开发和研发活动中，这是创新和增长的关键驱动力。

随着越来越多的组织获得了生成人工智能的专业知识和经验，他们是否会将提高效率和生产力的红利再投资于追求更多的战略利益，例如创新和增长？还是他们会以其他方式使用这些红利？这是我们将在未来的脉搏调查中密切关注的另一个领域。

当然，生产力和效率可以是变革性的，特别是考虑到大规模的生成 AI 有潜力实现。然而，最大的价值和战略差异可能来自使用技术进行创新。首先，通过帮助产生新的产品，服务和能力，否则是不可能的。其次，通过启用新的商业模式和跨企业的工作方式。

此外，引用非常高的生成人工智能专业知识的组织已经采取了比平均水平更全面的方法，在广泛的职能领域中采用了更高的水平。在人力资源、法律、风险和合规等特定领域，这些组织的

生成式人工智能采用率比总受访者群体高出近三倍 (图 6) 。

91%

所有组织都希望他们的生产力由于生成 AI 而提高。

Now:主要发现创成式 AI 采用水平

问：贵组织的
生成AI在以下功能中的当前采用水平？
2023 10 / 12 N = 2, 835
N = 267 N = 1,
003 N = 1, 273 N
= 274

创成式 AI ：我们以前看过这部电影吗？

在谈论商业和技术时， “前所未有的 ” 一词经常被抛出，以至于陈词滥调。然而，在描述生成人工智能的出现和进步的速度时 — — 以及其

对商业 (以及整个人类) 的巨大潜在影响 -- 前所未有的可能是轻描淡写的。

生成 AI 已经向公众广泛使用，并且已经开始向临界质量迈进。此外，与智能手机类似，普通人在没有太多培训的情况下也很容易使用，并且可以帮助他们每天从事的活动，因此采用的障碍很低。更重要的是，生成 AI 具有强大的潜力来协助自己的未来发展，这可能会引发一个以指数速度进行指数级改进的周期。

创成式 AI 的速度因素可能会使组织有更少的时间来反思或涉足小规模飞行员 - 同时减少误差的余地 -and增加不作为的后果。它还创造了快速产生非凡商业价值的机会。

尽管生成 AI 的速度大大加快，但基于以前的突破性技术了解典型的采用模式可以提供宝贵的经验，领导者可以使用这些经验来帮助他们理解并充分利用技术的快速发展。

与过去一样，组织的最初努力可能会围绕效率，生产力，成本节约和其他增量改进。

」

帮助劳动力习惯使用生成人工智能，并向人们展示它如何帮助他们的工作更容易。此外，早期的胜利可能有助于产生成本储蓄和动力，然后可以被引导到更高价值的机会，这些机会在本质上更具战略性和差异化，比如实现新产品、服务、商业模式和工作方式，这些在生成人工智能之前是不可能的。

大多数组织主要依靠现成的生成 AI 解决方案。

与他们目前对生成AI的战术优势的强调相一致，绝大多数受访者目前都依赖现成的解决方案。其中包括具有集成生成AI的生产力应用程序（71％）；具有集成生成AI的企业平台（61％）；标准生成AI应用程序（68％）；以及公开可用的大型语言模型（LLM）（56％），例如ChatGPT。
相对很少有人报告使用更狭隘和差异化的生成 AI 解决方案，例如特定行业的软件应用程序（ 23 ％），私有 LLM （ 32 ％）和 / 或开源 LLM （根据其业务定制）（ 25 ％）。
对标准的现成解决方案的依赖与当前采用生成 AI 的早期阶段是一致的，该阶段主要侧重于提高现有活动的效率和生产力。然而，随着生成 AI 的用例变得更加专业化、差异化和战略性，相关的开发方法和技术基础设施可能会效仿。
我们什么时候会看到复杂的、高价值的用例，这些用例是真正差异化的，并根据特定公司、职能和行业的专门需求量身定制的？组织将如何将内部和
外部资源来创建实现这种战略差异化的定制生成 AI 工具？在
特别是，我们是否会看到现成的技术产品得到私人或混合公共 / 私人开发方法以及能够提供和支持这些差异化解决方案的技
术基础设施的补充？

现成的生成式 AI 在哪里使用得最多
71%生产力应用程序
68%标准应用
61%企业平台
56%公共法学硕士

Now:主要发现

人才，治理和风险是缺乏生成 AI 准备的关键领域。

在最初的季度调查中， 41% 的领导者表示，他们的组织只是稍微或根本没有准备好解决与生成 AI 采用相关的人才问题，而 22% 的领导者认为他们的

同样， 41% 的领导者报告说，他们的组织只是稍微或根本没有准备好解决与生成人工智能采用相关的治理和风险问题，而25% 的领导者认为他们的组织高度或非常准备 (图 7) 。

较大比例的领导者报告说，技术基础设施（ 40 ％）和战略（ 34 ％）的准备程度很高，但调查结果显示仍有很大的改进空间。

与风险和治理相关的生成 AI 障碍

当涉及到风险和治理时，生成 AI 绝对不是 “另一种技术 ” 。“根本的挑战是如何利用人工智能的力量而不失去对它的控制。毕竟，人们似乎对生成 AI 最着迷的能力是它能够如此令人信服地模拟人类的思维和行为。当然，人类的思维和行为并不总是完美的、可预测的或被社会接受的 — — 技术本身也是如此。

受访者声称最高级别的技术和战略准备，虽然感觉在风险和天赋方面的准备要少得多0

图 7

AI / 2023 10 / 12 N = 2, 835

Now:主要发现

特定的生成 AI 风险和担忧包括不准确的结果和信息 (i 。Procedres.， “幻觉 ”) ；法律风险，如剽窃、侵犯版权和错误责任；隐私和数据所有权挑战；缺乏透明度、可解释性和问责制；和系统性偏见。后者体现了另一类风险，人工智能放大和加剧了已经存在的问题，例如传播和系统化现有的社会偏见，促进和加速错误信息的传播，帮助罪犯犯罪或煽动政治分裂的火焰。

根据我们在 2023 年第四季度调查的业务和技术领导者，与治理相关的最大担忧是：对结果缺乏信心（ 36 ％），知识产权问题（ 35 ％），滥用客户或客户数据（ 34 ％），遵守法规的能力（ 33 ％）以及缺乏可解释性 / 透明度（ 31％）。

一些接受调查的组织已经通过监控监管要求和确保合规性等行动积极管理生成 AI 实施风险（ 47% ）。

为生成 AI 建立治理框架（ 46% ），并对生成 AI 工具和应用程序进行内部审计和测试（ 42% ）（图 8 ）。然而，这样的组织是少数，他们的行动几乎没有触及挑战的表面。考虑到监管要求通常落后于技术创新的步伐，这一点尤其正确 - 尽管美国总统行政命令和欧盟雄心勃勃的《人工智能法案》清楚地表明，世界许多地方的政府领导人正在非常认真地对待 AI 风险问题。

管理创成式 AI 实施风险

问：您的组织目前正在做什么来积极管理您的生成式AI实施所带来的风险？
2023 10 / 12 N = 2, 835

Now:主要发现

与人才和劳动力相关的生成 AI 障碍

在传统上被认为是独特的人类的大量活动中，生成性人工智能有可能补充人类工人。因此，它对人才和劳动力战略的影响可能是巨大的。在短期和长期运行中，它将如何影响组织及其工人？哪种类型的技能将受到最大影响？

我们调查的绝大多数领导者（ 72 ％）表示，他们预计生成 AI 将在未来两年内推动其人才战略的变化：现在（ 17 ％），一年内（ 24 ％）或 1 - 2 年（ 31 ％）（图 9 ）。

然而，不到一半 (47%) 的受访者表示，他们正在充分教育员工关于生成人工智能的能力、好处和价值 — — 调查受访者还认为，缺乏技术人才和技能是采用人工智能的最大障碍。

生成 AI 正在影响人才战略

图 9

问：你希望什么时候因为生成AI而改变你的人才战略？2023 10 / 12 N = 2, 835

Now:主要发现

在这种背景下，一些受访者表示做出了很大或非常大的努力：招募和雇用技术人才来推动他们的生成 AI计划（ 42 ％），对员工进行有关生成 AI 的教育（ 40 ％），以及重新培训受生成 AI 影响的员工（36 ％）。对于那些认为其组织的生成 AI 专业知识非常高的领导者来说，这些数字要高得多 (分别为74% 、 74% 和 73%) (图 10) 。

然而，应当指出，这些报告的与劳动力有关的努力可能范围有限。德勤的经验表明，大多数组织尚未实质性解决大规模采用生成 AI 可能带来的人才和劳动力挑战。一个可能的原因是，许多领导者还不知道生成 AI 的人才会产生什么影响，特别是在哪些技能和角色最需要方面。

为生成式 AI 做好劳动力准备：受访者在以下领域付出了很大或很大的努力。

2023 10 / 12 N = 2, 835

教育我们更广泛的劳动力，以提高整体生成 AI的流畅性

由于生成 AI 对其角色的影响而重新培训工人

“对工人的能力产生信心
现在与生成 AI 合作可以提高创造力和工作满意度。

尽管我们调查的领导者普遍对生成人工智能的潜在商业利益感到兴奋和热情，但他们对其更广泛的社会影响并不乐观。具体而言，52 ％的受访者表示，他们预计将广泛使用生成人工智能来集中全球经济中的权力，而 30 ％的受访者预计它将更均匀地分配全球权力。同样，51 ％的人预计生成 AI 会增加经济不平等，而 22 ％的人预计会减少不平等（图 11 ）。

更重要的是， 49% 的受访者认为，生成人工智能工具 / 应用程序的兴起将削弱人们对国家和全球机构的整体信任水平。

这是悲观还是现实？我们的调查结果似乎反映了社会各个角落发生的关于人工智能的更广泛的道德和伦理辩论 - 甚至在推动 AI 发展的技术公司的董事会中，人工智能的商业价值正在权衡其服务人类的潜在价值，人工智能的潜在利益正在权衡其潜在风险。

生成 AI 在公司治理和风险方面带来的挑战与社会治理和风险相平行。在这两个领域，该技术的潜在好处和潜在危害都很高。国家和超国家组织和政府可能需要走钢丝，帮助确保生成人工智能的利益得到广泛和公平的分配，而不会过度阻碍创新或为具有不同规则的国家提供不公平的优势。

Now:主要发现

生成 AI 的预期社会影响

经济权力分配

经济不平等程度

问：广泛使用生成式AI将如何改变全球经济中权力的整体分配？问：广泛使用生成式AI工具/应用程序将如何影响全球经济不平等水平？
2023 10 / 12 N = 2, 835

Now:主要发现

领导人正在寻求全球范围内更多的监管和合作。

与传统商业规范的突破，与生成人工智能相关的独特风险促使许多商业领袖呼吁加强政府监管，并加强围绕人工智能技术的全球合作。

在我们调查的领导者中， 78% 的人表示需要对人工智能进行更多的政府监管，而 72% 的人表示目前没有足够的全球合作来确保负责任的发展

人工智能系统（图 12 ）。

这些结果似乎反映了一种理解，即生成人工智能可能太强大，影响深远，影响深远，以至于个别组织无法自我监管。这并不意味着建议个体组织免于负责任地行事；然而，依靠它们作为控制人工智能风险的主要看门人可能是危险的。

可以生成 AI对个别组织来说，监管自己太强大和深远？

支持加强监管和全球合作

78%更多的监管

同意生成AI工具/应用程序的广泛扩散将需要更多的 AI监管由政府

72%更多合作

同意是不够的全球协作关于确保负责任地开发所有人工智能系统

图 12

2023 10 / 12 N

Next:展望未来

作为正在进行的一系列季度调查中的第一个，以跟踪生成 AI 的脉搏，这一最初的努力旨在建立一个强大的

在此报告中, 我们提出了一些战略问题, 以帮助组织批判性地思考他们所采取的行动

。将最好为即将到来的事情做好准备next我们还没有对每个问题都有明确的答案

我们也不会声称。然而，我们可以提供一些问题来激发思考，并根据我们到目前为止所学到的知识提供一些实践指导。我们还注意到，考虑到人工智能，特别是生成式人工智能的发展速度，今天有意义的明确答案可能在几个月内就不相关了

我的组织如何构建生成式 AI专业知识当事情进展如此之快时？

在部署生成式 AI 解决方案的竞争中，随着新模型、功能和用例的出现，适应性、实验和敏捷性等组织属性将至关重要。关键是要保持初学者的心态 — — 相信无论你认为自己有多专业，总会有更多的东西需要学习 — — 即使你的经验在增长。需要在整个组织中进行仔细的协调，才能在快速变化的情况下成功地引导生成 AI 转型。努力提高整个组织的生成 AI 素养，并使用跨学科方法领导。积极与合作伙伴和第三方组织合作。此外，获得各种生成 AI 技术的经验 - 创新发生得如此之快，今天几乎不可能选出一个明确的赢家。

Next:展望未来

我们怎样才能做到最好扩大规模并为长期价值创造奠定基础？

在部署生成 AI 时，实验是必不可少的。但如果你不能扩大你的努力，我们调查显示的对转型的高期望可能不会得到满足。首先关注几个用例是很好的。然而，最有价值的用例可能会随着时间的推移而改变，因此，重点是改进端到端流程，而不仅仅是狭窄的任务。此外，请遵循报告高生成 AI 专业知识的组织的示例，并考虑在整个企业中广泛部署 AI 作为整体战略的一部分，而不是狭隘地关注点解决方案和孤岛。努力构建能够支持多个用例的平台功能，适应新的和改进的生成式 AI 模型，并提供一致的治理和风险管理，以确保模型产生安全可信的输出和内容。

我们应该如何投资红利从提高效率和生产力中获得的？

生成的 AI 项目可能会很昂贵，因此领导者自然会寻找快速的方法来获得引人注目的投资回报（ ROI ）。收益起初可能会缓慢到达，但随着组织达到临界质量，收益会迅速增加经验和熟练程度。大多数生成 AI 的努力目前都集中在提高效率和生产力以及降低成本上。一旦你实现了这些目标，你将如何利用节省下来的时间和金钱？你会战略性地再投资于更多的生成式人工智能项目吗？你会投资于培训和重新培训你的员工吗？你会改善你的技术基础设施吗？或者你会简单地提高你的底线吗？针对生成式人工智能红利的深思熟虑的再投资策略将有助于为持续的成功铺平道路。

现在公司将他们从生成式人工智能中获得的效率再投资接下来可能会决定他们的转型水平。

Next:展望未来

我们的组织如何使用生成式 AI 来创建战略分化和竞争优势？

随着生成 AI 的采用增加，该技术成为一种标准商品 - 随着与通用企业软件的集成增加，专业工具和模型的更广泛可用性，和标准化的数据需求 — — 先行者会失去优势吗？为了最大限度地发挥技术价值，组织应该有意识地关注创新和差异化 — — 定制他们的生成式人工智能解决方案，以适应他们的独特需求和数据资产，目标是建立创造可持续竞争优势的能力。追求轻松的机会和快速的胜利是明智的，但不要排除更具战略性的机会（即使后者将需要更多的时间和金钱来实现，并且可能需要更长的时间来实现 ROI ）。

我们应该如何平衡购买与建筑？

在开发和部署生成式 AI 解决方案时，您应该购买还是构建？答案取决于许多因素，包括您的总体目标以及解决方案和用例的规模，复杂性和独特性。您是否希望将模型货币化？您的开源方法是什么？您希望对训练数据集进行多少控制？这些问题将帮助您从广泛的方法中进行选择，包括：从头开始构建大型语言模型或 LLM，使用自己的数据微调供应商提供的模型，或使用内置有生成 AI 的企业软件。每种方法都有其优点和缺点，您最终可能会选择多个。做出决定时，请务必考虑您的业务战略，所需的投资水平，风险承受能力和数据准备情况。

我们怎样才能最好地投资于我们的人民并重新发明它们如何与生成 AI 合作？

受访者认为人才是他们采用生成AI的最大障碍。要克服这一问题，您可能需要招聘新的人才，增强现有员工队伍的能力，并建立组织信任。尽管人才市场竞争激烈，但不要让这阻止您追求具有技术技能的人来开发和维护生成AI解决方案（例如。Procedre、提示工程师、AI解决方案架构师、数据科学家/工程师、LLM操作员)。同时，投资于培训，以帮助您的员工从生成AI工具中获得最大价值，并提高他们的生产力。此外，优先考虑广泛的劳动力教育，以帮助减轻对人工智能技术的恐惧和误解。

What护栏我们的组织是否需要确保负责任地使用生成 AI ，以及我们如何与不断变化的社会护栏保持一致？

受访者对生成 AI 风险表达了各种担忧，包括需要管理幻觉和模型偏见，评估潜在的知识产权问题，并确保透明度和可解释性。这些问题强调了保持人类与 AI 合作，检查其准确性并解决出现的任何问题的重要性。此外，关于各种监管和法律挑战将如何影响整个市场的发展，还有一些悬而未决的问题。很大比例的组织（ 47 ％）报告说，他们正在监控监管要求，作为其风险管理工作的一部分。许多受访者指出了他们的。
人们担心生成人工智能的广泛使用将集中权力并增加经济差距。作为领导者，您将需要考虑组织的生成人工智能决策和行动如何适应更大的前景 - 并且可能需要前瞻性地这样做，而不是等待立法者和监管机构的官方指导。

授权和致谢

Deborshi Dutt美国 AI 战略增长提供领导者德勤咨询 LLPdebdutt @ deloitte. com

Costi Perricos创成式 AI 领导者全球办公室德勤英国

Beena Ammanath全球德勤AI研究所执行董事德勤LLP

Brenna Sniderman德勤综合研究中心执行主任德勤服务 LLP bsniderman @ deloitte. com

7 Acknowledgments

作者要感谢许多才华横溢的专业人士，他们将这项研究带入了生活： Joe Uczogl，NitiMittal，Kevi Westcott，Lye Sterrett，Rod Sides，Dia Tallarico ，大卫 · 贾维斯、杰夫 ·卢克斯、艾哈迈德 · 阿利贝奇、娜塔莎 · 巴克利、乔纳森 · 霍尔多斯基、西里 · 安德森、大卫 · 莱文、乔 · 马里亚尼、桑迪普 · 韦兰基、拉杰什 · 梅迪西蒂、舒巴姆 · 奥扎、格曼集团 (GLG) 、莉娜 · 拉、凯特 · 施密特、伊万 · 弗纳 · 沃森 ·

我们还要感谢德勤其他主题专家，他们为调查和报告的发展做出了贡献：罗希特·坦登，迈克·塞加拉，比约恩·布林曼，凯利·纳塔尔，埃德·鲍恩，奥兹·卡兰，卢·迪洛伦佐，埃德·范布伦，阿米莉亚·邓洛普，阿什利·赖希德，玛吉·弗莱彻，伊丽莎白·鲍尔斯，巴里斯·

关于德勤 AI 研究所

Deloitte AI Institute ™ 可帮助组织连接强大，高度动态且快速发展的 AI 生态系统的所有不同维度。 AI Institute 领导有关跨行业应用 AI 创新的对话，使用尖端见解促进 With ™ 时代的人机协作。

德勤人工智能研究所旨在促进有关人工智能的对话和发展，刺激创新，并研究人工智能实施面临的挑战以及解决这些挑战的方法。人工智能研究所与一个由学术研究团体、初创公司、企业家、创新者、成熟的人工智能产品领导者和人工智能梦想家组成的生态系统合作，探索人工智能的关键领域，包括风险、政策、道德、工作和人才的未来以及应用人工智能用例。结合德勤在人工智能应用方面的深厚知识和经验，该研究所有助于理解这个复杂的生态系统，并因此提供有影响力的观点，帮助组织通过做出明智的人工智能决策来取得成功。

了解更多

关于德勤综合研究中心

德勤综合研究中心（ CIR ）就影响当今企业的关键问题提供经过严格研究和数据驱动的观点。我们位于德勤行业和职能专业知识的中心，结合了我们公司的领先见解，以帮助领导者在当今不断变化的市场中自信地竞争。

了解更多

关于德勤技术、媒体和电信中心

德勤技术，媒体和电信中心（ TMT Ceter ）是一家世界级的研究机构，为德勤的 TMT 实践和我们的客户提供服务。我们的专业研究人员团队提供实用的远见，新的见解和可信赖的数据，以帮助客户清楚地看到，果断地采取行动，并充满信心地竞争。我们使用严格的方法和深厚的 TMT 行业知识相结合来创建原创性研究。

Methodology

为了了解 AI 前沿组织如何采用生成 AI 的全球观点，德勤在 2023 年 10 月至 12 月期间对 2, 835 位领导者进行了调查。受访者是其组织中的高级领导者，包括董事会和

高级管理人员，以及总统、副总统和董事级别的成员。调查样本在 IT 和业务主管之间平均分配。有 16 个国家的代表：澳大利亚（ 100 名受访者），巴西（ 115 名受访者），加拿大（ 175 名受访者），法国（ 130 名受访者），德国（ 150 名受访者），印度（ 200 名受访者），意大利（ 50 名受访者）、日本（ 100 名受访者）、韩国（ 11 名受访者）、墨西哥（ 101 名受访者）、荷兰（ 75 名受访者）、新加坡（ 76 名受访者）、西班牙101 名受访者）、瑞士（ 50 名受访者）、英国（ 200 名受访者）和美国（ 1201 名受访者）。

所有参与组织都有一个或多个每天使用的 AI 工作实现。此外，他们还有试点项目来探索生成 AI，或者每天使用一个或多个生成 AI 的工作实现。受访者被要求在其组织的人工智能和数据科学战略、投资、实施方法和价值衡量方面满足以下标准之一。他们：影响决策，是做出决策的团队的一部分，是最终的决策者，或者管理或监督 AI 技术的实施。

本报告及其图形中提到的所有统计数据均来自德勤在 2023 年 10 月至 12 月进行的首次季度调查; AI ，报告系列。 N (总领导者调查回复) = 2, 835

Deloitte.

尾注:

Krystal Hu ， “ChatGPT 创造了增长最快的用户群的记录 - 分析师指出， ” ， 2023 年 2 月 2 日， https: / / www. reuters. com / technology /chatgpt - 设置 - 记录 - 增长最快 - 用户群 - 分析师 - 注 - 2023 - 02 - 01 / ， 2023 年 1 月 3 日访问。

威尔 · 道格拉斯 · 天堂， “杰弗里 · 辛顿告诉我们为什么他现在害怕他帮助建立的技术， ” ， 2023 年 5 月 2 日， https ：/

关于德勤

德勤是指英国私人担保有限公司德勤华永有限公司及其成员公司网络中的一个或多个，每个成员公司都是一个法律上独立的实体。请看 www 。德勤.com /abot 了解德勤华永有限公司及其成员公司的法律结构的详细描述。请看 www 。德勤.com / s / abot 了解德勤律师事务所及其子公司的法律结构的详细说明。根据公共会计的规则和条例，某些服务可能无法向客户证明。

本出版物仅包含一般信息，德勤不通过本出版物提供会计、商业、金融、投资、法律、税务或其他专业建议或服务。本出版物不能替代此类专业建议或服务，也不应将其用作可能影响您业务的任何决定或行动的基础。在做出任何可能影响您业务的决定或采取任何行动之前，您应该咨询合格的专业顾问。德勤对依赖本出版物的任何人遭受的任何损失概不负责。

Deloitte

现在决定下一步 ：来自领导者的见解创成式 AI 采用的边缘

目录

现在决定下一步

现在决定下一步 ：来自生成式 AI 采用前沿的见解

来自前沿的见解 (续)

关于企业中生成 AI 的现状

Now:主要发现

Now:主要发现

对生成 AI 的兴奋仍然很高 ， 预计未来三年将产生变革性影响。

31%

生成性 AI 引出了一个范围强烈的情感

图 1

2

许多领导者对他们组织的生成 AI 专业知识充满信心。

使用生成 AI 进行自我评估的专业知识很高

Now:主要发现

报告在生成 AI 方面拥有非常高专业知识的组织往往会对此感到更加积极 - 但也会受到更大的压力和威胁。

使用生成性 AI 的专业知识推动人们对采用的态度

Now:主要发现

当前的生成 AI 工作仍然更加关注效率 ， 生产力和成本降低， 而不是创新和增长。

组织希望通过生成式 AI 实现的关键好处

Now:主要发现

91%

创成式 AI ：我们以前看过这部电影吗 ？

」

大多数组织主要依靠现成的生成 AI 解决方案。

Now:主要发现

人才 ， 治理和风险是缺乏生成 AI 准备的关键领域。

与风险和治理相关的生成 AI 障碍

Now:主要发现

管理创成式 AI 实施风险

与人才和劳动力相关的生成 AI 障碍

生成 AI 正在影响人才战略

图 9

Now:主要发现

经济权力分配

经济不平等程度

Now:主要发现

领导人正在寻求全球范围内更多的监管和合作。

支持加强监管和全球合作

78%更多的监管

72%更多合作

图 12

Next:展望未来

我的组织如何构建生成式 AI专业知识当事情进展如此之快时 ？

Next:展望未来

我们怎样才能做到最好扩大规模并为长期价值创造奠定基础 ？

我们应该如何投资红利从提高效率和生产力中获得的 ？

Next:展望未来

我们的组织如何使用生成式 AI 来创建战略分化和竞争优势 ？

我们应该如何平衡购买与建筑 ？

我们怎样才能最好地投资于我们的人民并重新发明它们如何与生成 AI 合作 ？

What护栏我们的组织是否需要确保负责任地使用生成 AI ， 以及我们如何与不断变化的社会护栏保持一致 ？

授权和致谢

7

Acknowledgments

关于德勤 AI 研究所

关于德勤综合研究中心

关于德勤技术、媒体和电信中心

Methodology

Deloitte.

尾注:

关于德勤

现在决定下一步：来自领导者的见解创成式 AI 采用的边缘

现在决定下一步：来自生成式 AI 采用前沿的见解

对生成 AI 的兴奋仍然很高，预计未来三年将产生变革性影响。

当前的生成 AI 工作仍然更加关注效率，生产力和成本降低，而不是创新和增长。

创成式 AI ：我们以前看过这部电影吗？

人才，治理和风险是缺乏生成 AI 准备的关键领域。

我的组织如何构建生成式 AI专业知识当事情进展如此之快时？

我们怎样才能做到最好扩大规模并为长期价值创造奠定基础？

我们应该如何投资红利从提高效率和生产力中获得的？

我们的组织如何使用生成式 AI 来创建战略分化和竞争优势？

我们应该如何平衡购买与建筑？

我们怎样才能最好地投资于我们的人民并重新发明它们如何与生成 AI 合作？

What护栏我们的组织是否需要确保负责任地使用生成 AI ，以及我们如何与不断变化的社会护栏保持一致？

德勤-AI行业：现在决定下一步，来自生成式AI采用前沿的见解（英译中） 听光Vic

德勤-AI行业：现在决定下一步，来自生成式AI采用前沿的见解（英译中）听光Vic